진화적 양분 다목적 UAV 경로 계획: 문제점 및 실증적 비교

Evolutionary Biparty Multiobjective UAV Path Planning: Problems and Empirical Comparisons

무인 항공기(UAV)는 도시 임무에서 널리 사용되며, 적절한 UAV 경로 계획은 임무 효율성을 향상시키는 동시에 잠재적인 외부 영향의 위험을 줄일 수 있습니다. 기존 연구에서는 효율성과 안전성이라는 모든 목표를 단일 의사 결정자(DM)를 대상으로 고려하고, 이를 다목적 최적화 문제(MOP)로 간주했습니다. 그러나 일반적으로 단일 DM이 있는 것이 아니라 효율성 DM과 안전성 DM이라는 두 개의 DM이 존재하며, 각 DM은 자신의 목표에만 집중합니다. 최종 결정은 두 DM의 솔루션을 기반으로 이루어집니다. 본 논문에서는 처음으로 효율성과 안전 부서 모두를 포함하는 양분 다목적 UAV 경로 계획(BPMO-UAVPP) 문제를 모델링합니다. 기존의 비지배 이웃 기반 선택(NNIA)을 사용하는 다목적 면역 알고리즘, 다목적 면역 알고리즘을 위한 하이브리드 진화 프레임워크(HEIA), 그리고 적응형 면역 기반 다목적 알고리즘(AIMA)을 BPMO-UAVPP 문제 해결을 위해 수정하고, BPNNIA, BPHEIA 및 BPAIMA를 포함하는 양분 다목적 최적화 알고리즘을 제안하고, 이를 기존의 다목적 진화 알고리즘 및 일반적인 양분 다목적 진화 알고리즘(예: OptMPNDS 및 OptMPNDS2)과 종합적으로 비교합니다. 실험 결과는 BPAIMA가 NSGA-II와 같은 일반적인 다목적 진화 알고리즘 및 OptMPNDS, OptMPNDS2, BPNNIA 및 BPHEIA와 같은 양분 다목적 진화 알고리즘보다 우수한 성능을 보인다는 것을 보여줍니다.

Unmanned aerial vehicles (UAVs) have been widely used in urban missions, and proper planning of UAV paths can improve mission efficiency while reducing the risk of potential third-party impact. Existing work has considered all efficiency and safety objectives for a single decision-maker (DM) and regarded this as a multiobjective optimization problem (MOP). However, there is usually not a single DM but two DMs, i.e., an efficiency DM and a safety DM, and the DMs are only concerned with their respective objectives. The final decision is made based on the solutions of both DMs. In this paper, for the first time, biparty multiobjective UAV path planning (BPMO-UAVPP) problems involving both efficiency and safety departments are modeled. The existing multiobjective immune algorithm with nondominated neighbor-based selection (NNIA), the hybrid evolutionary framework for the multiobjective immune algorithm (HEIA), and the adaptive immune-inspired multiobjective algorithm (AIMA) are modified for solving the BPMO-UAVPP problem, and then biparty multiobjective optimization algorithms, including the BPNNIA, BPHEIA, and BPAIMA, are proposed and comprehensively compared with traditional multiobjective evolutionary algorithms and typical multiparty multiobjective evolutionary algorithms (i.e., OptMPNDS and OptMPNDS2). The experimental results show that BPAIMA performs better than ordinary multiobjective evolutionary algorithms such as NSGA-II and multiparty multiobjective evolutionary algorithms such as OptMPNDS, OptMPNDS2, BPNNIA and BPHEIA.