ハイブリッド・スワーム・インテリジェンス・アルゴリズムに基づくモバイル・プラットフォームの経路計画方法に関する研究

科学分野:

• ロボットと人工知能
• コンピューター・インテリジェンス
• 最適化アルゴリズム

背景:

• ダイクストラやAPFのような伝統的な経路計画アルゴリズムは,完全な環境データを要求し,複雑性と効率の低下につながります.
• スワームインテリジェンスアルゴリズムは,経路計画のための堅牢なデータ処理を提供しますが,早めの収束とローカル最適の問題に苦しんでいます.
• 既存のスワーム・インテリジェンス・メソッドは 複雑な環境における多様性と検索能力を向上させるため 強化する必要がある.

研究 の 目的:

• 効率的かつ信頼性の高い経路計画のための改良された人工蜂コロニー-甲虫アンテナ検索 (IABCBAS) アルゴリズムを提案する.
• 経路計画における従来および既存のスワームインテリジェンスアルゴリズムの限界を解決する.
• 人口の多様性,空間的な検索能力,および経路計画アルゴリズムにおけるローカル・オプティマを回避する能力を高める.

主な方法:

• 人工ミツバチコロニーアルゴリズムにテントカオスと非均一なバリエーションを導入し,集団の多様性と検索能力を向上させました.
• ストキャスティック・リバース・ラーニングと 貪欲な戦略を ビートル・アンテナ・サーチ・アルゴリズムに組み込み 方向探知とローカル・オプティマ・エスケープを強化した.
• 2つの統合アルゴリズム間のグローバル検索とローカル精度をバランスさせるための適応的な重量調整を実施しました.

主要な成果:

• IABCBASアルゴリズムは,さまざまな次元と環境の複雑性において優れた経路点検索性能と高い安定性を示しました.
• 導入された最適化戦略は,経路計画における収束精度と速度を大幅に改善したことを確認した.
• 他のアルゴリズムと比較して,IABCBASは2D環境では平均経路計画距離を23.83%削減し,3D環境では平均計画時間を27.97%削減した.

結論:

• 改善されたIABCBASアルゴリズムは,従来および既存のスワームインテリジェンス方法と比較して,経路計画の効率と信頼性を向上させます.
• 混沌理論,逆学習,適応戦略の統合は,個々のアルゴリズムの限界を効果的に克服します.
• アルゴリズムの性能改善は,経路計画における実用的なエンジニアリングアプリケーションの大きな可能性を示唆しています.