الگوريتمي جديد و كارا براي جايابي و پوشش سه‌بعدي ربات‌هاي پرنده در فضاي برداري

A Novel and Efficient Algorithm for three-dimensional Coverage and Deployment of Aerial Robots in Vector Spaces

مسئله جايابي حسگرها با بيشينه پوشش همواره به‌عنوان يكي از مراحل بنيادين توسعه زيرساخت‌هاي ارتباطي و مكاني موردتوجه پژوهشگران علوم مهندسي بوده است. در اين پژوهش، به ارائه يك رويكرد كاملاً جديد براي جايابي ربات‌هاي پرنده با بيشينه پوشش در محيط‌هاي سه‌بعدي برداري پرداخته مي‌شود. بدين‌منظور، نخست، يك الگوريتم هندسي براي تشخيص نواحي تحت پوشش توسعه داده شده است. به‌منظور بيشينه‌سازي ميزان پوشش حسگرها نيز از الگوريتم بهينه‌سازي چرخه آب بهره‌گيري شده است. سپس، به‌منظور پيشگيري از همگرايي زودرس به نقاط زير بهينه و ارتقاء كارايي و توان جستجوي الگوريتم در حل مسئله، به طراحي و توسعه يك الگوريتم بهبوديافته چرخه آب با پارامترهاي كمتر و عملگرهاي ديناميك پرداخته شده است. با در نظر گرفتن چندين سناريو با قيود مكاني مختلف، كارايي الگوريتم پيشنهادي در مقايسه با ساير روش‌ها از منظر ميزان استحكام، زمان اجرا، ميانگين و بهترين مقادير پوشش، انحراف از معيار، سرعت همگرايي و آزمون آماري ويلكاكسون بررسي گرديد. ارزيابي و تحليل نتايج نشان‌دهنده عملكرد برتر رويكرد پيشنهادي با نرخ موفقيت 73 درصد و سطح پوشش 80 درصد در يك فضاي سه‌بعدي برداري است.

The maximum coverage sensor deployment problem has attracted researchers of engineering sciences always as one of the fundamental phases in developing of communication and geospatial infrastructures. In this research, a novel strategy is proposed to tackle the maximum coverage robotic sensor deployment task in 3D vector spaces. For this purpose, first, a geometric algorithm is developed in order to detect the covered areas. The water cycle optimization algorithm is utilized to maximize the sensor coverage. Then, to avoid the problem of premature convergence to local optima and to improve the efficiency and searching potential on the problem, an improved water cycle algorithm with dynamic operations and fewer parameters is designed and developed. With regard to several scenarios with different spatial constraints, the efficiency of the proposed algorithm is compared to other methods based on robustness, running time, best and average of the coverage results, standard deviation, convergence speed, and wilcoxon statistical test. The assessment of the results reveals the superior performance of the proposed approach by success rate of 73% and coverage of 80% in a 3D vector space.