Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 9

Route planning for multiple unmanned aerial vehicles

Planowanie trasy dla wielu bezzałogowych statków powietrznych

10.15199/48.2024.09.43

nr katalogowy: 150382
10.15199/48.2024.09.43

Streszczenie

This study addresses efficient task assignment for collaborative systems, with a focus on route planning for multiple Unmanned Aerial Vehicles (UAVs). Using the Ant Colony Optimization algorithm and the A* algorithm for obstacle avoidance, the results show that the proposed method allows route planning with acceptable computational time, providing guidance on the optimal number of UAVs in a mission.

Abstract

Niniejsze badanie dotyczy efektywnego przydzielania zada´ n dla systemów współpracuj ˛ acych, ze szczególnym uwzgl˛ ednieniem planowania trasy dla wielu bezzałogowych statków powietrznych (UAV). Wykorzystując algorytm optymalizacji kolonii mrówek i algorytm A* do omijania przeszkód, wyniki pokazują, że proponowana metoda umożliwia planowanie trasy w akceptowalnym czasie obliczeniowym, zapewniając wskazówki dotyczące optymalnej liczby UAV w misji.

Słowa kluczowe

Keywords

Bibliografia

[1] Bai, X., Jiang, H., Cui, J., Lu, K., Chen, P., & Zhang, M. (2021). UAV Path Planning Based on Improved A* and DWA Algo rithms. International journal of aerospace engineering, 2021.
[2] De Castro Pereira, S., Solteiro Pires, E. J., & de Moura Oliveira, P. B. (2023). Ant-Balanced Multiple Traveling Sales men: ACO-BmTSP. Algorithms, 16(1), 37.
[3] Farlei J. Heinen, F. S. O. (2002). Sistema de controle híbrido para robôs móveis autônomos.
[4] Floreano, Dario, and Robert J Wood.: Science, technol ogy and the future of small autonomous drones. Nature vol. 521,7553 (2015): 460-6. doi:10.1038/nature14542.
[5] Freitas, E. and Carvalho, J. (2015). Genetic algorithm ap proach for a class of multicriteria, multi-vehicle planner of uavs. volume 9019, pages 234—248.
[6] Gonçalves, M. A. (2013). Algoritmo a-estrela de estado híbrido aplicado à navegação autônoma de veículos.
[7] Ju, C. and Son, H. I. (2018). Multiple uav systems for agri cultural applications: Control, implementation, and evaluation. Electronics, 7(9):162.
[8] Liu, Y., Zhang, Y., Zhang, W., Zhang, Y., and Zhang, J. (2019). Reinforcement learning in multiple-uav networks: Deployment and movement design. IEEE Transactions on Vehicular Tech nology, 68(8):8037–8049.
[9] Lu, L.-C. and Yue, T.-W. (2017). Mission-oriented ant-team aco for min-max mtsp. In 2017 International Conference on Information, Communication and Engineering (ICICE), pages 522–525. Necula, R., Breaban, M., and Raschip, M. (2015). Tackling the bi-criteria facet of multiple traveling salesman problem with ant colony systems. In 2015 IEEE 27th Interna tional Conference on Tools with Artificial Intelligence (ICTAI).
[10] M. Dorigo, V. Maniezzo and A. Colorni.: Ant system: optimiza tion by a colony of cooperating agents, in IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), vol. 26, no. 1, pp. 29-41, Feb. 1996, doi: 10.1109/3477.484436.
[11] Necula, R., Breaban, M., and Raschip, M. (2015).: Tackling the bi-criteria facet of multiple traveling salesman problem with ant colony systems. In 2015 IEEE 27th International Confer ence on Tools with Artificial Intelligence (ICTAI).
[12] Niu, C., Li, A., Huang, X., Li, W., and Xu, C. (2021). Research on global dynamic path planning method based on improved a algorithm. Mathematical Problems in Engineering, 2021.
[13] Pinto, V., Galvão, R., Rodrigues, L., and Gomes, J. P. (2020). Mission planning for multiple uavs in a wind field with flight time constraints. Journal of Control, Automation and Electrical Systems, 31.
[14] Santana, K. (2020). Método metaheurístico multi-objetivo para o cálculo de rotas de robôs colaborativos com restrições en ergéticas.
[15] Wang, M., Ma, T., Li, G., Zhai, X., and Qiao, S. (2020). Ant colony optimization with an improved pheromone model for solving mtsp with capacity and time window constraint. IEEE Access, 8:106872–106879.
[16] Wang, S., Liu, Y., Qiu, Y., Zhang, Q., Huo, F., Huangfu, Y., Yang, C., and Zhou, J. (2022). Cooperative task allocation for multi-robot systems based on multi-objective ant colony sys tem. IEEE Access, 10:56375–56387.
[17] Wang, Z., Xiang, X., Yang, J., Yang, S. (2017, December). Composite Astar and B-spline algorithm for path planning of autonomous underwater vehicle. In 2017 IEEE 7th Interna tional Conference on Underwater System Technology: Theory and Applications (USYS) (pp. 1-6). IEEE.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-9 , nr katalogowy 150382 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-9 licencja: Osobista Produkt cyfrowy Nowość	85.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-9

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma