Asignación de Tareas Cooperativas para Enjambres de Vehículos Aéreos No Tripulados Usando un Optimizador de León de Ants Auto-Adaptativo Multi-Población y Multi-Objetivo
Autores: Li, Chengze; Li, Gengsong; Liu, Yi; Zheng, Qibin; Yang, Guoli; Liu, Kun; Diao, Xingchun
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Asignación de Tareas Cooperativas para Enjambres de Vehículos Aéreos No Tripulados Usando un Optimizador de León de Ants Auto-Adaptativo Multi-Población y Multi-Objetivo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Asignación
Tareas
Restricciones
Optimización
Enjambres de UAV
MMSALO
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La asignación racional de tareas es un tema crítico para mejorar la capacidad de ejecución de misiones de enjambres de vehículos aéreos no tripulados (VANT), lo cual es difícil de resolver exactamente en tiempo polinómico. Los enfoques basados en algoritmos evolutivos están entre los métodos más populares para abordar este problema. Sin embargo, los métodos existentes a menudo sufren de configuraciones de restricciones insuficientemente rigurosas y un enfoque en la optimización de un solo objetivo. Para abordar estas limitaciones, este artículo considera múltiples tipos de restricciones, incluyendo restricciones temporales, restricciones de ventana de tiempo y restricciones de integridad de tareas, y establece un modelo con objetivos de optimización que comprenden la recompensa de la tarea, el costo de ejecución de la tarea y el tiempo de ejecución de la tarea. Se propone un optimizador de león hormiga auto-adaptativo de múltiples objetivos y múltiples poblaciones (MMSALO) para resolver el problema. En MMSALO, un mecanismo de selección basado en la escasez reemplaza la selección de ruleta, mejorando efectivamente la capacidad de búsqueda global. Se adopta una estrategia de límite aleatorio para aumentar la aleatoriedad y diversidad del movimiento de las hormigas alrededor de los leones hormiga, mejorando así la diversidad de la población. Se emplea una estrategia de actualización de posición adaptativa para fortalecer la exploración en las primeras etapas y la explotación en las etapas posteriores del algoritmo. Además, se introduce un mecanismo de selección de élite basado en preferencias para mejorar el rendimiento de optimización y mejorar la distribución de soluciones. Finalmente, para manejar múltiples restricciones complejas, se implementa un mecanismo de codificación de doble capa y una estrategia de penalización adaptativa. Se realizaron experimentos de simulación para validar el algoritmo propuesto. Los resultados demuestran que MMSALO exhibe un rendimiento superior en la resolución de problemas de asignación de tareas de múltiples tareas y múltiples restricciones para enjambres de VANT.
Descripción
La asignación racional de tareas es un tema crítico para mejorar la capacidad de ejecución de misiones de enjambres de vehículos aéreos no tripulados (VANT), lo cual es difícil de resolver exactamente en tiempo polinómico. Los enfoques basados en algoritmos evolutivos están entre los métodos más populares para abordar este problema. Sin embargo, los métodos existentes a menudo sufren de configuraciones de restricciones insuficientemente rigurosas y un enfoque en la optimización de un solo objetivo. Para abordar estas limitaciones, este artículo considera múltiples tipos de restricciones, incluyendo restricciones temporales, restricciones de ventana de tiempo y restricciones de integridad de tareas, y establece un modelo con objetivos de optimización que comprenden la recompensa de la tarea, el costo de ejecución de la tarea y el tiempo de ejecución de la tarea. Se propone un optimizador de león hormiga auto-adaptativo de múltiples objetivos y múltiples poblaciones (MMSALO) para resolver el problema. En MMSALO, un mecanismo de selección basado en la escasez reemplaza la selección de ruleta, mejorando efectivamente la capacidad de búsqueda global. Se adopta una estrategia de límite aleatorio para aumentar la aleatoriedad y diversidad del movimiento de las hormigas alrededor de los leones hormiga, mejorando así la diversidad de la población. Se emplea una estrategia de actualización de posición adaptativa para fortalecer la exploración en las primeras etapas y la explotación en las etapas posteriores del algoritmo. Además, se introduce un mecanismo de selección de élite basado en preferencias para mejorar el rendimiento de optimización y mejorar la distribución de soluciones. Finalmente, para manejar múltiples restricciones complejas, se implementa un mecanismo de codificación de doble capa y una estrategia de penalización adaptativa. Se realizaron experimentos de simulación para validar el algoritmo propuesto. Los resultados demuestran que MMSALO exhibe un rendimiento superior en la resolución de problemas de asignación de tareas de múltiples tareas y múltiples restricciones para enjambres de VANT.