Une amélioration de l'optimisation par colonie de fourmis hybride et de l'algorithme génétique pour la planification de chemins multi-cartes des robots de sauvetage dans un scénario de catastrophe minière

Cet article propose une approche de planification de chemins multi-cartes pour les robots de sauvetage afin de relever les défis posés par les informations complexes sur les obstacles, la grande incertitude et les difficultés dans les scénarios de catastrophe minière. Basé sur plusieurs cartes environnementales possibles, chacune avec des probabilités subjectives associées dérivées de connaissances antérieures et d'estimations d'experts, un modèle mathématique pour la planification de chemins multi-cartes dans les scénarios de sauvetage en cas de catastrophe minière est développé. Un algorithme hybride amélioré combinant l'optimisation par colonie de fourmis (ACO) et l'algorithme génétique (GA) est ensuite proposé pour résoudre le modèle établi. Dans l'approche hybride, l'ACO amélioré est utilisé pour surmonter les limitations des algorithmes génétiques traditionnels, telles qu'une qualité de population initiale médiocre, une convergence lente et des résultats sous-optimaux. De plus, une stratégie d'évitement d'obstacles basée sur une grille, une zone rectangulaire, est intégrée pour évaluer précisément le chemin d'évitement d'obstacles de chaque individu à travers différentes cartes d'obstacles. Enfin, la faisabilité et l'efficacité de l'algorithme hybride proposé sont validées par des simulations impliquant des cartes de catastrophe minière simples et multiples. Les résultats démontrent le potentiel de l'approche proposée pour résoudre les problèmes d'optimisation des chemins des robots dans des scénarios multi-environnement complexes.