Investigación sobre el método de planificación de rutas para plataformas móviles basadas en algoritmos híbridos de inteligencia de enjambres en entornos multidimensionales

Área de la Ciencia:

• Robótica y inteligencia artificial
• Inteligencia computacional
• Algoritmos de optimización

Sus antecedentes:

• Los algoritmos tradicionales de planificación de rutas como Dijkstra y APF requieren datos ambientales completos, lo que lleva a la complejidad y la eficiencia reducida.
• Los algoritmos de inteligencia de enjambre ofrecen un procesamiento de datos robusto para la planificación de rutas, pero sufren de convergencia prematura y problemas de óptima local.
• Los métodos de inteligencia de enjambre existentes necesitan mejoras para mejorar la diversidad y la capacidad de búsqueda en entornos complejos.

Objetivo del estudio:

• Proponer un algoritmo mejorado de búsqueda de antenas de colonias de abejas y escarabajos (IABCBAS) para una planificación de rutas eficiente y fiable.
• Para abordar las limitaciones de los algoritmos de inteligencia de enjambre tradicionales y existentes en la planificación de rutas.
• Mejorar la diversidad de la población, la capacidad de búsqueda espacial y la capacidad de escapar del óptimo local en los algoritmos de planificación de rutas.

Principales métodos:

• Se introdujo el caos de la tienda y la variación no uniforme en el algoritmo de la colonia de abejas artificiales para mejorar la diversidad de la población y la capacidad de búsqueda.
• Incorporó el aprendizaje inverso estocástico y una estrategia codiciosa en el algoritmo de búsqueda de Beetle Antennae para mejorar la búsqueda de dirección y el escape óptimo local.
• Ajuste de peso adaptativo implementado para equilibrar la búsqueda global y el refinamiento local entre los dos algoritmos integrados.

Principales resultados:

• El algoritmo IABCBAS demostró un rendimiento superior de búsqueda de puntos de trayectoria y una alta estabilidad en diversas complejidades dimensionales y ambientales.
• Los experimentos de ablación confirmaron que las estrategias de optimización introducidas mejoraron significativamente la precisión y la velocidad de convergencia en la planificación de la ruta.
• En comparación con otros algoritmos, IABCBAS redujo la distancia promedio de planificación de la ruta en un 23,83% en entornos 2D y el tiempo de planificación en un 27,97% en entornos 3D.

Conclusiones:

• El algoritmo IABCBAS mejorado ofrece una mayor eficiencia y fiabilidad para la planificación de rutas en comparación con los métodos de inteligencia de enjambre tradicionales y existentes.
• La integración de la teoría del caos, el aprendizaje inverso y las estrategias adaptativas superan efectivamente las limitaciones de los algoritmos individuales.
• Las mejoras de rendimiento del algoritmo sugieren un potencial significativo para aplicaciones prácticas de ingeniería en la planificación de rutas.