بهینه سازی مسیر ربات متحرک در محیط گرید دارای موانع با استفاده از الگوریتم بهینه سازی فاخته (Cuckoo Optimization Algorithm)

مسیر یابی بهینه ربات در محیط های دارای موانع یکی از مسائل محوری در حوزه رباتیک و هوش مصنوعی است. این تحقیق به بررسی کارایی الگوریتم بهینه سازی فاخته (Cuckoo Optimization Algorithm) به عنوان یک روش فراابتکاری الهام گرفته از رفتار زیستی پرنده فاخته برای یافتن کوتاه ترین مسیر معتبر در یک محیط گرید دو بعدی می پردازد. محیط شبیه سازی یک شبکه ۱۰×۱۰ با نقطه شروع در (...) و مقصد در (۹,۹) و چندین مانع ثابت است. الگوریتم COA با استفاده از مکانیسم های کلیدی جهش لوی و تخم گذاری نخبه ها قادر به کاوش گسترده در فضای جستجو و اجتناب از بهینه های محلی است. نتایج شبیه سازی نشان می دهد که الگوریتم پس از ۱۵۰ تکرار به یک مسیر بهینه با طول ۱۶.۸۵ واحد فاصله اقلیدسی همگرا شده است که کاملا از موانع اجتناب کرده و معتبر است. نمودار همگرایی روند بهبود سریع در ابتدای فرآیند و رسیدن به یک راه حل پایدار در مراحل نهایی را تایید می کند. با مقایسه عملکرد COA با روش های معتبری مانند PSO و RRT نشان داده شد که COA در این محیط خاص از نظر طول مسیر و کارایی محاسباتی عملکرد بهتری دارد. این مطالعه نشان می دهد که COA یک روش قدرتمند و مناسب برای حل مسائل بهینه سازی ترکیبی در محیط های پیچیده است.

کلیدواژه ها:

مسیریابی ، ربات ، بهینه سازی ، محیط گرید ، COA