Intern ati o n a l Jo urn a o f  R o botics   a nd Au tom a tion   (I JR A)   Vol.  3, No. 4, Decem ber  2014, pp. 272~ 276  I S SN : 208 9-4 8 5 6           2 72     Jo urn a l  h o me pa ge : h ttp ://iaesjo u r na l.com/ o n lin e/ind e x.ph p / IJRA  Fuzzy Controlled Routing in  a Swarm Robotic Network       N avy a Ma noj  Departem ent  of  Mechani cal  Eng i neering ,  Nationa l Institu te of  Technolog y ,  Surath kal, Indi     Article Info    A B STRAC T Article histo r y:  Received  J u n 24, 2013  Rev i sed  Ju l 20 20 14  Accepted Aug 10, 2014      Swarm  Robotics origina t ed  in th e rese arch  inspir ed b y  bio l og y. I t  is the  usual   sense of th e multi-robot s y stems wh ich have been  given  th e emergin g   attribu t es of swarm  intel ligen ce . In na ture , ants , term it es, wasp s, bees an d   othe r soc i al insec t s ha ve  inspired su rprisingly  inspiration of human. These  groups of organisms sho w  how to inte r a ct with  a larg e number  of simple  individua ls and  genera te th e co l l ec tive  inte llig en ce of s y s t em s to cope with   complicated tasks. Swarm Rob o tics is  a special robot s y stem which is   composed of a g r oup of indiscriminate r obots an d so it is a ty p i cal distributed   s y stem. If  a  task  is for only  on e r obot  and  the rob o t will be v e r y   complex and   expensive in effi cien tl y. But if it  is  for the swarm  robotics, the com p lex task   can be done b y  man y  more  simple robots efficiently .  For the Routing   problem, th e qu ality   of  a potential rou t e  is de ter m ined b y  th e l e ngth of th e   route (i.e. number of links) and the congest ion along the route. It  is desired to   balan ce th e traff i c load  am ong links in the netwo r k so  it is desirable to select  routes  with  a lo w obs tacl e ra te In addi tion, shorter routes ar e pr eferred  over   longer rou t es b e cause  they   use f e wer network  res ources.   Keyword:  Co ng estion  FC-Based Al gorithm   Fuzzy C ontrol   R out e Le n g t h   Swarm  Ro bo tics   Copyright ©  201 4 Institut e  o f   Ad vanced  Engin eer ing and S c i e nce.  All rights re se rve d Co rresp ond i ng  Autho r Navy a M a n o Dep a rtem en t o f  Mech an ical En g i n eeri n g,  Natio n a l In stitu te  o f  Techno log y , Surathk a l,  India  Em a il: lsn tl@c c u . ed u.tw      1.   INTRODUCTION  I n  an  in doo r   sys t e m  w h e r e  a s w ar m o f  ro bo ts  a r e  assigne d   diffe re nt tasks a n d are t o  c o mm unicate  with each  othe r and divi de the task am ong them se lves.  T h e m a in idea in our a p proac h  is to use a routing  alg o rith m  to  se t u p  a rou t e b e t w een  t h e ev en t  an d  the ro bo t th at wan t s to  serv e it ov er th n e two r k  m a in t a in ed  b e tween  th rob o t u s ing  their co mm u n i cati o n   syste m  u s ing  wh ich   ro bo ts can  calcu late  relativ e po sition  of  each ot her.  W e  assum e  that e ach eve n t is re prese n ted  by  a  robot that  remains static  at the event location and  d o e s all th e commu n i catio n  fo r t h e even t.  Th is is a realis tic assu m p tio n ,   as th e n e ed  t o   p e rform  a task  will b e   id en tified  b y  on e o f   th e r obo ts of  th e Sw ar m a n o i d .   Fo r t h e Rou ting  prob lem ,  th e q u a lity o f  a  p o t en tial rou t e is d e term in ed  b y   th e len g t h  of the rou t e (i.e.  num ber o f  l i n k s ) an d t h e co n g est i o n al on g t h e ro ut e. It  i s  desi re d t o  bal a nce t h e t r af fi c l o ad am ong l i nks i n   th e n e twork   so it is d e sirab l to  select rou t es with  a lo o b stacle rate. In ad d ition ,   sho r ter rou t es are  preferred  ove r l o n g er  r o ut es bec a use  t h ey  use f e we n e t w o r res o u r c e s. I n   ot he wo rds ,  t h p r efe r r e d r o ut e i s  o n wi t h  a   "s m a ll" ro u t e l e n g t h  an d "ligh t " cong estion .  Thu s , th e t w o fuzzy inp u t   variab les  for the fuzzy con t ro ller are  R out e _ Len g t h  and C o n g est i o n. The s e vari a b l e m a y  be represe n t e d as c ont i n u o u s  or di scret e  fuzzy  va ri abl e s   since each input val u e is an intege r. T h output  variab le  of the  fuzzy c o ntroller is a rat i ng  for the  pat h . T h e   fuzzy out put  varia b le Rating is expres se d as a con tinu o u s   fu zzy  v a riab le. Bo t h  fu zzy in pu t v a riab les,  R out e _ Len g t h  and C o n g est i o n,  have t h ree f u zzy  val u es  re sul t i ng i n   ni ne  di ffe rent   pot e n t i a l  com b i n at ions   o f   in pu t v a l u es.          Evaluation Warning : The document was created with Spire.PDF for Python.
