جايابي و پوشش بهينه ربات‌هاي حسگر در فضاي سه‌بعدي برداري بر مبناي جستجوي فراكتال

Optimal Deployment and Coverage of Robotic Sensors in 3D Vector Spaces based on Fractal Search

مسئله جايابي ربات‌هاي حسگر با بيشينه پوشش يكي از مراحل اصلي امكان‌سنجي و توسعه زيرساخت‌هاي ارتباطي و سامانه‌هاي پايش محيطي است. در اين تحقيق، به طراحي و پيشنهاد يك رهيافت جديد به‌منظور جايابي حسگرهاي رباتيك با بيشينه پوشش در فضاي سه‌بعدي برداري پرداخته مي‌شود. بدين منظور، نخست يك رويكرد هندسي جديد به‌منظور محاسبه نواحي تحت پوشش هر حسگر ارائه شده است. به‌منظور بيشينه‌سازي ميزان پوشش شبكه ربات‌ها از الگوريتم جديد جستجوي فراكتال بهره‌گيري شد. اين الگوريتم جمعيت مبناي تكاملي بر اساس پديده رشد فراكتال‌هاي تصادفي ارائه گرديده و از عملكرد مستحكمي در رويارويي با مسائل مقيد و نامقيد بهينه‌سازي برخوردار است. سپس با طراحي چندين سناريوي كاربردي با لحاظ محدوديت‌هاي مكاني، كارايي و عملكرد الگوريتم جستجوي فراكتال با ساير الگوريتم‌ها بر اساس ميزان استحكام، زمان اجرا، كيفيت پوشش، نرخ همگرايي و آزمون آماري ويلكاكسون مقايسه شد. ارزيابي جامع و تحليل نتايج به‌دست‌آمده نشان‌دهنده عملكرد برتر رويكرد جديد به كمك الگوريتم جستجوي فراكتال جهت بيشينه‌سازي پوشش در فضاي سه‌بعدي برداري است. رويكرد پيشنهادي قادر است با بهترين سرعت همگرايي و دقت محاسباتي و آماري، جايابي و پوشش بهينه ربات‌ها را محاسبه نمايد.

The robotic sensor deployment task to achieve maximum converge is one of the main phases in feasibility studies and development of communication infrastructures and environment monitoring systems. In this article, a new approach is proposed to treat the maximum coverage in 3D vector spaces. For this purpose, a new geometric strategy is first presented to compute the area covered by an individual sensor. To maximize the coverage of the robotic network, the fractal search algorithm was employed. This population-based evolutionary algorithm has been proposed based on the growth of the random fractal and demonstrates a robust performance in tackling constrained and unconstrained optimization problems. Then, based on several scenarios and by considering spatial constraints, the efficiency of the fractal search optimizer was compared with other methods in terms of robustness, running time, quality of the coverage results, convergence rate, as well as the statistical test of Wilcoxon. The comprehensive assessment and analysis of the results certify better performance of the proposed approach to maximize the coverage in 3D vector spaces. The proposed approach can obtain the optimal deployment and coverage of the robots by the best convergence rate and computational and statistical precision.