انتخاب حسگرهاي AUV با استفاده از الگوريتم ALO و شبكه‌هاي عصبي

AUV’s Sensor Selection by Using AntLion Optimization Algorithm and Neural Networks

محدود بودن منابع تامين انرژي در زيردريايي‌هاي بدون سرنشين يكي از مشكلاتي است كه انجام ماموريت‌هاي طولاني را محدود مي‌كند. از اين رو مي‌توان با انتخاب هوشمندانه‌ي حسگرها و در نتيجه صرفه‌جويي در منابع انرژي (باتري‌) به حل اين مشكل كمك شاياني كرد.  براي انتخاب حسگر بايد تمامي حالات را بررسي كنيم كه انجام اين كار مستلزم صرف وقت زيادي است. به همين دليل استفاده از روش‌هاي ابتكاري و فراابتكاري مورد توجه صنعتگران، محققان و پژوهشگران فعال اين حوزه قرار گرفت. يكي از روش‌هاي فراابتكاري جديد و قدرتمند در بهينه‌سازي الگوريتم ALO مي‌باشد. اين الگوريتم با استفاده از ويژگي خاص خود و همگرايي سريع، قابليت دستيابي به نتيجه مطمئن‌تر را داراست. آنچه بدست آمد ضمن تاييد توانمندي اين الگوريتم در بهينه‌سازي، مبين توانايي اين الگوريتم در زمينه انتخاب حسگر مي‌باشد.

Due to the Limited energy resources in AUVs, their Long missions have been limited. Smarter sensor selection leads to lower energy consumption. Therefore, it can solve the aforementioned problem. Check out all the scenarios is very time consuming. For this reason, the use of heuristic and metaheuristic methods was considered by industrialists and researchers in the field. ALO is one of the most powerful methods in the optimization problem; therefore, this algorithm by using its unique capability can obtain the best result and the fastest convergence curve among other benchmark methods. As the results show, ALO is very efficient in the sensor selection problem.