Багаторівнева реконфігурація гетерогенного ройовогокомплексу на основі методу Swarm Chemistry
Main Article Content
Анотація
Необхідність оперативного та безпечного аналізу зон, що постраждали вiд надзвичайних ситуацій, спонукає до пошуку інноваційних підходів у сферi автономних систем. Одним iз таких рiшень є застосування ройових систем безпiлотних лiтальних апаратiв для сканування територiй. У цьому дослiдженнi представлено гiбридний пiдхiд до динамiчного управлiння роєм дронiв, який поєднує механiзми самоорганiзацiї на основi методу «ройової хiмiї» з глобальною оптимiзацiєю параметрiв за допомогою еволюцiйного алгоритму. Запропоновано модуль багаторiвневої реконфiгурацiї рою, що дозволяє адаптувати поведiнку як окремих агентiв, так i всiєї формацiї у вiдповiдь на змiни навколишнього середовища. Реалiзовано модуль кластеризацiї для подiлу областi сканування на пiдобластi, а також систему маршрутного планування з урахуванням iндивiдуальної ширини сканування кожного дрона. Для ефективного розподiлу зон мiж агентами використано пропорцiйний алгоритм, що враховує функцiональнi можливостi кожного апарата. Результати моделювання засвiдчили понад дворазове скорочення часу виконання мiсiї та пiдвищення стабiльностi поведiнки рою, навiть за умов неоднорiдностi його складу та часткової втрати агентiв. Представлений пiдхiд має значний прикладний потенцiал у сферi монiторингу надзвичайних ситуацiй, пошуку постраждалих та оцiнки масштабiв руйнувань. У дослiдженнi сформульовано архiтектуру динамiчної реконфiгурацiї рою, здатну адаптуватися до змiн середовища в режимi реального часу. Такий пiдхiд забезпечує гнучкiсть i стiйкiсть системи пiд час виконання завдань у складних умовах. Подальший розвиток моделi передбачає iнтеграцiю методiв машинного навчання для пiдвищення рiвня адаптивностi, а також розширення до тривимiрного простору задля досягнення бiльшої точностi й реалiзму симуляцiї.