Key points are not available for this paper at this time.
يُعتبر التجميع الديناميكي متعدد النقاط مشكلة تحسين ذات مغزى نظرًا لتطبيقاتها المهمة في العالم الحقيقي، مثل الإغاثة بعد الكوارث، جدولة الموارد الطبية، والقضاء على حرائق الأدغال. تهدف المشكلة إلى تصميم خطة مثلى لمجموعة من الروبوتات لتنفيذ مهام موزعة جغرافيًا. على عكس معظم مشاكل الجدولة والتوجيه، يمكن تنفيذ المهام في هذه المشكلة بواسطة عدة روبوتات بشكل تعاوني. في الوقت نفسه، يتغير الطلب على كل مهمة بمرور الوقت بمعدل تصاعدي ويتأثر بقدرات الروبوتات التي تنفذها. وهذا يطرح تحديات إضافية للمشكلة، حيث يتعين عليها النظر في العلاقات المعقدة المرتبطة بين الروبوتات والمهام. لحل المشكلة بفعالية، يطور هذا المقال خوارزمية ميتاheuristic جديدة، تُدعى تحسين تنسيق مستعمرة النمل التكييفية (ACO). نقوم بتطوير عملية بناء حل منسق جديدة باستخدام عدة نمل ومصفوفات الفيرومون (كل روبوت/نملة تبحث عن مسار وفقًا لمصفوفة الفيرومون الخاصة بها) للتعامل بشكل فعال مع التعاون بين الروبوتات. نقترح أيضًا معلومات تكييفية تستند إلى المعرفة الميدانية لتعزيز الكفاءة، وآلية إصلاح تستند إلى الفيرومون للتعامل مع القيود الصارمة للمشكلة، وبحث محلي مفصل لتعزيز قدرة الاستكشاف للخوارزمية. تُظهر النتائج التجريبية أن تحسين تنسيق ACO المقترح يتفوق بشكل كبير على أحدث الطرق من حيث الفعالية والكفاءة.
درس جاو وآخرون (الثلاثاء) هذا السؤال.