KR20150050603A - 경로 탐색 방법 및 그 장치 - Google Patents

경로 탐색 방법 및 그 장치 Download PDF

Info

Publication number
KR20150050603A
KR20150050603A KR1020130128886A KR20130128886A KR20150050603A KR 20150050603 A KR20150050603 A KR 20150050603A KR 1020130128886 A KR1020130128886 A KR 1020130128886A KR 20130128886 A KR20130128886 A KR 20130128886A KR 20150050603 A KR20150050603 A KR 20150050603A
Authority
KR
South Korea
Prior art keywords
path
paths
distance
group
sub
Prior art date
Application number
KR1020130128886A
Other languages
English (en)
Other versions
KR101620145B1 (ko
Inventor
김대원
강보영
이재성
Original Assignee
중앙대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020130128886A priority Critical patent/KR101620145B1/ko
Publication of KR20150050603A publication Critical patent/KR20150050603A/ko
Application granted granted Critical
Publication of KR101620145B1 publication Critical patent/KR101620145B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Physiology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Navigation (AREA)

Abstract

경로 탐색 방법 및 장치가 개시된다. 경로 탐색 방법은 (a) 맵 정보를 이용하여 목적지까지 가능한 모든 경로를 생성하는 단계; (b) 상기 각 경로에 대한 거리를 계산하는 단계; (c) 상기 각 경로에 대해 장애물 노드 통과 여부를 반영한 실행불가능 지수를 계산하는 단계; (d) 상기 계산된 실행불가능 지수를 이용하여 각 경로를 그룹으로 분류하는 단계; 및 (e) 분류된 그룹내의 경로를 대상으로 상기 계산된 거리가 짧은 경로를 상위 경로로 선택하는 단계를 포함한다.