                        I S SN 2 089 -48 56  IJRA Vol. 3, No. 4,  D ecem ber 2014:   272 – 276  2 73  2.   PATH NAVIGATION       I n  an  in doo r   sys t e m  w h e r e  a s w ar m o f  ro bo ts   are  assigne d   diffe re nt tasks a n d are t o  c o mm unicate  with each  othe r and divi de the task am ong them se lves.  T h e m a in idea in our a p proac h  is to use a routing  alg o rith m  to  se t u p  a rou t e b e t w een  t h e ev en t  an d  the ro bo t th at wan t s to  serv e it ov er th n e two r k  m a in t a in ed  b e tween  th rob o t u s ing  their co mm u n i cati o n   syste m  u s ing  wh ich   ro bo ts can  calcu late  relativ e po sition  of  each ot her.  W e  assum e  that e ach eve n t is re prese n ted  by  a  robot that  remains static  at the event location and  d o e s all th e commu n i catio n  fo r t h e even t.  Th is is a realis tic assu m p tio n ,   as th e n e ed  t o   p e rform  a task  will b e   id en tified  b y  on e o f   th e r obo ts of  th e Sw ar m a n o i d .       Fo r t h e Rou ting  prob lem ,  th e q u a lity o f  a  p o t en tial rou t e is d e term in ed  b y   th e len g t h  of the rou t e (i.e.  num ber o f  l i n k s ) an d t h e co n g est i o n al on g t h e ro ut e. It  i s  desi re d t o  bal a nce t h e t r af fi c l o ad am ong l i nks i n   th e n e twork   so it is d e sirab l to  select rou t es with  a lo o b stacle rate. In ad d ition ,   sho r ter rou t es are  preferred  ove r l o n g er  r o ut es bec a use  t h ey  use f e we n e t w o r res o u r c e s. I n   ot he wo rds ,  t h p r efe r r e d r o ut e i s  o n wi t h  a   "s m a ll" ro u t e l e n g t h  an d "ligh t " cong estion .  Thu s , th e t w o fuzzy inp u t   variab les  for the fuzzy con t ro ller are  R out e _ Len g t h  and C o n g est i o n. The s e vari a b l e m a y  be represe n t e d as c ont i n u o u s  or di scret e  fuzzy  va ri abl e s   since each input val u e is an intege r. T h output  variab le  of the  fuzzy c o ntroller is a rat i ng  for the  pat h . T h e   fuzzy out put  varia b le Rating is expres se d as a con tinu o u s   fu zzy  v a riab le. Bo t h  fu zzy in pu t v a riab les,  R out e _ Len g t h  and C o n g est i o n,  have t h ree f u zzy  val u es  re sul t i ng i n   ni ne  di ffe rent   pot e n t i a l  com b i n at ions   o f   i n p u t  val u es.  T h ere f o r e,  t h i s   f u zzy  co nt r o l l e r  co nt ai ns  ni ne  f u zzy  i f-t hen  r u l e s sh ow n i n  T a bl e 1 .   Thec onse q uent  of each rule is chose n  to re flect  the desired route and  wavele ngt h prefere n ces.  di ag ram  of t h e   pr o pose d   f u zzy  co nt r o l l e r i s  s h o w n i n  Fi g u r e  1.       Ta bl e1. Fuz z yIf - t h en R u l e I f  R o ut e L e ngt h i s   s m al an d Co ng e s t i o n  i s  l e ss t h e Rati ng i s  e x c e l l e n t   I f  R o ut e L e ng t h i s   s m al an d Co nge st i o ni m e di u m   t h e Rati ngi s g o o d I f   R o ut e L e ngt hi s sm al a nd Con g e s t i o n   i s  he av y   t h R a t i ng i s  po o r I f  R o ut e L e ng t h is  m e di u m   an d Co n g e s t i o n  i s  le s s  t h e Ra t i ng i s  g o o d I f  R o ut e L e ng t h i s   m e di u m   an d Co nge st i o n i s   m e di u m  the R a t i ng i s  av er ag e   I f  R o ut e L e ng t h i s   m e di u m   an d Co n g e s t i o n  i s  he avy  t h R a ti ngi s po o r I f  R o ut e L e ngt h i s   l a r g e an d Co nge st io n i s  l e s s  t h e R a ti ng i s  av e r ag e I f  R o ut e L e ng t h i s   l a r g e an d Co nge s t io n i s   m e di u m   t h R a t i ng i s  po o r I f   R o ut e L e ngt hi lar g a nd Con g e s t i o n   i s  he av y   t h e R a ti ng i s  p o o r         Fi gu re 1. Fu zz y   C o nt rol l e r       3.   