Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dialnet AlgoritmoGeneticoParaLaUbicacionOptimaDeSensoresEn 4548867 PDF
Dialnet AlgoritmoGeneticoParaLaUbicacionOptimaDeSensoresEn 4548867 PDF
ISSN 0122-1701 87
Grupo de Investigación en
Electrónica de Potencia
Universidad Tecnológica de
Pereira
genético.
4
2. 1 Construcción de la trayectoria 2
Formular una expresión con la cual se pueda determinar De esta forma se puede describir la cinemática de la
la posición del sistema de referencia móvil, en función de plataforma, dado que el desplazamiento puede darse
un giro y una traslación. directamente, o en términos de velocidades; con el fin de
hallar el giro θ y el desplazamiento l y evaluar (1). Con
Especificar las posiciones de los elementos que las ecuaciones (1) y (2) se puede calcular además la
constituyen la plataforma, referenciados al sistema móvil. posición de cualquier elemento en la plataforma,
siguiendo el método de girar y luego avanzar.
y
γ
y γ2
c
yc γ1
c2
xc θ
x
Figura 2. Posición de la plataforma. c1
x
El sistema de referencia fijo se escoge como el sistema de
coordenadas cartesianas; por otro lado conviene
Figura 3. Movimiento de la plataforma.
especificar el sistema de referencia móvil como la
posición de un punto representativo en la plataforma,
referente a las coordenadas cartesianas y la posición 3. FORMULACIÓN DEL PROBLEMA
angular de la plataforma respecto al sistema, como se
indica en la figura 2. La ubicación optima de los sensores en la plataforma
móvil conlleva a que ella no se saldrá de la trayectoria,
El punto c es fijo en la plataforma y tiene coordenadas no regresara por la trayectoria ya recorrida, cuando el
(xc,yc) y el ángulo γ, se toma con referencia al eje sensor principal pierda línea sólo alguno de los otros dos
vertical y se define positivo el sentido horario. lo respaldará para corregir la orientación. Todas estas
condiciones ocasionan que la plataforma realice un
Una nueva posición del centro c puede ser determinada recorrido considerado en la trayectoria ya analizada.
por un cambio en el ángulo γ y un desplazamiento en Cada una de las configuraciones de la población de
dicha dirección, como: soluciones recorre la pista, y se determina la longitud l
recorrida. Por lo anterior, el modelo toma la forma:
θ= Desplazamiento angular de la plataforma, o giro.
K
l = Longitud recorrida por la plataforma. max L = ∑ li
i =1
La figura 3 presenta una descripción de lo anterior. Las
Donde K es el número de pasos realizados por la
coordenadas de c2 son (xc2,yc2) y se calculan así:
plataforma.
π
xC 2 = xC1 + l cos − (γ 1 − θ )
2 Sujeto a:
π
yC 2 = yC1 + l sin − (γ 1 − θ ) • Si S1 ∉ R ⇒ existe sólo un j ≠ 1 tal que
2
Luego Sj ∈R
.
S ∉ R ∀j ≠ 1
xC 2 = xC1 + l cos(γ 1 + θ ) • Para i = 1 : S1 ∈ R , y, j .
xC (i + 1) ≥ xC (i )
yC 2 = yC1 + l sin (γ 1 + θ )
(1)
•
θ2 θ3
configuraciones, para resolver un problema de
optimización complejo.
4. 1 Codificación
La codificación decimal, para representar variables
enteras, tiene como ventaja el usar un vector de tamaño Figura 4. Configuración de sensores.
reducido, mejorando los problemas de memoria para
almacenamiento de información y velocidad de
procesamiento porque generalmente la función objetivo 4.3 Cálculo de la función objetivo
esta en función de las variables enteras originales. La función objetivo determina la calidad de una
configuración para de esta manera tener una selectividad
El principal inconveniente de la codificación decimal es entre las configuraciones.
que teóricamente no son necesariamente verdaderas todas
las propiedades teóricas y las características de Para cada una de las configuraciones del vector de
convergencia encontradas en el algoritmo genético soluciones se determina la longitud de la trayectoria
usando la codificación binaria. También en la recorrida. La configuración con mayor longitud será el
denominada codificación decimal tiene que redefinirse el diseño que podrá tener más probabilidad de tener más
operador mutación. descendientes en la próxima generación.
