Como se menciono anteriormente para estos experimentos se utiliz´o el simulador Player- Stage as´ı como la formula descrita en el apartado 4.1.6 junto con los 4 algoritmos bioinspirados, as´ı como los par´ametros mencionados en la tabla 4.2 y con el mapa de la figura 4.4 como ambiente para desarrollar el comportamiento de seguir paredes.
En la tabla 5.1 se observan los resultados obtenidos con el robot pioneer y en la tabla 5.2 los resultados con el robot e-puck mostrando las 5 ejecuciones por cada algoritmo utilizado.
Comparando ambas tablas se puede observar que la diferencia de dimensiones en los espacios de b´usqueda repercuti´o significativamente en la calidad de las aptitudes obtenidas de todos los algoritmos utilizados, esta diferencia se ve reflejada en el simu- lador ya que los robots se comportan de manera diferente.
En ambos casos el AG es el que obtuvo un desempe˜no inferior a lo de los otros algoritmos en todas sus ejecuciones, siendo su mejor corrida la numero 3 para el robot pioneer y la corrida 2 en el robot e-puck, y aunque no supero en resultado final a ning´un algoritmo cabe resaltar que su desviaci´on est´andar esta un poco por debajo que la obtenida por el M.B.F.O.A.
66 CAPITULO 5. RESULTADOS
Tabla 5.1: Resultados obtenidos para los 4 algoritmos con el robot pioneer, donde se describe la calidad obtenida por el mejor individuo y las medias de las de las calidades de cada individuo en la ultima generaci´on.
Pioneer
AG MBFOA ED CDE
Mejor Media Mejor Media Mejor Media Mejor Media Corrida 1 16.7632 9.5423 45.3204 33.8571 33.1421 30.0248 33.2543 25.3920 Corrida 2 15.6732 11.3490 20.8593 12.8459 46.1238 38.5716 45.5213 34.6892 Corrida 3 35.8613 20.4302 44.9283 27.9834 44.5219 39.4591 49.6252 40.0028 Corrida 4 21.5294 14.1693 31.0931 22.4259 32.0286 21.3928 35.1287 27.5941 Corrida 5 33.9327 21.0930 40.4314 31.4461 43.5382 35.5691 40.264 36.4915
Tabla 5.2: Resultados obtenidos para los 4 algoritmos bioinspirados con el robot E- Puck, donde se describe la calidad obtenida por el mejor individuo y las medias de las de las calidades de cada individuo en la ultima generaci´on.
E-puck
AG MBFOA ED CDE
Mejor Media Mejor Media Mejor Media Mejor Media Corrida 1 78.8478 52.9581 57.2389 39.1693 102.5402 91.3474 87.4364 70.4312 Corrida 2 85.3513 68.9036 72.2392 67.3781 100.4892 83.9132 94.3541 82.4550 Corrida 3 75.8243 59.4615 72.5321 64.4593 89.2903 79.7083 88.3334 73.0946 Corrida 4 50.0393 25.4678 105.0242 97.3409 93.249 73.2442 91.6582 69.7793 Corrida 5 52.3552 36.2194 80.6843 60.3448 92.9902 81.7820 101.9237 83.4524
5.1. INTRODUCCI ´ON 67
El M.B.F.O.A. obtuvo soluciones aceptables en ambos caso, resaltando sobre todo en su corrida numero 4 del robot e-puck (ver tabla 5.2) ya que fue el AB que logr´o un mejor resultado sobre los dem´as algoritmos obteniendo una aptitud de 105.0242, sin embargo un punto negativo de esta observaci´on es que es el algoritmo que presenta mayor desviaci´on est´andar de los 4. Para el caso del pioneer tambi´en su desviaci´on est´andar es mayor que la de los dem´as algoritmos, sin embargo su mejor resultado con este robot es competitivo, pero sin ser sobresaliente, en comparaci´on con los dem´as.
Para la E.D. se puede visualizar que es el algoritmo que presenta los resultados m´as consistentes en ambos casos, dejando sus mejores corridas en 46.1238 para el caso del robot pioneer y de 102.5402 para el robot e-puck, en ambas situaciones la E.D. logr´o obtener la segunda mejor calidad de entre todos los algoritmos, esto sumado a su baja desviaci´on est´andar (ver tabla 5.3 )es lo que lo hace el algoritmo m´as estable de los 4 aqu´ı probados.
Por ´ultimo para la C.D.E. se puede observar que su comportamiento es muy similar a de la E.D. ya que su desviaci´on est´andar disminuye mucho en comparaci´on con la desviaci´on que presenta el M.B.F.O.A.
La C.D.E. obtuvo la mejor calidad para el robot pioneer obteniendo un resultado de 49.6252, sin embargo su desviaci´on es ligeramente m´as alta que la de la E.D. Para el caso del e-puck obtuvo un resultado de 101.9237, siendo un resultado muy parecido al obtenido por la E.D., aunque de igual manera su desviaci´on est´andar es un poco mayor que la de la E.D. (ver tabla 5.3).
Tabla 5.3: Estad´ısticas obtenidas para el comportamientos de seguir paredes en ambos robots
Pioneer E-puck
AG MBFOA ED CDE AG MBFOA ED CDE
Mejor 35.8613 45.3204 46.1238 49.6252 85.3513 105.0242 102.5402 101.9237 Promedio 24.7519 36.5265 39.8709 40.7587 68.4835 77.5437 95.7117 92.7411 Desv. Est. 9.5437 10.4660 6.7260 6.8839 16.1720 17.5398 5.5713 5.8237 Evaluaciones 15,000 15,120 15,000 15,000 15,000 15,120 15,000 15,000
68 CAPITULO 5. RESULTADOS
resultados fueron el M.B.F.O.A. y el C.D.E. para el robot pioneer y el robot e-puck respectivamente.