FUZ Z Y   CONTROLLED ROUTING AL GORITHM  Fu zzy-con tro l l e d  ad ap tiv e R o u ting  al g o rithm   is b a sedon a set of fu zzyif-th e n  ru les that g u i d e s the   selection of  a physical  route eacheve n requestbased on t h e curre nt state  of  the  network. In a  net w ork  with  no des ,  L l i n ks,  and  O  o b st acl es perl i n k ,  eac h s o u r ce  no des   m a i n t a i n  si t s  ow ro ut i n g t a bl e R T S (s = 1 2.. . N )   t h at  cont ai ns a  l i s t  of al l  pat h s  fr om  t h e sourc e  no des t o  al l  d e st i n at i on  no de sd s .  F o r la rge r  net w o r k s , the  size  of the  routing table can be  reduce d by limiting the num ber of alternat e routes for each destinati o n. For  sim u l a t i on p u r pos e, l i m i t e d the r out i n g i s  l i m i t e d t o  5 ro ut esper  (s,  d) . Ta bl e 2 s h o w s a n  exam pl e of a r out i n t a bl e f o r t h e si m p l e  net w or sho w n i n  fi g u r e   2.  The  net w o r k maint a ins a L × O  l i n k - Obs t acl e status matri x  S  wh e r e     Evaluation Warning : The document was created with Spire.PDF for Python.
I J RA I S SN 208 9-4 8 5 6     Fu zzy Con t ro ll ed  Rou tin g in   a S w a r m Ro bo tic Netwo r k (Navya  Man o j 27 4        1 ,  if R o ut ewi s  in   useo n link l ,   Sl0 =     0,  ot h e r w i s e           Tabl 2. R out i n g  Ta bl De stina t io n Route 2   (1 , 2 ) ( 1 ,6 ,5 ,2 )   ( 1 ,6 ,5 ,4 ,3 , 2 ) 3   ( 1 ,2 ,3 ) ( 1 ,6 ,5 ,2 , 3 )   ( 1 ,6 ,5 , 4 , 3 )   ( 1 , 2 ,5 ,4 , 3 )   4   ( 1 ,2 ,3 ,4 ) ( 1 ,6 ,5 ,4 )   ( 1 ,2 ,5 ,4 )   ( 1 ,6 ,5 ,2 ,3 , 4 )   5   ( 1 ,6 ,5 ) ( 1 ,2 ,5 )   ( 1 ,2 ,3 ,4 , 5 )   6   (1 , 6 ) ( 1 ,2 ,3 ,4 ,5 , 6 )       Fi gu re 2.  N e t w or k       Th is ma trix  is used  by th e fuzzy c o ntr o ller t o  det e r m ine th e n u mber o f  a v ail a ble wa v e l e n g th o n  a  ro ute .   Th er e is tw o ty pes o f   r e quest s used in  t h e alg o r ith m. C o n n ect i o n r e que sts ar riv e a t   indiv i dual n o d e s an d   co nta i n the s o u r ce n o des ,  destinatio n n o de d,  and h o ldin g tim e h fo r the c o n n ecti o n .  Te r m inati o n reque sts are  set up by each   no d e  o n ce a  p a th  h a s bee n  e s tab lish e d.     Algorithm :   F C - based Routing algorithm       Initialize: RTs=[empty table] for s=1,…, N.   S=L*O zero matrix.   T=[empty table].   While (termination criterion not fulfilled)   Wait for a request to arrive (connection or termination).   If request is a connection request (s, d, h)   Let Rsd be the set of routes in routing table RTs to destination d.   For each route ri Rsd, i=1,….,| Rsd|   Let Li be the set of links that compose route ri.   Let Routelength*=| Li|.   Let Congestion*=| Oi |.   Invoke fuzzy controller   For each fuzzy rule   Fuzzify Route Length* and Congestion* from the membership function  after fuzzification  Evaluation Warning : The document was created with Spire.PDF for Python.
