بهینه سازی مسیر ربات متحرک با رویکرد چندهدفه: ترکیب الگوریتم بهینه سازی ذرات و خفاش وفقی

این پژوهش یک چارچوب نوین برای برنامه ریزی مسیر مبتنی بر بهینه سازی چندهدفه ارائه می دهد که به طور همزمان سه معیار کلیدی شامل کمینه سازی طول مسیر، کاهش نرخ تغییرات زاویه ای و حداکثرسازی فاصله ایمن از موانع را مد نظر قرار می دهد. در مرحله نخست از ترکیب روش محدودیت اپسیلون و رویکرد جمع وزنی برای تبدیل مسئله بهینه سازی چندهدفه به یک مسئله تک هدفه استفاده شده است. به دلیل NP-hard بودن مسئله، یک الگوریتم فرا ابتکاری ترکیبی تطبیقی با عنوان PSO-ABA توسعه یافته است که از ادغام دو مکانیزم مکمل جستجوی سراسری مبتنی بر الگوریتم بهینه سازی ذرات (PSO) و الگوریتم خفاش انطباقی (ABA) بهره می برد. در این الگوریتم، وظیفه به روزرسانی موقعیت ربات بر عهده الگوریتم ABA است، در حالی که الگوریتم PSO به دنبال تنظیم پارامترهای مناسب می باشد. این مقاله به چند نکته کلیدی می پردازد: نخست، الگوریتم مذکور با اصلاح روابط موجود در الگوریتم خفاش، طراحی مسیری در فضای واقعی را هدف قرار می دهد به طوری که حرکت ربات تا حد امکان به سمت مسیر هدف هدایت شود و از چرخش های ناگهانی ربات جلوگیری گردد. دوم، با اصلاح تابع شایستگی، این الگوریتم مانع از به روزرسانی موقعیت ربات در داخل موانع می شود و مسیرهای نامعتبر را حذف می کند. ارزیابی عملکرد در محیط های شبیه سازی شده با چیدمان موانع پیچیده نشان می دهد که چارچوب پیشنهادی در مقایسه با روش های مرسوم مسیریابی، عملکرد بهتری در دستیابی به مسیر بهینه برای ربات دارد.

کلیدواژه ها:

برنامه ریزی مسیر ، بهینه سازی چند هدفه ، الگوریتم های فراابتکاری ، الگوریتم خفاش و الگوریتم بهینه سازی ذرات.