Dynamics and Optimization of Physical Processes in Information Systems Using Autonomous Mobile Robots and Multi-Agent Systems

Abstract

Оптимізація фізичних процесів в інформаційних системах має вирішальне значення для підвищення ефективності автономних мобільних роботів (AMR) та багатоагентних систем у динамічних середовищах. Це дослідження представляє вдосконалений підхід до планування та координації шляхів, який інтегрує AMR з багатоагентними стратегіями для покращення навігації та виконання завдань у реальному часі. Алгоритм A* (A-Star) використовується та вдосконалений адаптивними евристичними модифікаціями для оптимізації часу подорожі, енергоефективності та операційної пропускної здатності. Вводиться динамічна функція вартості для коригування вибору шляху на основі обмежень навколишнього середовища, розподілу перешкод та динаміки системи в реальному часі. Крім того, розроблено структуру багатоагентної координації для забезпечення безперебійної взаємодії між кількома роботами, забезпечуючи ефективний розподіл завдань та рух без зіткнень. Результати моделювання у структурованих та неструктурованих середовищах демонструють, що запропонована методологія значно скорочує час подорожі, підвищує продуктивність усієї системи та оптимізує виконання фізичних процесів у промислових та сервісних робототехнічних застосуваннях. Завдяки інтеграції інтелектуальних евристичних налаштувань та адаптивної багатоагентної координації, цей підхід забезпечує надійне рішення для автономної навігації та оптимізації процесів у реальному часі в складних середовищах з обмеженими можливостями

Optimizing physical processes in information systems is crucial for enhancing the efficiency of autonomous mobile robots (AMRs) and multi-agent systems in dynamic environments. This study presents an advanced path planning and coordination approach that integrates AMRs with multi-agent strategies to improve real-time navigation and task execution. The A* (A-Star) algorithm is employed and enhanced with adaptive heuristic modifications to optimize travel time, energy efficiency, and operational throughput. A dynamic cost function is introduced to adjust path selection based on environmental constraints, obstacle distributions, and real-time system dynamics. Additionally, a multi-agent coordination framework is developed to facilitate seamless interaction among multiple robots, ensuring efficient task allocation and collisionfree movement. Simulation results in structured and unstructured environments demonstrate that the proposed methodology significantly reduces travel time, enhances system-wide productivity, and optimizes physical process execution in industrial and service robotics applications. By integrating intelligent heuristic adjustments and adaptive multi-agent coordination, this approach provides a robust solution for real-time autonomous navigation and process optimization in complex, constrained environments.