برنامه‌ریزی مسیر پهپادها در فضای سه بعدی مبتنی بر الگوریتم بهینه‌سازی پروانه

تحقیقات بسیاری در زمینه برنامه‌ریزی مسیر به عنوان یکی از مهم‌ترین مسائل در پهپادها انجام شده است که باتوجه به شرایط و محدودیت‌های موجود، نتایج مختلفی به همراه داشته است. در این پژوهش از یک الگوریتم پیشنهادی موثر مبتنی بر الگوریتم بهینه‌سازی پروانه استفاده شده که دارای یک تابع مطلوبیت و قابلیت بهینه‌سازی همزمان چند پاسخ است. وجه تمایز boa نسبت به سایر الگوریتم‌های فراابتکاری آن است که هر پروانه با ترکیب اطلاعات به دست آمده از گیرنده‌های مختلف حسی‌، برازش منحصر به خود را در مسیر تولید کرده و از این جهت توانایی خوبی در حل مسائل چندهدفه دارد. در این نوشتار از یک تابع هدف سه‌بعدی به منظور محاسبه طول کوتاه‌ترین مسیر، شدت برخورد با موانع، جلوگیری از تصادم و افزایش توان عملیاتی پهپاد که تابعی از میزان انرژی مصرف شده است، استفاده خواهد شد. همچنین مفهوم عامل پرتاب هوشمند استفاده شده در این الگوریتم همزمان باعث جلوگیری از گیر افتادن در بهینه‌های محلی و افزایش سطح پوشش شبکه در فرایند مسیریابی می‌شود. این عامل پرتاب با استفاده از تکنیک‌های هندسی و منحنی میزان، مانع از برخورد پهپاد با موانع می شود. عملکرد الگوریتم پیشنهادی با روش‌های کلونی مورچه و بهینه‌سازی ازدحام ذرات به عنوان کاربردی‌ترین الگوریتم‌های فراابتکاری مقایسه شده است. نتایج نشان می‌دهد، الگوریتم boa در مقایسه با دو الگوریتم دیگر، در بهترین حالت، دارای کمترین هزینه و در بدترین حالت، دومین کمترین هزینه را داشته است. هم‌چنین boa از نظر مدت زمان اجرا و مقدار بهینه تابع برازش، به نسبت دو الگوریتم دیگر عملکرد بهتری دارد.

UAV path planning based on butterfly optimization algorithm in three-dimensional space

Much studied have addressed Path planning as one of the main topics in unmanned aerial vehicles; which has yielded different results due to the existing conditions and limitations. To this end, the present study proposed an efficient algorithm underpinned by the propeller optimization algorithm, which had a utility function and could optimize multiple responses simultaneously. BOA is different from other metaheuristic algorithms as each propeller produces its own unique fit in the path by combining information extracted from different sensory receptors. Accordingly, BOA can solve multiobjective problems. A 3D objective function was used in this study to estimate the length of the shortest path and the intensity of collisions with obstacles, avoid collisions and enhance UAVs’ operational capacity as a function of consumed energy. Furthermore, A smart launcher factor was also included in this algorithm to prevent trapping in local optimizations and promote network coverage in the routing process at the same time. The launcher prevents collision with obstacles in UAVs by adopting geometric techniques and the contour line. The performance of the proposed algorithm was compared with that of the most practical metaheuristic algorithms (namely ACO and PSO methods). The findings revealed that the BOA algorithm compared to the other two algorithms had the lowest cost and the second lowest cost under the best and worst conditions, respectively. The findings also confirmed the better performance of BOA than the other two algorithms regarding execution time and the optimal value of the fit function.