En la tabla 5.3tambi´en se observa la desviaci´on est´andar que indica la diferencia que existe entre los mejores individuos de cada evoluci´on por AB, es decir, la consistencia de los resultados obtenidos, en ´este caso la menor desviaci´on est´andar fue la obtenida por la E.D. en ambos casos, obteniendo 6.726 y 5.571, mientras que la C.D.E. muy cercana obtuvo desviaciones de 6.883 y 5.823, lo cual demuestra que estos algoritmos son m´as consistentes en sus resultados en comparaci´on con el A.G. o el M.B.F.O.A.
Como se explic´o anteriormente para una comparaci´on m´as significativa, se realiz´o la media de las 5 evoluciones por algoritmo, obteniendo as´ı una “evoluci´on promedio” de cada AB y de cada robot. Estos resultados se pueden observar en las gr´aficas 5.1 y 5.2, que muestran la convergencia promedio de cada algoritmo en el robot pioneer y el robot e-puck respectivamente.
Se puede observar que el mejor rendimiento para el caso del Pioneer fue la C.D.E. seguido muy de cerca por la E.D. despu´es M.B.F.O.A. y por ´ultimo el A.G.
C.D.E. encontr´o la soluci´on en una generaci´on m´as temprana necesitando muchas menos generaciones que los otros algoritmos. Se puede observar que en ambos casos al A.G. le costo mucho trabajo encontrar buenos valores mientras que los dem´as algoritmos trabajaron de una mejor manera, convergiendo m´as r´apido que el A.G.
Tambi´en se nota que el M.B.F.O.A. obtiene mejores resultados que la E.D. durante las primeras generaciones, pero en generaciones posteriores la E.D. logr´o superar al M.B.F.O.A. en el caso del Pioneer, mientras que la mejor calidad en promedio tambi´en la obtuvo la C.D.E. superando por muy poco a la E.D. y el A.G. se queda muy por debajo de los otros 3 algoritmos.
Para el caso del e-puck aunque el M.B.F.O.A. obtuvo la mejor calidad de todas, si se grafica el promedio de las corridas se observa que la E.D. supera por poco a los dem´as algoritmos, seguido muy de cerca por la C.D.E., despues el M.B.F.O.A. y por ´ultimo el A.G. que es el que obtuvo tambi´en la peor calidad en promedio. Sin embargo debido a su naturaleza la C.D.E. logr´o converger un poco m´as r´apido que los otros algoritmos, logrando mejores aptitudes durante las primeras generaciones pero siendo superado por la E.D. en su generaci´on 85.
5.1. INTRODUCCI ´ON 69
En conclusi´on los 3 algoritmos (M.B.F.O.A., E.D., C.D.E.) convergen de una manera r´apida en comparaci´on con el A.G. notandose una competencia por converger m´as r´apido durante las primeras generaciones, pero al avanzar en generaciones se puede apreciar mejor el comportamiento de cada algoritmo.
Figura 5.1: Gr´afica de convergencia del robot pioneer en la que se muestra la media de las 5 ejecuciones de cada AB utilizados para evolucionar el comportamiento de seguir paredes
70 CAPITULO 5. RESULTADOS
Figura 5.2: Gr´afica de convergencia del robot e-puck en la que se muestra la media de las 5 ejecuciones de cada AB utilizados para evolucionar el comportamiento de seguir paredes
En la tabla 5.4 se muestran los resultados de aplicar la prueba de Wilcoxon para los algoritmos con el robot pioneer, se puede apreciar que no en todos los casos existi´o una diferencia significativa, obteniendo un p-vaule mayor al 0.05, esto quiere decir que el ´
unico que presenta diferencia significativa, con una probabilidad del 95 % con respecto a los dem´as es el AG, lo cual se puede corroborar en el comportamiento del robot, siendo el AG el ´unico con problemas para seguir paredes.
Tabla 5.4: Prueba de Wilcoxon para el robot pioneer Pioneer
Algoritmo AG MBFOA ED CDE AG – 0.0479 0.0479 0.0456 MBFOA 0.0479 – 0.6905 0.5476 ED 0.0479 0.6905 – 0.6905 CDE 0.0456 0.5476 0.6905 –
5.1. INTRODUCCI ´ON 71
aprecia que el MBFOA no presenta diferencias significativas con ning´un algoritmo, su gran desviaci´on est´andar hace que, aunque haya obtenido la mejor aptitud, su compor- tamiento estad´ısticamente sea similar al de todos los dem´as, pero su comportamiento en el simulador si se nota diferente sobre todo al compararlo con el AG, por otro lado la ED y la CDE que son algoritmos m´as estables si presentan diferencias significativas comparados con el AG, y esto tambi´en se puede notar en su comportamiento en el simulador.
Tabla 5.5: Prueba de Wilcoxon par el robot e-puck E-puck
Algoritmo AG MBFOA ED CDE AG – 0.6905 0.0079 0.0079 MBFOA 0.6905 – 0.1508 0.1508 ED 0.0079 0.1508 – 0.6905 CDE 0.0079 0.1508 0.6905 –
72 CAPITULO 5. RESULTADOS