Las longitudes correspondientes a cada configuración son
La codificación que mejor se adapta a este problema es la calculadas con el algoritmo de la figura 5. Obteniendo el
decimal, con la cual se representa la posición de cada uno vector:
de los tres sensores en coordenadas cilíndricas. Esta
codificación tiene como ventaja que usa un vector muy
L = [L1 LN ]
T
reducido para cada sensor, de sólo dos componentes, el
L2 K LN −1
ángulo y la distancia, obteniendo de esta forma una
mayor velocidad de procesamiento. La función de adaptación que se emplea en este
algoritmo es igual a la función objetivo (f.o) de cada
Cada una de las posibles configuraciones está formada configuración menos un factor k, el cual se define como:
C
por un vector i de seis componentes, en donde cada K = 0.9 ⋅ min (L )
par de componentes representa la posición de uno de los
sensores como se muestra en la figura 4. De esta forma se
de esta forma se tiene la función de adaptación:
tiene que la población de soluciones esta conformada así:
Scientia et Technica Año XV, No 41, Mayo de 2009. Universidad Tecnológica de Pereira.. 91
FA = [L1 LN ] − K
T
L2 K LN −1
En la tabla I se presenta los resultados obtenidos por el
algoritmo genético con un ∆ℓ y un ∆θ fijos, las
variaciones que se aprecian en estos valores son debido a
mutaciones. G es la generación en la que se obtuvo la
4.4 Selección configuración y L es la longitud recorrida por ella. Para
todos los procesos se empleo una población de 20
Este operador genético permite seleccionar las individuos y 1000 generaciones. En la figura 6 se observa
configuraciones de la población actual que deban la solución grafica de la mejor configuración obtenida en
participar en la generación de las configuraciones de la la tabla I.
nueva población. Se emplea un esquema de selección
proporcional, es decir, los descendientes a los que tiene
derecho cada configuración es proporcional al valor de su
función de adaptación. Para determinar el número de
descendientes de cada configuración se hace una relación
entre la función de adaptación y la media de la función
objetivo. El inconveniente radica en que los
descendientes en su mayoría pueden ser números no
enteros. Para tener un número de descendientes enteros
se emplea el esquema de la ruleta.
4.5 Recombinación
El operador de recombinación consiste en escoger dos
configuraciones en forma aleatoria entre las que tienen
derecho a descendencia y generar a partir de ellas dos
nuevas configuraciones que tienen partes de las
configuraciones originales. La recombinación en este
algoritmo es de punto simple. Existe una tasa de
recombinación del 90%, y la forma de recombinar es
generar un número aleatorio entre [0,1] y si éste es menor
a 0.9 se realiza la recombinación. De lo contrario, a la
próxima generación se pasan las dos configuraciones sin
recombinación.
4.6 Mutación
Se analiza cada componente de las configuraciones de la
población inicial, se asigna un factor de mutación del 5%
y se genera un número aleatorio; si dicho número es
menor o igual a la tasa de mutación se realiza una
mutación en esa posición. La mutación que se emplea es
de tipo simple, es decir, se convierte el número a un valor
una tolerancia mayor o menor a él, para esto se genera
otro número aleatorio para conocer si la mutación
aumenta o disminuye el número seleccionado. Se analiza
si cada una de las configuraciones de la nueva generación
cumple con un recorrido mínimo, en caso contrario se
continua haciendo mutaciones sucesivas hasta que se
cumpla un recorrido mínimo como se ilustra en al figura Figura 5. Diagrama de flujo del recorrido.
5.
Tabla I. Resultados con ∆ℓ y un ∆θ fijos.
4.6 Criterio de Parada
El algoritmo finalizará una vez se halla realizado un
número específico de generaciones. ∆ℓ ∆θ ℓ1 θ1 ℓ2 θ2 ℓ3 θ3(-) G L