Description

경로 탐색 방법 및 그 장치{Method and apparatus for path search}
본 발명은 경로 탐색에 관한 것으로, 보다 상세하게 맵 정보를 이용하여 최적 경로를 탐색할 수 있는 경로 탐색 방법 및 그 장치에 관한 것이다.
종래에 개발된 로봇의 경로계획의 대표적인 기술로 유전자 알고리즘(GA: genetic algorithm)이 있다. 이러한, 유전자 알고리즘은 실제 생물의 유전자(genetics)와 진화(evolution)의 메커니즘을 공학적으로 모델화한 것으로 생물이 갖는 환경에서의 적응능력을 이용한 최적화 방법이다.
이 유전자 알고리즘은 보통 고정 혹은 가변 길이의 이진 스트링 혹은 실수 스트링을 염색체로 이용하여, 각 세대의 적합도를 이용한 최적경로를 생성하는 알고리즘으로, 개체의 수인 개체군의 크기, 각각의 개체가 가지는 염색체의 크기 등과 같은 파라미터에 따라 연산속도나 최적화의 성능이 좌우된다. 개체군의 개수와 염색체의 크기가 크면 클수록 최적화 성능이 좋아지지만, 연산속도가 그만큼 느려져, 실시간 연산이 필요한 로봇에는 사용이 어렵다.
즉, 종래의 유전자 알고리즘의 경우, 경로 길이 평가를 통해 경로를 선정하고 재생산하는 과정을 반복 수행하여 목적지까지의 적합한 경로를 탐색하는 시간이 매우 오래 걸리는 단점이 있다.
본 발명은 유전자 알고리즘을 기반으로 생성된 경로를 실행불가능성 지수를 이용하여 각각 그룹으로 분류하고, 각 그룹에 대한 거리 평가 결과를 반영하여 최적의 경로를 선정할 수 있는 경로 탐색 방법 및 그 장치를 제공하기 위한 것이다.
또한, 본 발명은 경로 탐색을 위한 수행 시간을 현저하게 단축하여 실시간 적용이 가능한 경로 탐색 방법 및 그 장치를 제공하기 위한 것이다.
본 발명의 일 측면에 따르면, 유전자 알고리즘을 기반으로 생성된 경로를 실행불가능성 지수를 이용하여 각각 그룹으로 분류하고, 각 그룹에 대한 거리 평가 결과를 반영하여 최적의 경로를 선정할 수 있는 방법이 제공된다.
본 발명의 일 실시예에 따르면, (a) 맵 정보를 이용하여 목적지까지 가능한 모든 경로를 생성하는 단계; (b) 상기 각 경로에 대한 거리를 계산하는 단계; (c) 상기 각 경로에 대해 장애물 노드 통과 여부를 반영한 실행불가능 지수를 계산하는 단계; (d) 상기 계산된 실행불가능 지수를 이용하여 각 경로를 그룹으로 분류하는 단계; 및 (e) 분류된 그룹내의 경로를 대상으로 상기 계산된 거리가 짧은 경로를 상위 경로로 선택하는 단계를 포함하는 경로 탐색 방법이 제공될 수 있다.
상기 (d) 단계는, 상기 계산된 실행불가능성 지수가 동일 또는 유사한 경로를 동일한 그룹으로 분류하는 단계일 수 있다.
상기 (d) 단계에서, 실행불가능성 지수가 낮은 순으로 상기 그룹을 분류하되, 상기 (e) 단계는, 상기 실행불가능성 지수가 낮은 그룹부터 각 그룹에 포함된 경로에 대해 상기 계산된 거리를 이용하여 거리가 짧은 순으로 정렬하는 단계; 및 상기 거리가 짧은 상위 경로를 선택하는 단계를 포함할 수 있다.
상기 실행불가능성 지수가 임계치를 초과하는 그룹에 대해서는 상기 (e) 단계를 수행하지 않을 수 있다.
상기 맵 정보는 복수의 노드를 포함하되, 상기 노드 중 적어도 일부는 장애물 노드이다.
상기 각 경로는 복수의 서브 경로를 포함하되, 상기 실행불가능성 지수는 상기 장애물 노드를 통과하는 서브 경로의 수를 이용하여 계산될 수 있다.
상기 (a) 단계는, 유전 알고리즘에 따라 상기 맵 정보에 포함된 각 노드의 교배 및 돌연변이 연산을 통해 복수의 서브 경로를 각각 생성하는 단계; 및 상기 서브 경로를 상호간 연결하여 목적지까지의 복수의 경로를 생성하는 단계를 포함할 수 있다.
상기 각 경로는 복수의 서브 경로를 포함하되, 상기 거리는 상기 서브 경로에 대한 유클리드 거리의 합으로 계산될 수 있다.
본 발명의 다른 측면에 따르면, 유전자 알고리즘을 기반으로 생성된 경로를 실행불가능성 지수를 이용하여 각각 그룹으로 분류하고, 각 그룹에 대한 거리 평가 결과를 반영하여 최적의 경로를 선정할 수 있는 장치가 제공된다.
본 발명의 일 실시예에 따르면, 맵 정보를 이용하여 목적지까지 가능한 모든 경로를 생성하는 경로 생성부; 상기 각 경로에 대한 거리를 계산하고, 상기 각 경로에 대해 장애물 노드 통과 여부를 반영한 실행불가능성 지수를 계산하는 경로 평가부; 및 상기 계산된 실행불가능 지수를 이용하여 각 경로를 그룹으로 분류하고, 상기 분류된 그룹내의 경로를 대상으로 상기 계산된 거리가 짧은 경로를 상위 경로로 선택하는 경로 선택부를 포함하는 경로 탐색 장치가 제공될 수 있다.
상기 경로 선택부는, 상기 계산된 실행불가능성 지수가 동일 또는 유사한 경로를 동일한 그룹으로 분류하고, 상기 분류된 그룹에 포함된 경로를 대상으로 상기 계산된 거리를 기준으로 거리가 짧은 순으로 정렬한 후 거리가 짧은 상위 경로를 선택할 수 있다.
상기 경로는 복수의 서브 경로를 포함하되, 상기 경로 평가부는 상기 서브 경로에 대한 유클리드 거리의 합을 계산하여 상기 경로에 대한 거리를 계산할 수 있다.
상기 경로는 복수의 서브 경로를 포함하되, 상기 경로 평가부는 상기 경로에 포함된 서브 경로들 중 장애물 노드를 통과하는 서브 경로의 수를 이용하여 상기 경로에 대한 실행불가능성 지수를 계산할 수 있다.
본 발명의 일 실시예에 따른 경로 탐색 방법 및 그 장치를 제공함으로써, 유전자 알고리즘을 기반으로 생성된 경로를 실행불가능성 지수를 이용하여 각각 그룹으로 분류하고, 각 그룹에 대한 거리 평가 결과를 반영하여 최적의 경로를 선정할 수 있다.
또한, 본 발명은 경로 탐색을 위한 수행 시간을 현저하게 단축하여 실시간 적용이 가능한 이점이 있다.
도 1은 본 발명의 일 실시예에 따른 경로 탐색 장치의 내부 구성을 나타낸 블록도.
도 2는 본 발명의 일 실시예에 따른 맵 정보를 예시한 도면.
도 3은 본 발명의 일 실시예에 따른 경로 탐색 방법을 나타낸 순서도.
도 4는 종래와 본 발명의 일 실시예에 따른 경로 탐색에 따른 성공률을 비교한 그래프.
도 5는 종래와 본 발명의 일 실시예에 따른 경로 탐색 수행 시간을 비교한 표.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 발명은 기저장된 맵 정보를 이용하여 유전 알고리즘에 기반하여 목적지까지 가능한 모든 경로를 생성한 후 실행불가능성 지수 및 거리 평가를 수행하고, 실행불가능성 지수를 이용하여 각 경로를 각각의 그룹으로 분류한 후 거리 평가를 수행하여 최적 경로를 빠르게 선정할 수 있는 발명에 관한 것이다.
이하, 본 발명의 실시예를 첨부한 도면들을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 경로 탐색 장치의 내부 구성을 나타낸 블록도이고, 도 2는 본 발명의 일 실시예에 따른 맵 정보를 예시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 경로 탐색 장치(100)는 경로 생성부(110), 경로 평가부(115), 경로 선택부(120), 메모리(125) 및 제어부(130)를 포함하여 구성된다.
경로 생성부(110)는 기저장된 맵 정보를 이용하여 출발지에서 목적지까지의 복수의 경로를 생성하기 위한 수단이다.
예를 들어, 경로 생성부(110)는 공지된 유전 알고리즘(GA: genetic algorithm)을 이용하여 n x n 노드가 포함된 맵 정보를 이용하여 출발지에서 목적지까지의 모든 경로에 대한 경로를 생성할 수 있다. 이때, 맵 정보에 포함된 복수의 노드 중 적어도 일부 노드는 장애물 노드일 수 있다.
도 2에는 본 발명의 일 실시예에 따른 맵 정보가 예시되어 있다. 도 2에 도시된 바와 같이, 맵 정보는 다양한 형태의 장애물 노드를 포함할 수 있다.
경로 생성부(110)는 각 노드를 중심으로 단일 포인트(single point)로 이동할 수 있는 인접 노드와의 서브 경로를 생성하고, 서브 경로들을 교차혼합(crossover)하는 방식을 통해 목적지까지의 복수의 경로를 생성할 수 있다.
보다 상세하게, 경로 생성부(110)는 각 노드를 중심으로 유전자 알고리즘(GA: genetic algorithm)에 따라 싱글 포인트 교배 및 돌연변이 연산을 반복적으로 수행하여 복수의 서브 경로를 각각 생성할 수 있다. 경로 생성부(110)는 각 노드를 중심으로 생성된 각 서브 경로를 상호간 연결하여 목적지까지의 복수의 경로를 생성할 수 있다.
본 발명의 일 실시예에 따른 경로 생성부(110)는 각 노드를 중심으로 목적지까지 이동 가능한 모든 경로를 생성할 수 있다.
경로 평가부(115)는 경로 생성부(110)를 통해 생성된 각 경로에 대한 거리 평가 및 실행불가능성 지수 평가를 각각 수행하기 위한 수단이다.
예를 들어, 경로 평가부(115)는 각 경로에 포함된 서브 경로의 거리를 합산하여 해당 경로에 대한 거리 평가를 수행할 수 있다.
예를 들어, 경로 평가부(115)는 하기 수 1을 이용하여 거리 평가를 수행할 수 있다.
Figure pat00001
여기서,
Figure pat00002
는 서브 경로를 나타내며,
Figure pat00003
는 서브 경로의 유클리드 거리를 나타낸다.
즉, 목적지까지의 하나의 경로에 대한 거리 평가결과는 해당 경로에 포함된 서브 경로간의 유클리드 거리의 합일 수 있다. 또한, 이미 전술한 바와 같이, 서브 경로는 임의의 노드와 인접한 다른 노드로의 단일 경로일 수 있다.
또한, 경로 평가부(115)는 각 경로에 포함된 서브 경로들을 대상으로 장애물 노드를 통과하는 서브 경로의 수를 이용하여 실행불가능성 지수 평가를 수행할 수 있다.
예를 들어, 경로 평가부(115)는 하기 수 2를 이용하여 실행불가능성 지수 평가를 수행할 수 있다.
Figure pat00004
여기서, Z는 각각의 경로를 나타내며,
Figure pat00005
는 장애물 노드를 통과하는 서브 경로의 수를 나타낸다.
예를 들어, 경로 평가부(115)는 각 경로에 포함된 전체 서브 경로의 수로 장애물 노드를 통과하는 서브 경로의 수를 나누기 연산하여 실행불가능성 지수 평가를 수행할 수 있다.
결과적으로 경로 평가부(115)의 실행불가능성 지수 평가 결과가 0이면, 장애물 노드를 통과할 확률이 없는 경로(즉, 목적지까지 도달할 수 있는 경로)임을 알 수 있다. 즉, 경로 평가부(115)에 의한 실행불가능성 지수 평가가 높을수록 해당 경로는 목적지까지 도달할 확률이 낮은 경로(즉, 목적지까지 도달할 수 없는 경로)임을 알 수 있다.
경로 선택부(120)는 경로 평가부(115)에 의한 각 경로에 대한 거리 평가 및 실행불가능성 지수 평가 결과를 이용하여 최적 경로를 선정하기 위한 수단이다.
예를 들어, 경로 선택부(120)는 각 경로에 대한 실행불가능성 지수 평가 결과를 이용하여 실행불가능성 지수가 동일하거나 유사한 경로를 각각 그룹으로 분류한다. 이에 따라 경로는 복수의 그룹으로 분류될 수 있다.
경로 선택부(120)는 실행불가능성 지수 평가 결과가 낮은 그룹순으로 그룹을 정렬할 수 있다. 이어, 경로 선택부(120)는 실행불가능성 지수 평가 결과가 낮은 그룹부터 해당 그룹내에 포함된 각 경로를 거리 평가 결과를 이용하여 거리 평가 결과가 짧은 순으로 재정렬한다.
결과적으로, 경로 선택부(120)는 실행불가능성 지수 평가 결과가 낮은 그룹에 포함된 경로들 중 거리가 짧은 상위 경로를 선정할 수 있다. 즉, 경로 선택부(120)는 실행불가능성 지수 평가 결과를 이용하여 각 경로를 그룹으로 분류한 후, 각 그룹내의 경로를 거리 평가 결과를 이용하여 재정렬하여 최적의 경로를 선정할 수 있다.
즉, 경로 선택부(120)는 실행불가능성 지수 평가 결과를 이용하여 목적지 노드까지 도달할 가능성이 낮은 경로를 사전에 배제시킨 후 거리 평가를 수행하여 최적의 경로를 선정할 수 있어, 상대적으로 빠르게 경로를 탐색하고 계획할 수 있는 이점이 있다.
메모리(125)는 본 발명의 일 실시예에 따른 경로 탐색 장치(100)를 운용하기 위해 필요한 다양한 알고리즘, 생성된 각 경로, 거리 평가 및 실행불가능성 지수 평가 결과 등을 저장한다.
제어부(130)는 본 발명의 일 실시예에 따른 경로 탐색 장치(100)의 내부 구성 요소들(예를 들어, 경로 생성부, 경로 평가부(115), 경로 선택부(120), 메모리(125) 등)을 제어하기 위한 수단이다.
도 3은 본 발명의 일 실시예에 따른 경로 탐색 방법을 나타낸 순서도이고, 도 4는 종래와 본 발명의 일 실시예에 따른 경로 탐색에 따른 성공률을 비교한 그래프이고, 도 5는 종래와 본 발명의 일 실시예에 따른 경로 탐색 수행 시간을 비교한 표이다.
이하에서 수행되는 각각의 단계는 경로 탐색 장치의 내부 구성 요소에 의해 수행되나 이해와 설명의 편의를 도모하기 위해 경로 탐색 장치로 통칭하여 설명하기로 한다.
또한, 경로 탐색 장치는 사전에 맵 정보를 다운로드받거나 입력받아 저장하고 있는 것을 가정하기로 한다. 물론, 구현 방법에 따라 경로 탐색 장치는 당해 경로 탐색 장치(100)의 위치를 기준으로 맵 정보를 획득하여 주기적 또는 비주기적으로 업데이트할 수도 있음은 당연하다.
단계 310에서 경로 탐색 장치(100)는 맵 정보를 이용하여 목적지까지 가능한 모든 경로를 생성한다.
이미 전술한 바와 같이, 맵 정보는 복수의 노드 정보를 포함한다. 각 노드 중 적어도 일부는 장애물 노드일 수 있다.
이에 따라, 경로 탐색 장치(100)를 통해 생성된 복수의 경로 중 일부는 장애물 노드를 통과하도록 생성될 수 있다.
또한, 각각의 경로는 임의의 노드에서 임의의 노드로의 경로를 위한 복수의 서브 경로를 포함할 수 있다.
단계 315에서 경로 탐색 장치(100)는 각 경로에 대한 거리 평가를 수행한다.
이미 전술한 바와 같이, 경로 탐색 장치(100)는 각 경로에 포함된 서브 경로들의 유클리드 거리를 계산한 후 이를 합산하여 해당 경로에 대한 거리 평가를 수행할 수 있다. 이는 수 1을 이용하여 설명한 바와 동일하므로 중복되는 설명은 생략하기로 한다.
단계 320에서 경로 탐색 장치(100)는 각 경로에 대해 장애물 노드의 포함 여부에 대한 실행불가능성 지수 평가를 수행한다. 예를 들어, 경로 탐색 장치(100)는 각 경로에 포함된 서브 경로 중 장애물 노드를 통과하는 서브 경로의 수를 이용하여 실행불가능성 지수 평가를 수행한다.
즉, 경로 탐색 장치(100)는 각 경로에 포함된 서브 경로들 중 장애물 노드를 통과하는 서브 경로의 수를 전체 서브 경로의 수로 나누기 연산을 수행하여 각 경로에 대한 실행불가능성 지수 평가를 수행할 수 있다. 이는 수 2를 참조하여 설명한 바와 동일하므로 중복되는 설명은 생략하기로 한다.
이에 따라, 경로 탐색 장치(100)는 실행불가능성 지수 평가 결과가 높은 경로일수록 해당 경로가 목적지에 도달할 가능성이 낮은 경로로 인식할 수 있다.
단계 325에서 경로 탐색 장치(100)는 각 경로에 대한 실행불가능성 지수 평가 결과를 이용하여 각 경로를 그룹화한다.
예를 들어, 경로 탐색 장치(100)는 실행불가능성 지수 평가 결과가 동일하거나 유사한 경로를 각각 하나의 그룹으로 분류할 수 있다. 실행불가능성 지수 평가 결과가 유사한 경로를 하나의 그룹으로 분류하는 경우, 그룹 분류를 위한 문턱치 값은 실험적으로 결정될 수 있다.
이어, 경로 탐색 장치(100)는 실행불가능성 지수 평가 결과가 낮은 그룹순으로 정렬할 수 있다.
단계 330에서 경로 탐색 장치(100)는 분류된 그룹내의 경로를 대상으로 거리 평가 결과를 이용하여 재정렬한다.
단계 335에서 경로 탐색 장치(100)는 분류된 그룹에 대한 재정렬 프로세스가 완료되었는지 여부를 판단한다.
경로 탐색 장치(100)는 실행불가능성 지수 평가 결과가 동일 또는 유사한 경로를 각각 동일한 그룹으로 각각 분류할 수 있다. 이때, 경로 탐색 장치(100)는 실행불가능성 지수 평가 결과를 이용하여 목적지에 도달이 불가능한 경로 그룹을 설정할 수 있다. 즉, 경로 탐색 장치(100)는 실행불가능성 지수 평가 결과가 임계치를 초과하는 경우, 목적지에 도달이 불가능한 경로 그룹으로 설정할 수 있다.
이에, 경로 탐색 장치(100)는 실행불가능성 지수 평가 결과를 이용하여 분류된 그룹들 중 임계치 이하의 모든 그룹에 대해 거리 평가를 이용한 재정렬 과정을 수행할 수 있다.
분류된 그룹들 중 임계치 이하의 모든 그룹에 대해 거리 평가를 이용한 재정렬 과정이 완료되지 않은 경우, 단계 330으로 진행하여 분류된 그룹에 대한 거리 평가 결과를 이용한 재정렬 과정을 수행할 수 있다.
예를 들어, 실행불가능성 지수 평가 결과에 따라 제1 그룹, 제2 그룹, …, 제n 그룹으로 각각 경로가 분류되었다고 가정하자.
경로 탐색 장치(100)는 제1 그룹에 포함된 경로들을 대상으로 거리 평가를 이용하여 재정렬 과정을 수행할 수 있다. 이어, 경로 탐색 장치(100)는 제2 그룹에 포함된 경로들을 대상으로 거리 평가 결과를 이용한 재정렬 과정을 수행할 수 있다.
이와 같은 방식으로, 경로 탐색 장치(100)는 실행불가능성 지수 평가 결과에 따른 하위 그룹들에 대해 거리 평가 결과를 이용한 재정렬 과정을 수행할 수 있다. 이때, 만일 분류된 그룹들 중 임계치에 의해 목적지에 도달 가능한 그룹으로 설정된 그룹이 제5 그룹까지인 경우, 경로 탐색 장치(100)는 제5 그룹까지 거리 평가 결과를 이용한 재정렬 과정을 수행할 수 있으며, 제6 그룹 이후에 대해서는 거리 평가 결과를 이용한 재정렬 과정을 수행하지 않을 수 있다.
이와 같이, 경로 탐색 장치(100)는 실행불가능성 지수 평가를 통해 목적지에 도달할 가능성이 높은 경로와 목적지 노드까지 도달이 어려운 경로를 초기에 분류한 후 목적지 노드까지 도달할 가능성이 있는 경로에 대해서만 거리 평가 결과를 이용하여 재정렬 과정을 수행하도록 할 수 있다.
분류된 그룹들 중 임계치 이하의 모든 그룹에 대해 거리 평가를 이용한 재정렬 과정이 완료되면, 단계 340에서 경로 탐색 장치(100)는 각 그룹에 대한 거리 평가 결과를 이용하여 최적 경로를 선정한다.
즉, 경로 탐색 장치(100)는 거리 평가 결과가 짧은 경로를 경로 계획 또는 탐색에 적합한 경로로 인식하여 선정할 수 있다.
도 4에는 종래의 유전 알고리즘에 기반한 경로 탐색 방법과 본 발명의 일 실시예에 따른 경로 탐색 방법에 따른 이동 경로를 탐색한 성공율을 나타낸 그래프이다. 도 4에 도시된 바와 같이, 본 발명의 일 실시예에 따른 경로 탐색 방법의 이동 경로 탐색을 위한 성공률이 월등이 높은 것을 알 수 있다.
또한, 도 5에는 종래의 유전 알고리즘에 기반한 경로 탐색 방법과 본 발명의 일 실시예에 따른 경로 탐색 방법에 따른 이동 경로를 탐색하기 위한 수행 시간을 비교한 표이다. 도 5에 도시된 바와 같이, 본 발명의 일 실시예에 따른 경로 탐색 방법에 따른 수행 시간이 종래의 유전 알고리즘에 비해 월등이 빠른 것을 알 수 있다.
한편, 본 발명의 실시예에 따른 경로 탐색 방법은 다양한 전자적으로 정보를 처리하는 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 저장 매체에 기록될 수 있다. 저장 매체는 프로그램 명령, 데이터 파일, 데이터 구조등을 단독으로 또는 조합하여 포함할 수 있다.
저장 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다. 저장 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
110: 경로 생성부
115: 경로 평가부
120: 경로 선택부
125: 메모리
130: 제어부

Claims (13)

  1. (a) 맵 정보를 이용하여 목적지까지 가능한 모든 경로를 생성하는 단계;
    (b) 상기 각 경로에 대한 거리를 계산하는 단계;
    (c) 상기 각 경로에 대해 장애물 노드 통과 여부를 반영한 실행불가능 지수를 계산하는 단계;
    (d) 상기 계산된 실행불가능 지수를 이용하여 각 경로를 그룹으로 분류하는 단계; 및
    (e) 분류된 그룹내의 경로를 대상으로 상기 계산된 거리가 짧은 경로를 상위 경로로 선택하는 단계를 포함하는 경로 탐색 방법.

  2. 제1 항에 있어서,
    상기 (d) 단계는,
    상기 계산된 실행불가능성 지수가 동일 또는 유사한 경로를 동일한 그룹으로 분류하는 단계인 것을 특징으로 하는 경로 탐색 방법.

  3. 제1 항에 있어서,
    상기 (d) 단계에서, 실행불가능성 지수가 낮은 순으로 상기 그룹을 분류하되,
    상기 (e) 단계는,
    상기 실행불가능성 지수가 낮은 그룹부터 각 그룹에 포함된 경로에 대해 상기 계산된 거리를 이용하여 거리가 짧은 순으로 정렬하는 단계; 및
    상기 거리가 짧은 상위 경로를 선택하는 단계를 포함하는 것을 특징으로 하는 경로 탐색 방법.
  4. 제1 항에 있어서,
    상기 실행불가능성 지수가 임계치를 초과하는 그룹에 대해서는 상기 (e) 단계를 수행하지 않는 것을 특징으로 하는 경로 탐색 방법.
  5. 제1 항에 있어서,
    상기 맵 정보는 복수의 노드를 포함하되,
    상기 노드 중 적어도 일부는 장애물 노드인 것을 특징으로 하는 경로 탐색 방법.
  6. 제5 항에 있어서,
    상기 각 경로는 복수의 서브 경로를 포함하되,
    상기 실행불가능성 지수는 상기 장애물 노드를 통과하는 서브 경로의 수를 이용하여 계산되는 것을 특징으로 하는 경로 탐색 방법..
  7. 제1 항에 있어서,
    상기 (a) 단계는,
    유전 알고리즘에 따라 상기 맵 정보에 포함된 각 노드의 교배 및 돌연변이 연산을 통해 복수의 서브 경로를 각각 생성하는 단계; 및
    상기 서브 경로를 상호간 연결하여 목적지까지의 복수의 경로를 생성하는 단계를 포함하는 경로 탐색 방법.
  8. 제1 항에 있어서,
    상기 각 경로는 복수의 서브 경로를 포함하되,
    상기 거리는 상기 서브 경로에 대한 유클리드 거리의 합으로 계산되는 것을 특징으로 하는 경로 탐색 방법.
  9. 제1 항 내지 제8 항 중 어느 하나의 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 기록매체 제품.
  10. 맵 정보를 이용하여 목적지까지 가능한 모든 경로를 생성하는 경로 생성부;
    상기 각 경로에 대한 거리를 계산하고, 상기 각 경로에 대해 장애물 노드 통과 여부를 반영한 실행불가능성 지수를 계산하는 경로 평가부; 및
    상기 계산된 실행불가능 지수를 이용하여 각 경로를 그룹으로 분류하고, 상기 분류된 그룹내의 경로를 대상으로 상기 계산된 거리가 짧은 경로를 상위 경로로 선택하는 경로 선택부를 포함하는 경로 탐색 장치.
  11. 제10 항에 있어서,
    상기 경로 선택부는,
    상기 계산된 실행불가능성 지수가 동일 또는 유사한 경로를 동일한 그룹으로 분류하고, 상기 분류된 그룹에 포함된 경로를 대상으로 상기 계산된 거리를 기준으로 거리가 짧은 순으로 정렬한 후 거리가 짧은 상위 경로를 선택하는 것을 특징으로 하는 경로 탐색 장치.
  12. 제10 항에 있어서,
    상기 경로는 복수의 서브 경로를 포함하되,
    상기 경로 평가부는 상기 서브 경로에 대한 유클리드 거리의 합을 계산하여 상기 경로에 대한 거리를 계산하는 것을 특징으로 하는 경로 탐색 장치.
  13. 제10 항에 있어서,
    상기 경로는 복수의 서브 경로를 포함하되,
    상기 경로 평가부는 상기 경로에 포함된 서브 경로들 중 장애물 노드를 통과하는 서브 경로의 수를 이용하여 상기 경로에 대한 실행불가능성 지수를 계산하는 것을 특징으로 하는 경로 탐색 장치.
KR1020130128886A 2013-10-29 2013-10-29 경로 탐색 방법 및 그 장치 KR101620145B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130128886A KR101620145B1 (ko) 2013-10-29 2013-10-29 경로 탐색 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130128886A KR101620145B1 (ko) 2013-10-29 2013-10-29 경로 탐색 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20150050603A true KR20150050603A (ko) 2015-05-11
KR101620145B1 KR101620145B1 (ko) 2016-05-13