                        I S SN 2 089 -48 56  IJRA Vol. 3, No. 4,  D ecem ber 2014:   272 – 276  2 75  End   For each fuzzy rule   Calculate fuzzy output from Mamdani’s rule   End   Aggregate the fuzzy outputs   Defuzzify to yield a crisp rating     Let Rating; be the output of the fuzzy controller for   routeri  Exit fuzzy controller.   End   Let i* be the index of the route with the highest rating.   If Oi * is full   request is blocked.   Else   Set Li *=L   Route request on route ri*.   Update T by adding termination request (L*,t + h)   End   Else    If request is a termination request (L*,O*)   End   End   End      4.   R E SU LTS AN D ANA LY SIS  The  Per f o r m a nces i s  eval ua t e d f o r t h e  F C -base d   r out i n g  al g o ri t h m  on  t h e  net w o r k s h ow n i n     Fi gu re 2 .  A t r affi c m odel  i n  whi c h co n n ec t i on re q u est s  arri ve at  eac h n ode acc o r di ng  t o  a Poi s s o n p r oce s s   wi t h   net w or k- wi de a rri val  ra t e   λ  is used fo r sim u lat i o n s An arriv i ng   sessio n  is eq u a ll y lik ely to  b e   d e stin ed  t o  any   no de i n   t h e net w o r k .  T h e sessi on  h o l d i ng t i m e i s  expone nt i a l l y  di st ri but ed  wi t h  m ean 1/ μ . T h e l o a d  pe r   so urce d e stinatio n  nod e p a ir  is  λ / N  (N- 1 ) µ  A no de m a y   enga ge i n  m u lt i p l e  sessi ons  and  paral l e l  sessi ons   may be conducted betwee a source-destination  node.  In each case FC-Based algo rith m  is found to be  sup e ri o r  com p ared t o  Fi xed - SP an d Al t e r n a t e R out i ng m e tho d s. Ta bl e 3 s h o w s t h e av era g e bl oc ki n g  rat e  ove all network l o a d s for each al gorithm .  It is observe d th at a v e r age Blocki ng  Rate decrease d  by usi ng  FC-Based  al go ri t h m .  The  Tabl 3 s h ow   t h e A v e r age  bl ocki ng  rat e   of   al l  3 r o ut i n g  m e t h o d s.       Tabl e 3. A v era g B l oc ki n g   R a t e   R o ut i ng  Meth o d   Rou t e A s s ig n m en t P olicy   Ave r ag e Bl oc ki ngR at e    L e as t- Use d M o st - U s e d E xha us t i v R a n dom   FC  0. 0039   0. 0031   0. 0038   0. 0023   Fi xe d 0. 2827   0. 2763   0. 2850   0. 2740   Al t e r n a t e 0. 2600   0. 2542   0. 2605   0. 2596       5.   CO NCL USI O N   Insp i r ed   by swar m  int e lligen ce, we ha v e  i n tro d uced  an  altern a tive app r o a ch  t o  s o l v in g  t h e mult ica s t   ro u ting   pro b lem   in  m o bilead   hoc  net w o r k s M u lticas ting  wi th  mult iple c o res b y  ad o p tin g  swar m  inte lli gen ceis  an  o ndemand multicas t ro uting  pr o t o c o l  tha t  c r eat es a  multicas mesh s h ar ed  b y   a l l   th e  me m b ers  with in  each  gro u p  with   o t h e r members. Ant agen ts are us ed  t o  se l ect  multiple co r e s and  th e seco r e s use ant ag en ts t o   e s t a b l i s h  c o n n e c t i v i t y  w i t h  group m e m b e r s .  M u lticas with  multipl e  c o res  will su p p o r t th e lar g e scal D i strib u te d  Vi rtu a l e n v i ro n m en t ( DVE) ap p licatio ns used   with i n  mo bil e   ad  h o c netw o r k s . M u lticas ting  wi th   m u l t i p l e  c o r e s  b y  u s i n g  s w a r m  in tellig ence  c a n   b e  ap pl i e d w i t h   ot h e r   ob j e c t i v e s  s u c h  a s  l o a d  b a l a n c i n g ,   energy c o nser vati o n , a nd s ecurit y  as futu re  wo r k     ACKNOWLE DGE M ENTS  I wo u l d  lik e to  th ank  all th e staff and  Departm e n t   of Mechanical Engi neerin g f o r thei r su pp o r t. I  wou l d also like to  t h ank   Tech yog i an d Sh ru th i so lu tion s   an d Gad e  Au ton o m o u s  system s Ltd  for th ei r su ppo rt   i n  t h i s   pr o j ect wo ul d  al so l i ke t o  ac kn owl e dge  m y  presen t  wo r k i n g c o m p any   Ha ppi est   M i nds  Pvt .  Li m i t e fo r all the l o ve  and  s u p p o rt.   Evaluation Warning : The document was created with Spire.PDF for Python.
I J RA I S SN 208 9-4 8 5 6     Fu zzy Con t ro ll ed  Rou tin g in   a S w a r m Ro bo tic Netwo r k (Navya  Man o j 27 6 REFERE NC ES   [1]   A. Winfield  and  J. Nembrini, (2 006), Safet y  in   numbers: fault-toleran ce  in robo ts warms,  International Journal of  Modeling ,  Id entification and  Con t rol , vo l. 1 pp . 3 0 -37.  [2]   Abraham  A, Grosan C, and R a m o s V, editor s  (2006).  Swarm  Intellig ence  in Data Mining  Springer, Ber l i n Heidelberg.  [3]   Beni G, and W a ng J, (1989), Swarm  intell igen ce in  cel lu l a r ro botic s y s t em s. Proceed ings ofthe  NATO Advance d   Workshop on Robots and B i olo g ical S y s t ems, Tuscan y ,   Italy .  Springer   [4]   Ben-Jacob  E, Co hen I, and  Levin e  H,  (2000). Co operative s e lf-or g anization  of  microorganisms. A dvance inph y s ics,  49(4): 395–554.  [5]   Bonabeau  E ,  D o rigo M,  and  T h eraul a z  G, (19 99). Swarm  Inte lligen ce : from  n a tura l to  ar tifi c i a l s y s t em s. Oxf o rd  Univers i t y  P r es s .   [6]   Caro G.D, and  Dorigo M, (1998) An tnet: Distributed stigmergetic co n t rol for co mmunications networks.  Journal o f   Arti cia l  In tel lig ence  R e s e ar ch , 9 :  317–365.  [7]   Christensen A,  O’Grad y  R ,  and  DorigoM. (200 7). Morpholog y control  in  a m u lti robo t s y s t em IEEE  Robot i c Automation  Mag a zine , 11(6) : 732 –742.  [8]   Cui Bin, Meng  Wen, (2010). R e search o f  Groups of  Robots Network Based o n  ZigBee Techn o log y Computer   Technology  and  Developmen t , Vol. 20 , No . 6 ,  p  1 77-183.  [9]   D.  Fritsch,  K. Wegener, and R.  Schraf t., (20 07), Control o f   a robotics warm for the  elimination of marin e   oil  pollutions,"  in   I EEE  Swarm Inte lligen ce  Symposi u m , pp. 29-36.  [10]   Detrain C.  and Deneubourg J.L. (2006).  Self-o rganized structu r es in a s uper organism: do ants “behave” like  m o lecules ?   Ph ysics of  Life  R evi e w s , 3(3): 162–18 7.  [11]   Dorigo M.  and S a hin  E. (2004).  Guest editorial.  Special  issue: Swarm robotics.  Autonomous Ro bots, 17:111–11 3.  [12]   Dorigo M.   a nd S t utz l e   T. (2004).  Ant Colony  Optimiz a tion.  MIT Pre ss,  Ca mbridge, MA.   [13]   E. Ahin  and  W. Spears ,  (2005 ), Swarm Robotics Workshop:  State of  the art Survey ser.  Lecture Notes in       Computer Scien ce. Ber lin H e idel berg: Spring er V e rlag , vo l. 3342.  [14]   M. Dorigo, V. Trianni, E. Sahi n ,  R. Gro B, T. H. Labella, G. Bald assarre , S. Nol, J. L. Deneubourg ,  F. Mondada, D .   Floreano, an d L. M. Gambardella, (2004), Evo l vi ng self-organizin g behaviors for as warm-bot.  Autonomous Robots 17(2-3): 223-24 5.  [15]   Qin, H., Liu, Z., Zhang, S., Wen, A., “Routing  and Wavelength Assignment Ba sed on Genetic  Algorithm”,  IEEE  Communication Letters , Vol. 6  ( 2002), 455-457     BI O G R A P HY  OF   A U T HO       Nav y a Manoj b o rn on May  10  1989 in Shinoga, Ka rnatak a,  India. Studied  M.tech (R) in  M echatron i cs  at NITK  and   pres e n tl workin g  in   Happiest Minds  Pvt. Ltd in  Bang alore.              Evaluation Warning : The document was created with Spire.PDF for Python.