Ein Forschungsteam um Kecheng Su, Yaoyang Wang, Yikang Kong und Wenan Liu hat einen neuartigen Optimierungsalgorithmus vorgestellt, der die Pfadplanung von unbemannten Luftfahrzeugen (UAV) deutlich verbessert. Der Multi-Objective Gold Rush Optimization‑Algorithmus (MOGRO) kombiniert mehrere Zielsetzungen und liefert Pareto‑optimale Lösungen für komplexe Planungsaufgaben.
Hintergrund der Optimierungsaufgabe
Multi‑Objective‑Optimierungsprobleme finden breite Anwendung in Technik und Wissenschaft, wobei die Pfadplanung von UAVs als exemplarisches Szenario gilt. Dabei müssen gleichzeitig Kriterien wie Flugstrecke und Gefährdung durch Hindernisse berücksichtigt werden, was klassische Verfahren vor Herausforderungen stellt.
Innovative Algorithmus‑Konstruktion
Der MOGRO‑Ansatz erweitert den Gold Rush Optimization‑Algorithmus um einen referenzpunktgesteuerten zweistufigen Auswahlmechanismus sowie eine externe Archivstrategie. Diese Erweiterungen ermöglichen eine gezielte Steuerung der Lösungsfindung und sichern die Erhaltung von nicht‑dominierten Lösungen im Optimierungsprozess.
Validierung auf Benchmark‑Tests
Zur Überprüfung der Leistungsfähigkeit wurde MOGRO gegen sieben etablierte Multi‑Objective‑Optimierungsverfahren auf einem Testset von 18 standardisierten Problemen gestellt. Die Analyse umfasste Messgrößen zu Konvergenz, Verteilung und Lösungsqualität.
Ergebnisse der Benchmark‑Analyse
Die Ergebnisse zeigen, dass MOGRO die Vergleichsverfahren in allen betrachteten Kennzahlen signifikant übertrifft. Insbesondere die Fähigkeit, schnell zu konvergieren und gleichzeitig eine breite Streuung der Pareto‑Front zu erzielen, wurde hervorgehoben.
Anwendung im UAV‑Pfadplanungsmodell
Auf Basis der Benchmark‑Ergebnisse wurden die vier besten Algorithmen in ein UAV‑Pfadplanungs‑Modell integriert, das sowohl die Flugstrecke als auch das Risiko von Hindernissen berücksichtigt. Die experimentellen Tests belegen, dass MOGRO die optimale Balance zwischen diesen Zielsetzungen liefert.
Schlussfolgerungen und Ausblick
Der vorgestellte MOGRO‑Algorithmus erweitert das theoretische Fundament des Gold Rush Optimization‑Verfahrens und bietet zugleich eine praxisnahe Lösung für die Pfadplanung von UAVs in komplexen Umgebungen. Die Studie liefert damit sowohl wissenschaftlichen Mehrwert als auch potenzielle Anwendungen in der Luftfahrttechnik.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Ăśbertragung