مدل‌سازی مسیریابی بهینه‌ی ریز پرنده‌های خودمختار با استفاده از سیستم‌های استنتاج فازی و الگوریتم‌های تکاملی

یک سیستم هدایت خودکار در پرنده‌های بدون سرنشین را می‌توان به دو بخش: سیستم طراحی مسیر و سیستم تعقیب مسیر تقسیم نمود. در این سیستم‌ها باتوجه‌به محدودیت‌های زمانی و عدم قطعیت موجود در شرایط حاکم بر صحنه‌ی نبرد، استفاده از خبرگی فرماندهان نظامی و شبیه‌سازی رفتار آنها در انجام فرآیندهای طراحی و تعقیب مسیر از اهمیت بسیار بالایی برخوردار است؛ لذا باتوجه‌به ویژگی سیستم‌های استنتاج فازی با به‌کارگیری آنها می‌توان خبرگی فرماندهان را در هدایت پرنده‌های بدون سرنشین اعمال نمود. در این مقاله به‌منظور مدل‌سازی فرآیند مسیریابی آفندی، ریز پرنده‌ها از یک سیستم استنتاج فازی ممدانی با پنج ورودی و یک خروجی برای تعیین وزن یال‌ها استفاده شده است. در هر مرحله از فرآیند تصمیم‌گیریِ انتخاب مسیر بهینه، نیاز به انجام محاسبات ریاضی پیچیده می‌تواند الگوریتم‌های مسیریابی ریز پرنده‌ها را در شرایط دنیای واقعی بلااستفاده نماید. ازاین‌رو به‌منظور کاهش وابستگی سیستم مسیریابی و تعقیب هدف به محاسبات ریاضی و استفاده از مزایای الگوریتم‌های همه زمانه برای تولید پاسخ بهینه، الگوریتم ژنتیک و الگوریتم ژنتیک با مرتب‌سازی غیر مغلوب-2 به‌عنوان روش حل مدل استفاده شده است. نتایج شبیه‌سازی نشان می‌دهد که ترکیب الگوریتم ژنتیک و سیستم استنتاج فاری در انجام فرآیند مسیریابی در شرایط دنیای واقعی دارای کارایی بسیار مطلوبی است و می‌تواند پاسخ‌گوی نیازهای عملیاتی فرماندهان این حوزه باشد.

modeling the optimal routing of autonomous microbirds using fuzzy inference systems and evolutionary algorithms

an automatic guidance system in drones can be divided into two parts: path design and follow the path. in these systems, due to the time limitations and the uncertainty in the conditions prevailing on the battlefield, it is very important to use the expertise of the military commanders and emulate their behavior in these systems, due to the time constraints and the uncertainty in the conditions prevailing on the battlefield, it is very important to use the expertise of military commanders and simulate their behavior in the design and route tracking processes. therefore, according to the characteristics of fuzzy inference systems, by using them, the commanders’ expertise can be applied in autonomous drones. in this article, in order to model the uavs offensive routing, a mamdani fuzzy inference system with five inputs and one output is used to determine the edges weight. at each stage of decision-making process of choosing the optimal route, the need to perform complex mathematical calculations can make drone routing algorithms useless in real-world conditions. therefore, in order to reduce the dependence of the routing and target tracking system on mathematical calculations and to use the advantages of anytime algorithms to produce the optimal answer, genetic algorithm and non-dominant sorting genetic algorithm-ii have been used as the method of solving the model. the simulation results show that the combination of genetic algorithm and fuzzy inference system has a very favorable efficiency in performing the routing process in real world conditions and can meet the operational needs of commanders in this field.