برنامه ریزی مسیر ربات متحرک با روش شطرنجی با الگوریتم بهینه سازی گرگ خاکستری در محیط های ایستا و پویا

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 51

This Paper With 26 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JEMSC-10-1_002

تاریخ نمایه سازی: 16 مهر 1403

Abstract:

روش گرگ خاکستری، به عنوان یک الگوریتم بهینه سازی محاسباتی، اخیرا در حل مسائل بهینه سازی و مسائل مسیریابی، الهام گرفته از رفتار گروهی گرگ ها، استفاده موثری داشته است. این مقاله یک روش فراابتکاری به نام بهینه سازی گرگ خاکستری (GWO) با الهام از گرگ های خاکستری پیشنهاد می کند. چهار نوع گرگ خاکستری مانند آلفا، بتا، دلتا و امگا برای شبیه سازی سلسله مراتب رهبری به کار گرفته می شوند. به طور کلی، این مقاله بررسی می کند که چگونه می توان با استفاده از ترکیب دو روش شطرنجی و الگوریتم بهینه سازی گرگ خاکستری، مسیر حرکت یک ربات متحرک را در محیط ایستا و نیز محیط پویا بهینه سازی کرد. هدف این پژوهش، کوتاه کردن مسیر، کمینه کردن موقعیت نهایی تا هدف، جلوگیری از برخورد و نیز عدم قرارگیری در حداقل های محلی است. در این مقاله، الگوریتم بهینه سازی گرگ خاکستری به عنوان یک روش موثر برای حل مسئله مسیریابی مورد بررسی قرار می گیرد. نتایج شبیه سازی نشان می دهند که استفاده از این الگوریتم، منجر به بهبود قابل توجه در کارایی ربات و بهبود عملکرد مسیریابی در مقابل محیط های پیچیده و پویای می شود.

Keywords:

برنامه ریزی مسیر , محیط پویا , الگوریتم بهینه سازی گرگ خاکستری , ربات متحرک

Authors

میثم یادگار

دانشکده مهندسی برق و کامپوتر، دانشگاه صنعتی قم، قم، ایران

جواد شریفی

دانشکده مهندسی برق و کامپوتر، دانشگاه صنعتی قم، قم، ایران

علی حاتمی زاده

دانشکده مهندسی برق و کامپوتر، دانشگاه صنعتی قم، قم، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • M. Collan and J. Kacprzyk, Soft computing applications for group ...
  • B. Song, Z. Wang, and L. Sheng, "A new genetic ...
  • D. Wang, S. Chen, Y. Zhang, and L. Liu, "Path ...
  • D. Goldberg, "Genetic algorithms in optimization, search and machine learning," ...
  • نمایش کامل مراجع