Code source du projet de TIPE de Thomas MICHEL : Stratégie et simulation d'évitement de collision en mer.

Ce projet comprend la simulation d'un environnement de navigation, ainsi que différentes stratégies d'évitement de collision.

###Le projet est actuellement arrêté suite à l’annulation de l’épreuve de TIPE en raison de crise sanitaire. Le code n’est en l’état pas fonctionnel (nécessite des modifications du code source pour passer d’un algorithme à l’autre ou bien changer la configuration des bateaux) mais sera mis en ordre dès que possible.

Voici quelques indications sur les différents fichiers :

• Caselauncher.py permet de visualiser certaines configurations préenregistrées
• Boats.py implémente l’ensemble des bateaux possibles (chaque bateau correspond à une stratégie)
• Simdisplay.py gère l’affichage
• RLStrategie.py implémente un apprentissage par renforcement par Double Deep Q-Learning appliqué au problème considéré
• Boatbuilder.py crée des instances de bateau à partir de fichiers de configuration
• Les autres fichiers sont essentiellement des fonctions utilitaires ou des fichiers relatifs à la gestion de projet de TIPE

Les algorithmes actuellement implémentés sont :

• Algorithme simple de contournement (Détecte des collisions entre les trajectoires prévues par les différents agents et tente de réagir par une modification de la trajectoire sans concertation avec les autres agents (contournement par la droite))
• Algorithme du "champ de vecteurs"
• Recherche locale de minimum (optimisation locale des trajectoires par communication entre les bateaux)
• Apprentissage par renforcement (Double Deep Q-Learning)

Les stratégies sont inspirées des articles suivants

• R. SKJONG, K. M. MJELDE : Optimal evasive manoeuvre for a ship in an environment of a fixed installations and other ships : 1982, Modeling, Identification and Control , vol.3, no. 4, 211-222
• D.-G. KIM, K. HIRAYAMA, T. OKIMOTO : Ship Collision Avoidance by Distributed Tabu Search : 2015, TransNav: International Journal on Marine Navigation and Safety of Sea, doi:10.12716/1001.09.01.03
• Y. F. CHEN, M. LIU, M. EVERETT, J. P. HOW : Decentralized Non-communicating Multiagent Collision Avoidance with Deep Reinforcement Learning : 2016, arXiv:1609.07845v2 [cs.MA]
• Y. Z. XUE, D. CLELLAND, B.S. LEE, D.F. HAN : Automatic simulation of ship navigation : 2011, Ocean Engineering
• S.-M. LEE, K.-Y KWON, J. JOH : A fuzzy logic for autonomous navigation of marine vehicle satisfying COLREG guidelines : 2004, International Journal of Control Automation and Systems