دانلود شبیه سازی مقاله بهینه سازی ازدحام ذرات رمزگذاری شده با حرکت برای جستجوی هدف متحرک

پروژه متلب جستجوی هدف متحرک

یافته های بدست آمده حاکی از آن است که وسایل نقلیه هوایی بدون سرنشین (پهپادها) به دلیل قابلیتهای عملیاتی آنها در محیط های ناملایم با ظرفیت کاری غنی از حسگر مناسب برای وظایف مختلف، با کاربردهای عملی متعدد، به خصوص در زمینه نظارت و نجات، توجه تحقیقاتی فزاینده ای را به خود معطوف کرده اند. در جستجوی هدف با استفاده از پهپاد، اغلب یک دوره بحرانی تحت عنوان “زمان طلایی” وجود دارد که در آن احتمال یافتن هدف باید در بالاترین حد ممکن باشد. با سپری شدن زمان، به دلیل تضعیف اطلاعات اولیه و تأثیر عوامل خارجی نظیر شرایط آب و هوایی، ویژگی های زمین و دینامیک هدف، این احتمال به سرعت کاهش می یابد. از اینرو، هدف اصلی در جستجوی هدف با استفاده از پهپادها شامل یافتن مسیری است که می تواند احتمال کشف هدف را در یک زمان پرواز خاص با در نظر گرفتن اطلاعات اولیه در مورد موقعیت هدف و شرایط جستجو به حداکثر برساند.

این مقاله، یک الگوریتم جدید تحت عنوان بهینه‌سازی ازدحام ذرات با حرکت رمزگذاری شده (MPSO) را برای یافتن یک هدف متحرک با وسایل نقلیه هوایی بدون سرنشین (UAV) ارائه می دهد. بر طبق نظریه بیزی، مسئله جستجو را می توان به بهینه سازی یک تابع هزینه تبدیل نمود که احتمال تشخیص هدف را نشان می دهد. در این پروژه، MPSO پیشنهادی برای حل مسئله موجود با رمزگذاری مسیر جستجو به عنوان یک سری از مسیرهای حرکت پهپاد ایجاد شده است که در طول تولید ذرات در یک الگوریتم PSO تکامل می‌یابند. این رویکرد حرکت رمزگذاری شده، حفظ ویژگی های مهم ازدحام نظیر انسجام شناختی و اجتماعی را امکانپذیر کرده و در نتیجه راه حل های بهتری را ارائه می دهد. نتایج شبیه‌سازی‌های گسترده با روش‌های موجود حاکی از آن است که MPSO پیشنهادی در مقایسه با PSO اصلی، عملکرد تشخیص را 24% و عملکرد زمانی را 4.71 برابر بهبود می‌بخشد و همچنین نسبت به سایر الگوریتم‌های بهینه‌سازی فراابتکاری از جمله کلونی زنبور عسل مصنوعی (ABC)، بهینه سازی کلونی مورچه ها (ACO)، الگوریتم ژنتیک (GA)، تکامل افتراقی (DE) و الگوریتم دانه درخت (TSA) در اکثر سناریوهای جستجو از عملکرد بهتری برخوردار است. علاوه بر این، آزمایش‌هایی با پهپادهای واقعی برای جستجوی یک هدف پویا در سناریوهای مختلف برای نشان دادن کارایی MPSO در یک کاربرد عملی نیز انجام گرفته است.

این مقاله مربوط به سال 2020 بوده و شبیه سازی آن در نرم افزار متلب (MATLAB) انجام شده است و در ادامه نیز تعدادی از تصاویر مربوط به خروجی های شبیه سازی قرار داده شده است: