EAB-BES: Un enfoque de optimización global para la planificación eficiente de rutas de UAV en entornos urbanos de...

Área de la Ciencia:

• Robótica y automatización
• Inteligencia artificial
• Ingeniería Aeroespacial

Sus antecedentes:

• El algoritmo tradicional de búsqueda de águila calva (BES) sufre de convergencia lenta y problemas de óptimas locales.
• Los entornos urbanos complejos plantean desafíos significativos para la planificación de rutas de vehículos aéreos no tripulados (UAV).
• Los algoritmos existentes a menudo luchan con la adaptabilidad y la eficiencia en entornos urbanos densos.

Objetivo del estudio:

• Desarrollar un algoritmo de búsqueda de águilas calvas mejorado de múltiples estrategias (EAB-BES) para mejorar la planificación de rutas de UAV en 3D.
• Abordar las limitaciones del algoritmo BES tradicional en entornos urbanos.
• Mejorar la velocidad de convergencia, la precisión de la trayectoria y la adaptabilidad para la navegación de UAV.

Principales métodos:

• Aprendizaje basado en la oposición de élite para una solución mejorada de exploración espacial.
• Mecanismo de ponderación adaptativo para equilibrar la búsqueda global y la explotación local.
• Una mutación diferencial guiada por la élite para una búsqueda local refinada.

Principales resultados:

• EAB-BES demostró la velocidad de convergencia más rápida y los valores de aptitud estable más bajos.
• El algoritmo generó los caminos 3D más cortos, suaves y sin colisiones.
• Los experimentos comparativos en seis entornos urbanos de alta densidad validaron un rendimiento superior frente a nueve algoritmos avanzados.

Conclusiones:

• EAB-BES ofrece una mejora significativa con respecto al algoritmo BES tradicional para la planificación de rutas de UAV.
• El algoritmo mejorado proporciona una solución eficiente, confiable y robusta para la navegación autónoma en entornos urbanos complejos.
• El análisis estadístico confirma el rendimiento superior y la competitividad de EAB-BES.