Family

ID=53388299

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130128886A KR101620145B1 (ko) 2013-10-29 2013-10-29 경로 탐색 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR101620145B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787088A (zh) * 2016-03-14 2016-07-20 南京理工大学 一种基于分段编码遗传算法的文本信息分类方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102027972B1 (ko) 2018-01-25 2019-10-02 경북대학교 산학협력단 Cnc 공작 기계의 공작시간 최소화 장치, 방법 및 상기 방법을 수행하기 위한 기록 매체

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787088A (zh) * 2016-03-14 2016-07-20 南京理工大学 一种基于分段编码遗传算法的文本信息分类方法
CN105787088B (zh) * 2016-03-14 2018-12-07 南京理工大学 一种基于分段编码遗传算法的文本信息分类方法

Also Published As

Publication number Publication date
KR101620145B1 (ko) 2016-05-13

Similar Documents

Publication Publication Date Title
US11093826B2 (en) Efficient determination of optimized learning settings of neural networks
US9581454B2 (en) Route information processing apparatus and route information processing method
US20170147946A1 (en) Method and apparatus for machine learning
US20070237152A1 (en) Path Searching System Using Multiple Groups Of Cooperating Agents And Method Thereof
CN103364004A (zh) 路径搜索方法和路径搜索装置
Li et al. Exploring a machine learning approach to performance driven analog IC placement
JP5070574B2 (ja) 局所交通量予測プログラム生成装置、局所交通量予測装置、局所交通量予測プログラム生成方法、局所交通量予測方法及びプログラム
KR20180092960A (ko) 고속 탐색 랜덤화 피드백 기반의 모션 계획
Robles et al. Solving the traveling salesman problem with EDAs
CN103309932A (zh) 路径搜索方法和路径搜索设备
KR20210155824A (ko) 적응적 하이퍼파라미터 세트를 이용한 멀티스테이지 학습을 통해 자율 주행 자동차의 머신 러닝 네트워크를 온디바이스 학습시키는 방법 및 이를 이용한 온디바이스 학습 장치
KR101620145B1 (ko) 경로 탐색 방법 및 그 장치
US20020095393A1 (en) Computer program for and method of discrete event computer simulation incorporating biological paradigm for providing optimized decision support
JP2014160456A (ja) 疎変数最適化装置、疎変数最適化方法および疎変数最適化プログラム
JP2017126260A (ja) 機械学習方法および機械学習装置
JPWO2010058785A1 (ja) 経路計算順決定方法、プログラムおよび計算装置
Teodorovic et al. Genetic algorithms approach to the problem of the automated vehicle identification equipment locations
JP7491468B2 (ja) 経路生成装置、経路計画装置、経路生成方法、及び経路計画方法
Martin et al. An adaptive sequential decision making flow for FPGAs using machine learning
US20140009471A1 (en) Apparatus and method for effective graph clustering of probabilistic graphs
Su et al. An auto-adaptive convex map generating path-finding algorithm: Genetic Convex A
Gog et al. Comparative analysis of recombination operators in genetic algorithms for the travelling salesman problem
KR101507355B1 (ko) 벡터 분류 장치 및 방법
JP6889087B2 (ja) 行列分解装置及び行列分解方法
KR101432385B1 (ko) 유전자 알고리즘을 이용한 경로 생성 장치 및 그 동작 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant