مروری بر کاربرد الگوریتم های بهینه سازی الهام گرفته شده از طبیعت در طراحی مسیر وسایل پرنده

در این مقاله به مروری بر کاربرد الگوریتم های بهینه سازی الهام گرفته شده از طبیعت در طراحی مسیر وسایل پرنده پرداخته شده است. افزایش چشمگیر قابلیت ها و در دسترس بودن ابزارهای زمینی و هوایی مستقل، چالش های ایمنی و امنیتی را به ویژه در حفاظت از زیرساخت های استراتژیک حائز اهمیت می‌کند. در این زمینه، رهگیری تهدیدات موبایلی متعدد با هدف تهاجم به فضاهای محدود این زیرساخت‌ها موضوع مهمی است. این مقاله بر روی مشکل برنامه ریزی مسیر برای رهگیری چندین هدف هوایی توسط گروهی از پهپادها تمرکز دارد. برنامه ریزی مسیر سه بعدی برای رهگیری اهداف متحرک یک کار چالش برانگیز است، به ویژه زمانی که رهگیری توسط انبوهی از پهپادها انجام می‌شود، زیرا محدودیت های حرکتی و دینامیکی متعددی وجود دارد. هدف ابتدا تخصیص اهداف به پهپادهای منفرد (تخصیص وظایف) و ایجاد یک مسیر سه بعدی برای هر یک است. بسیاری از الگوریتم‌ها به عنوان طرح‌های اصلی برای حل این نوع مسائل بر اساس هوش جمعی شناخته شده‌اند، بسیاری از آنها بر اساس سیستم‌های بیولوژیکی مانند بهینه‌سازی ازدحام ذرات ، بهینه‌سازی کلونی مورچه‌ها ، بهینه‌سازی کلونی زنبورهای مصنوعی ، الگوریتم الهام گرفته از خفاش و غیره هستند. این مقاله مروری جامع از الگوریتم های هوش جمعی با محوریت مشکلات مربوط به برنامه ریزی مسیر سه بعدی برای رهگیری هدف توسط گروهی از پهپادها ارائه شده است. همچنین بر بهبود الگوریتم های هوش جمعی موجود برای بهینه سازی مسیر بهینه تر و صحیح تر تمرکز می کند. یک بررسی جامع برای هر الگوریتم با تجزیه و تحلیل مزایا و معایب آن در زمینه رهگیری هدف نیز ارائه شده است. این بررسی گسترده طرح کلی برای محققان و متخصصان در زمینه حرکت دسته جمعی پهپادها است.

a review of the application of optimization algorithms nature inspired in the design of flight paths

in this article, an overview of the application of optimization algorithms inspired by nature in the design of the flight path has been discussed. the significant increase in the capabilities and availability of independent ground and air tools makes safety and security challenges especially important in the protection of strategic infrastructure. in this context, the detection of multiple mobile threats with the aim of invading the limited spaces of these infrastructures isan important issue. this paper focuses on the trajectory planning problem for the interception of multiple aerial targets by a group of uavs. 3d trajectory planning for the tracking of moving targets is a challenging task, especially when the tracking is performed by acrowd of uavs, because there are numerous motion and dynamic constraints. the goal is first to assign targets to individual drones (task assignment) and create a 3d path for each one. many algorithmsare known as the main schemes to solve this kind of problem based on collective intelligence; many of them are based on biological systems such as particle swarm optimization, ant colony optimization, artificial bee colony optimization, bat-inspired algorithm, etc. thisarticle presents a comprehensive review of collective intelligence algorithms focusing on 3d path planning problems for target tracking by a group of uavs. it also focuses on improving existing collective intelligence algorithms for more optimal and correct pathoptimization. a comprehensive review of each algorithm with an analysis of its advantages and disadvantages in the context of target tracking is also provided. this extensive review is the outline forresearchers and practitioners in the field of mass uavs.