Video Experimental Relacionado
Updated: Jan 7, 2026
11:53
The Modular Design and Production of an Intelligent Robot Based on a Closed-Loop Control Strategy
Published on: October 14, 2017
12.1K
Optimización de la ubicación y capacidad de las estaciones base de robots de saneamiento urbano utilizando NSGA-II
Jie Ding1, Linshen Wang2, Kun Pan3
1School of Civil Engineering and Architecture, University of Jinan, Jinan, 250022, Shandong, China.
Scientific reports
|December 20, 2025
Resumen
Este estudio optimiza la distribución de las estaciones base de robots de saneamiento utilizando un novedoso modelo multiobjetivo. El marco de planificación de saneamiento inteligente propuesto mejora la eficiencia y reduce las necesidades de instalaciones en la gestión de residuos urbanos.
Área de la Ciencia:
- Planificación urbana
- Robótica
- Ingeniería ambiental
Sus antecedentes:
- Los sistemas de saneamiento tradicionales enfrentan desafíos con la capacidad, el costo y la distribución de recursos.
- Los robots de saneamiento ofrecen una mayor eficiencia a través de la identificación precisa y la colaboración.
- La distribución eficaz de las estaciones base es crucial para el rendimiento de los robots de saneamiento.
Objetivo del estudio:
- Desarrollar un modelo de optimización multiobjetivo para la ubicación y capacidad de las estaciones base de robots de saneamiento.
- Mejorar la adaptabilidad del algoritmo para entornos urbanos complejos.
- Proporcionar un plan óptimo de distribución y capacidad para el saneamiento urbano inteligente.
Principales métodos:
- Se empleó un Algoritmo Genético II de Clasificación No Dominada (NSGA-II) mejorado.
- Se incorporaron datos de múltiples fuentes, incluida la densidad de población y la distribución de residuos espaciotemporal.
- Se introdujo un operador de cruce auto-adaptativo y un mecanismo de ponderación de objetivos dinámicos.
- Se utilizó la Técnica de Orden de Preferencia por Similitud con la Solución Ideal (TOPSIS) para la evaluación de soluciones.
Principales resultados:
- El esquema optimizado redujo el número de instalaciones en uno en un análisis empírico.
- Se mejoró la utilidad del servicio y el número de puntos de demanda no cubiertos disminuyó a ocho.
- El modelo propuesto demostró ser eficaz en escenarios dinámicos.
Conclusiones:
- El modelo desarrollado proporciona un marco de optimización multiobjetivo colaborativo para la planificación del saneamiento urbano inteligente.
- El enfoque es eficaz para optimizar la ubicación y la capacidad de las estaciones base de robots de saneamiento.
- Esta investigación contribuye a mejorar la eficiencia y la asignación de recursos de los sistemas de gestión de residuos urbanos.
