Swarm Behaviour Optimisation Methods Based on an Original Algorithm

This article presents an authorial swarm algorithm that performs coverage tasks using the Sweep Coverage method. The presented solution assumes stochastic movement of the objects in the swarm which allows them to be simple ones. Our goal was to find an optimal number of objects in the swarm. The main evaluated factors are time and energy consumption. Changing input data allowed us to designate different cases and to examine the influence of varying parameters of a single boid on a whole swarm behaviour.

W artykule przedstawiono metody znalezienia optymalnej wielkości roju dla danego zadania. Głównymi ocenianymi czynnikami są czas i zużycie energii. Autorskie rozwiązanie algorytmiczne pozwoliło na wyznaczenie różnych przypadków i zbadanie wpływu różnych parametrów pojedynczego boida na zachowanie całego roju. Obliczenie efektywności energetycznej pozwoliło na wyznaczenie dodatkowych informacji o optymalizacji liczby boidów w roju. Wyniki pokazują, że można ocenić najlepsze rozwiązania dla określonych założeń. Można znaleźć, jaka liczba boidów wykonałaby zadanie w jak najkrótszym czasie przy założonej energooszczędności. Można również znaleźć grupę z najlepszym czasem do uzyskania wskaźnika efektywności energetycznej, która wykonałaby zadanie przy najlepszej kombinacji najkrótszego czasu i zużytej energii. Dodatkowe testy ze zmieniającymi się zmiennymi pozwoliły określić ich wpływ na wynik. Wykazano, że prędkość i bezpieczna odległość są ze sobą połączone, ale zmiana prędkości jest bardziej znacząca dla mniejszych rojów, gdy zmiana bezpiecznej odległości ma większy wpływ na liczniejsze grupy. Wynika z tego, że dla małych grup lepsze są szybsze boidy, a dla liczniejszych rojów bardziej przydatne byłyby boidy, które mogą poruszać się bliżej. Zmienianie promienia obszaru skanowanego na każdym kroku wpływa na ogólną wydajność, ale prawie nie ma wpływu na efektywność energetyczną roju.