استفاده از الگوریتم‌های غزال کوهستان و کپک مخاطی برای حل مسئله برنامه‌ریزی مسیر

یکی از بخش‌های مهم رباتیک برنامه ریزی مسیر است، به‌طوری‌که مطالعه مسیر ربات یکی از موضوعات بسیار مهم تلقی می شود. ربات متحرک باید از موقعیت شروع به سمت موقعیت هدف حرکت کند، درحالی‌که در یک محیط  حاوی موانع از موانع موجود اجتناب کند. مسیر باید بر اساس برخی از معیارها مانند کوتاهی طول مسیر، همواری مسیر و امنیت مسیر بهینه باشد. در این مطالعه، هدف اصلی حل مسئله برنامه‌ریزی مسیر برای یک ربات  به‌صورت شبکه، ایستا و شناخته شده است که معیارهای کوتاه‌ترین فاصله، امنیت مسیر و همواری مسیر را برآورده می سازد.  مسئله برنامه‌ریزی مسیر یک مسئله np-کامل می باشد و برای این مسئله روش ها و الگوریتم‌های مختلفی پیشنهاد شده است که شامل روش های دقیق و فراابتکاری است. برای حل این مسئله با محاسباتی کمتر از الگوریتم های فراابتکاری می توان استفاده کرد که در این مطالعه از الگوریتم ژنتیک، الگوریتم غزال کوهستان و الگوریتم کپک مخاطی استفاده شده است.  در پیاده‌سازی‌ها علاوه بر استفاده از عملگرهای خود الگوریتم ها از سه عملگر ساده‌سازی، بازبینی و جایگزینی استفاده شده است و همچنین  یک تابع ارزیابی جدید و برای تولید جمعیت اولیه سه عملگر ترمیم گره، ترمیم پاره‌خط و بهبود گره برای ایجاد مسیرهای تاحدامکان شدنی ارائه شده است. نتایج نشان می دهند که این الگوریتم ها دارای کارایی بالایی هستند و همچنین از پیچیدگی محاسباتی کمتری برای حل این مسئله برخوردارند.

using mountain gazelle and slime mould algorithms to solvethe path planning problem

path planning is one of the important parts of robotics, so studying the path of the robot is considered one of the most important subjects. the mobile robot must move from the start position to the goal position, while avoiding obstacles   in an obstacle environment. the route should be optimal based on some criteria such as shortness of the path, smoothness of the path and security of the path. in this study, the main goal is to solve the path planning problem for a robot in the form of a discrete, static and known, which meet the criteria of shortest distance, path security and path smoothness. path planning problem is a np-complete problem and various methods and algorithms have been proposed, which include exact and meta-heuristic algorithms. meta-heuristic algorithms can be used to solve this problem with less computational load. in this study genetic algorithm,  mountain gazelle algorithm, and slime mould algorithm are used. in implementations, in addition to the operators of the algorithms themselves, three simplification, revision and replacement operators have been used, as well as a new evaluation function has been presented and after generating the initial population of three operators node repair, line segment repair and node improvement to create paths up to feasible path has been used. the results show that these algorithms have high efficiency and also have less computational complexity to solve this problem