برنامه ریزی مسیر حرکتی پهپاد با الگوریتم کلونی مورچگان (ACO) در نرم افزار متلب

برنامه ریزی مسیر حرکتی پهپاد با الگوریتم ACO در MATLAB

در این بخش پروژه برنامه ریزی مسیر حرکتی پهپاد با الگوریتم کلونی مورچگان را با نرم افزار MATLAB به همراه کامنت گذاری کدها آماده کرده ایم که در ادامه به توضیحاتی از مسیریابی شبکه پهپادها (شبکه فنت) و الگوریتم کلونی مورچگان (ACO) پرداخته و فیلم و تصاویر خروجی پروژه در محیط متلب قرار داده شده است.

مسیریابی در شبکه FANET

مسیریابی یکی از مسائل چالش برانگیز و مهم در شبکه های ادهاک پروازی (FANET) است. به دلیل وجود چالش‌ های منحصر به فرد در شبکه های FANET ، راه ‌حل ‌های مسیریابی مختلفی در مقاله های مختلف برای این شبکه ها ارائه شده است. همچنین در طی سال های اخیر، روش های بهینه سازی مختلفی نیز برای مسئله بهینه سازی این شبکه ها توسعه یافته اند. در پروژه حاضر مسیریابی پهپادها (UAV) را به کمک الگوریتم بهینه سازی مورچگان (Ant Colony Optimization – ACO) آماده کرده ایم که با متلب پیاده سازی شده است.

الگوریتم کلونی مورچگان (ACO)

الگوریتم کلونی مورچگان یا بهینه ‌سازی کلونی مورچگان (Ant Colony Optimization – ACO) بر اساس رفتار طبیعی کلونی ‌های مورچگان و مورچگان کارگر شاغل در آنها می باشد. روش پیدا کردن منابع غذایی در کلونی مورچگان بسیار بهینه می باشد. وقتی که مورچه ‌ها عملیات کاوش جهت پیدا کردن منابع غذایی را شروع می ‌کنند، به صورت طبیعی یک مسیر منطقی و بهینه را از آشیانه خود به منابع غذایی می یابند. در واقع جمعیت مورچگان به طریقی همیشه قادر هستند تا یک مسیر بهینه را به منظور تامین منابع غذایی مورد نیاز خود پیدا کنند. شبیه‌ سازی نرم افزاری این روال کاری بهینه ‌ای، پایه و اساس بهینه سازی کلونی مورچگان (ACO) را تشکیل می ‌دهد.

---

---

تصاویری از خروجی