An Improved Grey Wolf Optimizer Inspired by Advanced Cooperative Predation for UAV Shortest Path Planning

要約

軍事偵察、緊急救助、物流の配信などのドメインで無人航空機（UAV）の広範な適用により、最短の飛行経路を効率的に計画することが重大な課題になりました。
従来のヒューリスティックベースの方法は、しばしばローカルオプティマから逃れることができないことに悩まされており、これにより、最短経路を見つける際の有効性が制限されます。
これらの問題に対処するために、この研究では、新規改善されたグレーウルフオプティマイザー（IGWO）が提示されています。
提案されたIGWOには、メソッドの最適化能力を向上させるために、高度な協調的捕食（ACP）とレンズの反対ベースの学習戦略（LOBL）が組み込まれています。
シミュレーション結果は、IGWOがベンチマーク関数F1-F5、F7、およびF9-F12の最適化パフォーマンスで最初にランク付けされ、他のすべての比較アルゴリズムを上回ることを示しています。
その後、IGWOは、さまざまな障害物を含んだ環境でUAV最短経路計画に適用されます。
シミュレーション結果は、IGWOによって計画されたパスは、平均して、GWO、PSO、およびWOAによって計画されているパスよりも短いことを示しています。

要約(オリジナル)

With the widespread application of Unmanned Aerial Vehicles (UAVs) in domains like military reconnaissance, emergency rescue, and logistics delivery, efficiently planning the shortest flight path has become a critical challenge. Traditional heuristic-based methods often suffer from the inability to escape from local optima, which limits their effectiveness in finding the shortest path. To address these issues, a novel Improved Grey Wolf Optimizer (IGWO) is presented in this study. The proposed IGWO incorporates an Advanced Cooperative Predation (ACP) and a Lens Opposition-based Learning Strategy (LOBL) in order to improve the optimization capability of the method. Simulation results show that IGWO ranks first in optimization performance on benchmark functions F1-F5, F7, and F9-F12, outperforming all other compared algorithms. Subsequently, IGWO is applied to UAV shortest path planning in various obstacle-laden environments. Simulation results show that the paths planned by IGWO are, on average, shorter than those planned by GWO, PSO, and WOA by 1.70m, 1.68m, and 2.00m, respectively, across four different maps.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google