Показати скорочену інформацію

dc.contributor.authorКулик, Я. А.uk
dc.contributor.authorКниш, Б. П.uk
dc.contributor.authorПапінов, В. М.uk
dc.date.accessioned2022-11-10T12:55:54Z
dc.date.available2022-11-10T12:55:54Z
dc.date.issued2022
dc.identifier.citationКулик Я. А. Моделювання огляду території за допомогою безпілотних літальних апаратів на основі алгоритму оптимізації мурашиної колонії [Електронний ресурс] / Я. А. Кулик, Б. П. Книш, В. М. Папінов // Наукові праці ВНТУ. – 2022. – № 3. – Режим доступу: https://praci.vntu.edu.ua/index.php/praci/article/view/660.uk
dc.identifier.issn2307-5376
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/35907
dc.description.abstractВ роботі розглянуто проблему визначення довжини оптимального маршруту, який дозволить виконати огляд території за найкоротший час, що важливо у разі виконання моніторингу лісів, річок, транспорту, будівель, сільськогосподарських угідь, підрахунку об`єктів тощо. Для вирішення цієїпроблеми запропоновано використання безпілотних літальних апаратів та різні методи оптимізації маршруту, серед яких можна виділити ймовірнісні методи пошуку рішення з мінімальним часом (MTS).Асаме евристику, крос-ентропійну оптимізацію, байєсівський алгоритм оптимізації та генетичні алгоритми, методи оптимізації ройового інтелекту на основі спостережень за живою природою (оптимізація мурашиних колоній (ACO), штучні колонії бджіл, зграї криланів тощо). Запропоновано використання алгоритму оптимізації мурашиної колонії, оскількице дозволяє дотримуватись балансу між різними параметрами, а саме обчислювальними ресурсамибезпілотних літальних апаратівта оптимальною довжиною маршруту його руху. Проведено експериментальні дослідження огляду території за допомогою безпілотних літальних апаратів зарізноїкількості ітерацій на основі алгоритму оптимізації мурашиної колонії шляхом моделювання в середовищахWeBotsта tsp-problem-ga-aco-comparisson, які є симуляторами різноманітних пристроїв, зокрема безпілотних літальних апаратів, щокомпенсує вплив зовнішнього середовища на керування польотом безпілотних літальних апаратів вбудованими програмними засобами для збереження поточного курсу руху безпілотних літальних апаратів. Встановлено, що використання алгоритму оптимізаціїмурашиної колонії дозволяє виконувати огляд території за менший час, ніж при використанні генетичного алгоритму, який являє собою стандартний алгоритм багатьох систем керування за замовчуванням, знаходячи при цьому баланс між оптимальністю маршруту та обчислювальними ресурсами.uk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofНаукові праці ВНТУ. № 3.uk
dc.relation.urihttps://praci.vntu.edu.ua/index.php/praci/article/view/660
dc.subjectбезпілотні літальні апаратиuk
dc.subjectмурашині алгоритмиuk
dc.subjectоптимізація мурашиної колоніїuk
dc.subjectогляд територіїuk
dc.subjectалгоритмuk
dc.titleМоделювання огляду території за допомогою безпілотних літальних апаратів на основі алгоритму оптимізації мурашиної колоніїuk
dc.typeArticle
dc.identifier.udc629.7.01
dc.relation.referencesКниш Б. П. Оцінювання стану об’єктів безпілотними літальними апаратами / Б. П. Книш, М. А. Алєксєєв // Вісник Вінницького політехнічного інституту. – 2019. – № 2. – С. 58 – 65.uk
dc.relation.referencesClassication of multi-UAV architectures. In Handbook of unmanned aerial vehicles / I. Maza, A. Ollero, E. Casado [et al.] // Springer. – 2015. – Р. 953 – 975.en
dc.relation.referencesModelling the one channel systems of a deliveryof goods provided by unmanned aerial vehicles / R. N. Kvetny, Y. A. Kulyk, B. P. Knysh [et al.] // INTL Journal of electronics and telecommunications. – 2020. – Volume 2020, № 3. – P. 487 – 492. – DOI: https://doi.org/10.24425/ijet.2020.134003.en
dc.relation.referencesSenanayake M. Search and tracking algorithms for swarms of robots: A survey / M. Senanayake, I. Senthooran, J. C. Barca // Robotics and Autonomous Systems. – 2016. – Volume 75. – Р. 422 – 434.en
dc.relation.referencesJones K. O. Comparison of ant colony optimisation and differential evolution / K. O. Jones, A. Bouet // International conference on Computer systems and technologies (ACM). – 2007. – Р. 25.en
dc.relation.referencesCarabaza S. P. Ant Colony Optimization for Multi-UAV Minimum Time Searchin Uncertain Domains / S. P. Carabaza, E. Besada, J. A. Lopez-Orozco // Applied Soft Computing. – 2018. – Volume 62. – Р. 789 – 806. – DOI: 10.1016/j.asoc.2017.09.009.en
dc.relation.referencesCimino M. G. Combining stigmergic and flocking behaviors to coordinates warms of drones performing target search / M. G. Cimino, A. Lazzeri, G. Vaglini // In Information, Intelligence, Systems and Applications (IISA). – 2015. – Р. 1 – 6.en
dc.relation.referencesShtovba S. D. Ant Algorithms : Theory and Applications / S. D. Shtovba // Program Comput Soft. – 2005. – Volume 31. – Р. 167 – 178. – DOI: https://doi.org/10.1007/s11086-005-0029-1.en
dc.relation.referencesDorigo M. Ant Colony Optimization / M. Dorigo, T. Stützle // The MIT Press. – 2004. – Р. 305. – DOI: http://dx.doi.org/10.1007/b99492.en
dc.relation.referencesBirdsey L. Identifying self-organization and adaptability in complex adaptive systems / L. Birdsey, C. Szabo, K. Falkner // In Self-Adaptive and Self-Organizing Systems (SASO).– 2017. – Р. 131 – 140.en
dc.relation.referencesLin N. A novel improved bat algorithm in UAV path planning / N. Lin, J. Tang, X. Li, L. Zhao // Computers, Materials & Continua. – 2019. – Volume 61, № 1. – P. 323 – 344. – https://doi.org/10.32604/cmc.2019.05674.en
dc.relation.referencesYaseen M. Experimental Comparison between Genetic Algorithm and Ant Colony Optimization on Traveling Salesman Problem / M. Yaseen, J. Razia, Md. T. Rahman // International Journal of Scientific Research in Science, Engineering and Technology. – February 2021. – Volume 8, Issue 1. – Р. 155 – 162. – DOI: https://doi.org/10.32628/IJSRSET218135.en
dc.identifier.doi10.31649/2307-5376


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію