Controlador robótico obtenido a través una metaheurística de población variable

Abstract

La Robótica Evolutiva tiene por objetivo central la obtención de controladores basados en Redes Neuronales adaptadas por evolución. Dado que estos controladores deben ser capaces de adaptarse a cambios en el entorno, resulta más adecuado utilizar metaheurísticas poblacionales en lugar de técnicas basadas en gradiente. Sin embargo, la mayoría de las soluciones existentes utilizan metaheurísticas de población fija y presentan dos grandes problemas: son proclives a la pérdida de diversidad y resultan computacionalmente costosas especialmente si el espacio de búsqueda es muy amplio y se intenta hacer una exploración completa. Esta tesina propone una metaheurística de población variable que utiliza especiación para obtener un controlador robótico basado en una red neuronal de arquitectura mínima, con capacidad para resolver el problema de evasión de obstáculos y alcance de objetivos. Para reducir el tiempo de cálculo se analizaron distintos aspectos relacionados con el algoritmo evolutivo como así también la paralelización de la solución utilizando herramientas actuales de procesamiento paralelo.