Порівняльний аналіз метаевристичних алгоритмів роєвого інтелекту групового управління БПЛА

Анотація

В даній статті робота присвячена проведенню порівняльного аналізу та оцінку ефективності сучасних, представлених не пізніше 2021 року, метаевристичних алгоритмів African Vultures Optimization Algorithm (AVOA), Harris Hawks Optimization (HHO), Dung Beetle Optimizer (DBO) та Snake Optimizer (SO) що можуть бути використані для задача децентралізованого управління роєм безпілотних літаючих апаратів (БПЛА). Дослідження є актуальним та зумовлено тим, що вектор в управлінні БПЛА переходить від поодинокого керування до координації автономних роїв, які можуть виконувати більше трудоємкі задачі, але при цьому мають потребу в мінімізації ризиків, притаманні централізованим систем, а саме зменшити критичну затримку передачі даних та підвищити стійкість до втрати керуючих вузлів.

Методологія дослідження проводилась за допомогою імітаційного моделювання в середовищі Python версії 3.12.9. Набір для тестування складався з 23-ьох класичних бенчмарк-функцій, на яких було перевірено чотири вище згаданих алгоритми. Обраними метриками для порівняння стали точність Mean, ітераційна стабільність Std та швидкість збіжності за фіксованих для кожного алгоритму параметрів розмірності D = 30.

Результатом чисельних експериментів є демонстрація чіткої спеціалізації кожного з алгоритмів: встановлено, що AVOA має найбільш високу, наближену до еталону, точність локалізації та виняткову стабільність в більшості бенчмарків і в порівнянні з конкурентами. Це робить алгоритм найкращим вибором для задач наведення рою або утримання у просторі. Найкращим алгоритмом для глобальної розвідки в умовах складного рельєфу є DBO, який продемонстрував найкращу ефективність в плануванні маршрутів невідомими ділянками з великою кількістю перешкод. HHO як алгоритм показав достатньо збалансовані показники точності та стабільності, в особливості на вигнутих ландшафтах. В загальному не поступаючись AVOA, алгоритм HHO також чудово підходить для задач супроводу цілей. Алгоритм SO в середньому виявився найменш ефективним через повільну збіжність, проте має достатню ефективність у використанні в задач з малою розмірністю.