A Bio-Inspired Swarm Clustering Controller for a Multi-Robots System

Abstract

Nature has always been a splendid inspirational source over the ages, with much still to reveal, gain knowledge from and explore about. Over the last 10 years swarm Intelligence, an artificial intelligence discipline, is involved with the design of intelligent multi-agent systems by catching inspiration from the collective behaviors of social insects and other animal societies. They are distinguished by a decentralized way of working that mimics the behavior of the swarm. Swarm Intelligence is a successful model for the algorithm with complex problems. A range of successful applications have been found to serve the growing need for swarm robotics systems in our daily lives. Since its inception in 2000, some successful testing efforts have been attempted, and so far, numerous research projects have been undertaken and applied in a variety of problem domains including function optimization problems, structural optimization , scheduling, finding optimal routes , and image and data analysis etc. Besides, swarms’ techniques have also been used in a wide-range of fields, including machine learning, dynamic systems and performance research, bioinformatics and medical informatics, as well have been used even financially and commercially. In this thesis, we did an investigation of a cue-based aggregation algorithm called BEECLUST, we detailed the BEECLUST state-of-the-art and we explained the idea of that strategy than made a comparative analysis with its existent variants. Also, we simplified the concept of some of the mathematical equations applied in the core of the algorithm and we mentioned some of the difficulties and the limits.***

La nature a toujours été une source d'inspiration splendide à travers les âges, avec beaucoup de choses à révéler, à acquérir des connaissances et à explorer. Au cours des 10 dernières années, Swarm Intelligence, une discipline d'intelligence artificielle, s'est impliquée dans la conception de systèmes multi-agents intelligents en s'inspirant des comportements collectifs des insectes sociaux et d'autres sociétés animales. Ils se distinguent par une façon de travailler décentralisée qui imite le comportement de l'essaim. Swarm Intelligence est un modèle réussi pour l'algorithme avec des problèmes complexes. Une gamme d'applications réussies a été trouvée pour répondre au besoin croissant de systèmes de robotique en essaim dans notre vie quotidienne. Depuis sa création en 2000, des efforts de test réussis ont été tentés, et jusqu'à présent, de nombreux projets de recherche ont été entrepris et appliqués dans une variété de domaines problématiques, y compris les problèmes d'optimisation des fonctions, l'optimisation structurelle, la planification, la recherche d'itinéraires optimaux et l'analyse d'images et de données etc. En outre, les techniques d'essaims ont également été utilisées dans un large éventail de domaines, y compris l'apprentissage automatique, les systèmes dynamiques et la recherche sur les performances, la bio-informatique et l'informatique médicale, ainsi que même financièrement et commercialement. Dans cette thèse, nous avons étudié un algorithme d'agrégation appelé BEECLUST, nous avons détaillé l'état de l'art de BEECLUST et nous avons expliqué l'idée de cette stratégie puis fait une analyse comparative avec ses variantes existantes. De plus, nous avons simplifié le concept de certaines des équations mathématiques appliquées au coeur de l'algorithme et nous avons mentionné certaines des difficultés et des limites.