خوارزمية تحسين الحوت المحسّنة لتخطيط مسارات متعددة الروبوتات

يعتبر تخطيط مسارات متعددة الروبوتات تحديًا وقد جذب انتباهًا متزايدًا بفضل تطبيقاته الواسعة. تقترح هذه المقالة خوارزمية تحسين حوت محسّنة (WOA) مع التعلم القائم على المعارضة المنكسرة والسلوك الكمومي (RQWOA). لقد تمكنت الخوارزمية من تخطيط مسارات سلسة وبدون تصادم للروبوتات من خلال دمج الاستيفاء باستخدام المنحنيات التكعبة وتنسيق متعددة الروبوتات. يُستخدم آلية سلوكية كمومية لتنسيق تطور مجموعة الحيتان خلال المرحلة المتغيرة لزيادة جودة المجموعة والتوازن بين قدرات الاستكشاف والاستغلال للخوارزمية. في الوقت نفسه، تم إدخال التعلم القائم على المعارضة المنكسرة لتحسين دقة تحسين الخوارزمية وسرعة تقاربها. تم مقارنة RQWOA مع سبع خوارزميات فعالة في تجارب على وظائف اختبار كلاسيكية وحالات تخطيط مسارات متعددة الروبوتات. تم اختبار نتائج هذه الطرق إحصائيًا. تشير النتائج التجريبية إلى أن RQWOA لديها دقة حل متفوقة. يُعتبر RQWOA منافسة عالية من حيث طول المسار والثبات في حل مشكلات تخطيط مسارات متعددة الروبوتات.