[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Algoritmo mejorado de optimización de enjambre de partículas: optimización de trayectorias multiobjetivo para drones de enjambre

Created by
  • Haebom

Autor

Minze Li, Wei Zhao, Ran Chen, Mingqiang Wei

Describir

En este artículo, proponemos un nuevo algoritmo, PE-PSO, para la planificación de trayectorias en tiempo real de vehículos aéreos no tripulados (UAV) en entornos dinámicos. Para abordar los problemas de convergencia prematura y retardo de la Optimización por Enjambre de Partículas (PSO) convencional, introducimos un mecanismo de búsqueda continua y una estrategia de ajuste de parámetros basada en la entropía. Modelamos las trayectorias mediante curvas B-spline para garantizar trayectorias suaves y reducir la complejidad de la optimización. Para la colaboración de múltiples UAV, desarrollamos un marco multiagente que combina la asignación de tareas basada en algoritmos genéticos (AG) y PE-PSO distribuido para facilitar la escalabilidad y la generación coordinada de trayectorias. Los resultados de la simulación muestran que el marco propuesto supera al PSO convencional y a otros planificadores basados en enjambres en términos de calidad de trayectoria, eficiencia energética, evitación de obstáculos y tiempo de cálculo.

Takeaways, Limitations

•
Takeaways:
◦
Presentamos una solución eficaz al problema de planificación de trayectorias multi-UAV en tiempo real en entornos dinámicos
◦
Mejora de los problemas de convergencia temprana y retardo de las PSO existentes __T118770_____
◦
Suavizar trayectorias y reducir la complejidad de optimización aprovechando las curvas B-spline
◦
Apoyo eficiente a la colaboración entre múltiples UAV mediante la asignación de tareas basada en algoritmos genéticos y PE-PSO distribuido
◦
Excelente verificación del rendimiento en términos de calidad de trayectoria, eficiencia energética, evitación de obstáculos y tiempo de cálculo.
•
Limitations:
◦
Ausencia de resultados experimentales en entornos reales (sólo se presentan resultados de simulación)
◦
Necesidad de verificar la generalización a diversas condiciones ambientales y especificaciones de UAV.
◦
Falta de descripción detallada del ajuste de los parámetros del algoritmo.
◦
Falta de análisis de la sobrecarga y confiabilidad de las comunicaciones en entornos distribuidos.
👍
Made with Slashpage