خلاصة:
در این مقاله یک الگوریتم جدید به نام الگوریتم جستجوی گرانشی با کدگذاری حرکت برای یافتن هدف متحرک با استفاده از هواپیمای بدون سرنشین (پهپاد) ارائه می‌شود. با استفاده از قوانین فیزیک و ویژگی‌های زمین، هر بعد بر اساس نوع متغیر، معادله حرکت خود را دارد. بسیاری از روش‌های اکتشافی سنتی نمی‌توانند در فضاهای با ابعاد بالا برای جستجوی هدف متحرک به راه‌حل مطلوب برسند. فرایند بهینه‌سازی الگوریتم جستجوی گرانشی که بر اساس فعل‌وانفعال گرانشی بین ذره‌ها است، وابستگی به فاصله و ارتباط بین مقادیر جرم و محاسبه برازندگی، این الگوریتم را منحصربه‌فرد می‌کند. در این مقاله، الگوریتم پیشنهادی برای حل مشکل چالش پیچیدگی مسیر به‌منظور یافتن هدف متحرک از طریق کدگذاری حرکت با استفاده از پهپاد ارائه‌شده است. مجموعه‌ای از ذره‌ها در مسیر حرکت برای جستجوی هدف، از طریق ثابت گرانش، عامل وزن، نیرو و فاصله که با بسیاری از سناریوهای جستجو در یک الگوریتم جستجوی گرانشی تکامل‌یافته، به یک راه‌حل نزدیک به بهینه خواهد رسید. این روش کدگذاری شده برای حرکت، امکان حفظ ویژگی‌های مهم ذرات ازجمله حرکت به سمت بهینه سراسری را فراهم می-سازد. نتایج حاصل از شبیه‌سازی با روش موجود نشان می‌دهد که الگوریتم پیشنهادی، عملکرد تشخیص را 12% و عملکرد زمان را 71/1 برابر در مقایسه با APSO بهبود می‌بخشد. علاوه بر این، از دیگر الگوریتم‌های بهینه‌سازی فرا ابتکاری پیشرفته از جمله الگوریتم ژنتیک بهتر عمل می‌کند.
In this paper, a new algorithm called Motion Coding Gravitational Search Algorithm (MGSA) is proposed to find a moving target using a unmanned aerial vehicles (UAVs). Using the laws of physics and the properties of the earth, each dimension has its own equation of motion based on the type of variable. Many traditional exploratory methods can not achieve the desired solution in high-dimensional spaces to search for a moving target. The optimization process of the gravitational search algorithm, which is based on the gravitational interaction between particles, the dependence on the distance and the relationship between mass values, and the fit calculation, make this algorithm unique. In this paper, the proposed MGSA algorithm is proposed to solve the path complexity challenge problem in order to find the moving target through motion coding using UAVs. A set of particles in the path of search for the target will reach a near-optimal solution through the gravity constant, weight factor, force and distance, which evolved with many search scenarios in a GSA algorithm. This coded method of motion makes it possible to preserve important particle properties, including the optimum global motion. The results of the existing simulation show that the proposed MGSA improves the detection performance by 12% and the time performance by 1.71 times compared to APSO. It works better.
(
, 
, 
)
