کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

بهینه‌سازی مسیر ربات متحرک در محیط گرید دارای موانع با استفاده از الگوریتم بهینه‌سازی فاخته (Cuckoo Optimization Algorithm)

نویسندگان :

محمدرضا اسماعیلی نوروزی¹ فاطمه زارع مهرجردی²

1- دانشگاه میبد 2- دانشگاه میبد

کلمات کلیدی :

مسیریابی ربات،بهینه‌سازی فاخته،الگوریتم فراابتکاری،محیط گرید

چکیده :

مسیریابی بهینه ربات در محیط‌های دارای موانع، یکی از مسائل محوری در حوزه رباتیک و هوش مصنوعی است. این تحقیق به بررسی کارایی الگوریتم بهینه‌سازی فاخته (Cuckoo Optimization Algorithm - COA) به عنوان یک روش فراابتکاری الهام‌گرفته از رفتار زیستی پرنده فاخته، برای یافتن کوتاه‌ترین مسیر معتبر در یک محیط گرید دو بعدی می‌پردازد. محیط شبیه‌سازی، یک شبکه ۱۰×۱۰ با نقطه شروع در (0,0) و مقصد در (9,9) و چندین مانع ثابت است. الگوریتم COA با استفاده از مکانیسم‌های کلیدی جهش لِوی و تخم‌گذاری نخبه‌ها، قادر به کاوش گسترده در فضای جستجو و اجتناب از بهینه‌های محلی است. نتایج شبیه‌سازی نشان می‌دهد که الگوریتم پس از 150 تکرار به یک مسیر بهینه با طول ۱۶.۸۵ واحد (فاصله اقلیدسی) همگرا شده است که کاملاً از موانع اجتناب کرده و معتبر است. نمودار همگرایی روند بهبود سریع در ابتدای فرآیند و رسیدن به یک راه‌حل پایدار در مراحل نهایی را تأیید می‌کند. با مقایسه عملکرد COA با روش‌های معتبری مانند A*، PSO و RRT*، نشان داده شد که COA در این محیط خاص، از نظر طول مسیر و کارایی محاسباتی، عملکرد بهتری دارد. این مطالعه نشان می‌دهد که COA یک روش قدرتمند و مناسب برای حل مسائل بهینه‌سازی ترکیبی در محیط‌های پیچیده است.