一个新的多目标虫优化器用于多UAV合作路径规划

科学领域:

• 机器人和自动化机器人与自动化
• 人工智能的人工智能
• 运营研究 运营研究

背景情况:

• 多个无人机 (UAV) 路径规划对于协作任务至关重要.
• 传统的方法与融合,多样性和约束处理作斗争.
• 复杂的多目标优化是协作无人机路径规划固有的.

研究的目的:

• 为多个无人机路径规划开发一个先进的算法.
• 解决现有方法在趋同,多样性和约束管理方面的局限性.
• 优化协作路径规划,考虑多个目标.

主要方法:

• 引入了一个具有自适应性随机排名 (DENSDBO-ASR) 的定向进化非主导排序虫优化器.
• 制定了两个目标:总成本 (长度,高度) 和总成本 (威胁,时间).
• 集成的定向突变和交叉用于增强的融合和全球搜索,以及适应性随机排名用于约束处理.

主要成果:

• 与其他五种算法相比,DENSDBO-ASR在趋同准确度和人口多样性方面表现出卓越的表现.
• 在具有挑战性的场景中成功确定了可行的路径,实现了低的目标函数值 (例如637.26和0).
• 通过受约束问题函数 (CF) 测试,威尔科克森等级总和测试和弗里德曼测试验证的有效性.

结论:

• DENSDBO-ASR为多个无人机路径规划挑战提供了一种特殊的优化方法.
• 该算法有效地平衡了融合和多样性,同时管理复杂的约束.
• 经过验证的优越性使得DENSDBO-ASR成为协作机器人操作的宝贵工具.