Approche de recherche à couverture complète basée sur un algorithme hybride avec plusieurs AUV dans des environnements inconnus de l'Internet des objets sous-marins

Dans le développement de l'Internet des objets sous-marins (IoUT), la nature inconnue de l'environnement sous-marin représente un enjeu difficile. Dans divers domaines liés à l'IoUT, l'utilisation de véhicules sous-marins autonomes (AUV) pour des missions non pilotées et autonomes est devenue une tendance incontournable. Compte tenu de la particularité des environnements sous-marins, cette étude propose une approche de recherche à couverture complète basée sur un algorithme hybride pour rechercher des cibles mobiles dans des environnements sous-marins inconnus. Cette approche combine la stratégie de clustering Voronoi améliorée, l'algorithme de colonie d'abeilles artificielles (ABC) amélioré, la technique de ligne de visée (LOS) améliorée et la méthode de champ potentiel artificiel (APF) pour améliorer l'efficacité de la recherche sous-marine à couverture complète (FCS). Premièrement, la stratégie de clustering Voronoi améliorée est utilisée pour partitionner l'ensemble de la région sous-marine et allouer chaque partie à un AUV. Deuxièmement, pour améliorer la capacité de recherche des AUV, un algorithme ABC en dimension complète avec un facteur adaptatif est conçu pour planifier des chemins globaux pour les AUV lors de la recherche de cibles, et ces chemins sont ensuite lissés à l'aide de la technique SLOS améliorée. Pendant la navigation des AUV le long des chemins globaux, des obstacles peuvent être détectés ; ainsi, la méthode APF est utilisée pour planifier dynamiquement des chemins locaux pour les AUV afin d'éviter les obstacles. Les résultats expérimentaux montrent que l'approche proposée améliore considérablement l'efficacité de la FCS sous-marine.