Бул изилдөө тоскоолдуктар жана коркунуч зоналары бар чөйрөлөрдө учкучсуз учуучу аппараттар үчүн ишке ашырууга мүмкүн болгон маршруттарды түзүү максатында Multi-Strategy Cooperative Differential Evolution Algorithm (MuCDEA) деп аталган кызматташтыкка негизделген дифференциалдык эволюция алкагын иштеп чыгат. Ыкма ар кандай дифференциалдык эволюция стратегияларын өзүнчө субпопуляцияларда иштетет, алардын натыйжалуулугун белгилүү аралыкта баалайт жана ийгиликтүүрөөк стратегияга популяциянын чоңураак үлүшүн бөлөт. Метод 2B жана 3B болуп жалпы 20 жол пландаштыруу учурунда, жолду дискреттештирүүнүн эки башка деңгээлинде жана ар бир учур үчүн 30 көз карандысыз иштетүү менен салыштырылды. CEC-2022 негизиндеги жалпы упайлоодо JADE, SaDE жана SHADE бирге колдонулган MuCDEA24, 292823 упай менен биринчи, ал эми SHADE 290737 упай менен экинчи орунду ээледи. Бирок бул изилдөө реалдуу учуу сыноосу эмес; жыйынтыктар туруктуу тоскоолдуктар колдонулган сандык жол пландаштыруу маселелерине негизделет.

UAV жолун пландаштыруу маселеси баштапкы жана максаттуу чекиттердин ортосундагы эң кыска сызыкты табуу катары гана каралбайт. Максат функциясында жолдун узундугун билдирген күйүүчү май чыгымы менен коркунуч зоналарына дуушар болуу бирге бааланат. Мындан тышкары, ырааттуу жол бөлүктөрүндөгү тангаж жана багыттан четтөө бурчтары чектелип, өтө кескин маневрлерди болтурбоого аракет жасалат. Ошентип алгоритм кыска гана эмес, тоскоолдуктардан качкан жана учуу геометриясы жагынан ишке ашырууга ыңгайлуураак жолдорду түзүүгө багытталат.

MuCDEA24түн күчү бардык сыноолордо өз-өзүнчө эң жакшы натыйжа бергенинен келип чыкпайт. SHADE 20 учурдун сегизинде биринчи орунду ээлесе, MuCDEA24 жети учурда биринчи болду; бирок MuCDEA24 бир да учурда бешинчи орундан төмөн түшкөн жок. Изилдөөнүн жалпы рейтингинде дал ушул туруктуураак жүрүм-турум чечүүчү болду. Изилдөөчүлөр ар кандай издөө стратегияларынын кызматташуусу өзгөрүп турган тоскоолдук бөлүштүрүүлөрүнө жана маселенин өлчөмдөрүнө карата изилдөө-эксплуатация катышын тең салмактуураак түзө аларын көрсөтүшөт.

Жалпы натыйжалуулукту талдоодо MuCDEA24түн 20 учур боюнча орточо максат функциясынын мааниси 2538,42, ал эми SHADEдики 3450,70 деп билдирилди. Изилдөөдөгү эсептөөгө ылайык, бул орточо максат функциясы боюнча болжол менен %26,4 төмөндөө дегенди билдирет. Максат функциясынын стандарттык четтөөсүндө да SHADEге салыштырмалуу болжол менен %51,4 төмөндөө билдирилди. Ошол эле учурда орточо жол узундугу MuCDEA24 үчүн 1750,91, SHADE үчүн 1741,37 деп берилди. Демек, MuCDEA24түн артыкчылыгы кыскараак жол түзүү менен гана түшүндүрүлбөйт; ал коркунуч чыгымын, ишке ашырууга мүмкүнчүлүктү жана натыйжалардын туруктуулугун бирге баалоодон келип чыгат.

MuCDEA24түн орточо симуляция убактысы ар бир иштетүү үчүн 3,38 секундду түзөт. Бул маани SHADEдин 3,32 секундуна жана MuCDEA5тин 3,27 секундуна жакын. Бирок бул убакыттар колдонулган эксперименттик эсептөө шарттарындагы оптималдаштыруу убакыттары болуп саналат жана метод реалдуу UAVда реалдуу убакыт режиминде кайра пландаштыруу жүргүзө аларын далилдебейт.

Түркия жагынан баалоо: Мындай ыкма автономдуу аба аппараттарынын татаал аймактарда маршрут түзүшү, инфраструктураны текшерүү, издөө-куткаруу же жетүү кыйын болгон аймактарда учууну пландаштыруу сыяктуу багыттарда изилдөө маанисине ээ. Бирок Түркиядагы реалдуу операцияларга өткөрүү үчүн жергиликтүү учуу чектөөлөрү, реалдуу карта жана сенсор маалыматтары, шамал, кыймылдуу тоскоолдуктар, батареянын сарпталышы, байланыш шарттары жана аппараттын динамикасы өзүнчө текшерилиши керек. Бул изилдөө алардын талаада колдонулушун көрсөтпөйт.

Изилдөөнүн негизги маселеси эмнеде?

Учкучсуз учуучу аппараттын жолун пландаштырууда максат баштапкы жана максаттуу чекиттердин ортосунда геометриялык жактан кыска жолду гана табуу эмес. Жол тоскоолдуктарды кесип өтпөшү, коркунуч зоналарынан мүмкүн болушунча алыс өтүшү жана аппарат аткара албагыдай өтө кескин багыт өзгөрүүлөрүн камтыбашы керек. Чөйрө 3B болгондо жана тоскоолдуктардын саны көбөйгөндө, мүмкүн болгон жол комбинацияларынын саны да тез өсөт.

Изилдөөдө классикалык A*, Dijkstra жана потенциалдык талаа сыяктуу методдордун белгилүү маселе түзүлүштөрүндөгү мааниси айтылып, жогорку өлчөмдүү жана сызыктуу эмес үзгүлтүксүз оптималдаштыруу маселелери үчүн популяцияга негизделген метаэвристикалык методдорго көңүл бурулат. Изилдөөнүн борборунда Дифференциалдык Эволюция (Differential Evolution, DE) үй-бүлөсү турат.

Дифференциалдык эволюция кантип иштейт?

Стандарттык DE популяциядагы талапкер чечимдердин ортосундагы айырмачылыктарды колдонуп, жаңы чечим векторлорун түзөт. Негизги DE/rand/1 мутациясы изилдөөдө төмөнкүдөй берилет:

\[ v_i^{G+1}=x_{r1}^{G}+F\left(x_{r2}^{G}-x_{r3}^{G}\right) \]

Бул жерде \(F\) айырма векторунун масштабдоо коэффициенти. Мутациядан кийин кроссовер жана тандоо колдонулат. Жаңы DE варианттары болсо мутация стратегиясын, кроссовер катышын, архивди колдонууну, параметрлерди адаптациялоону же популяциянын жүрүм-турумун өзгөртүү аркылуу ар кандай маселе түзүлүштөрүндө жакшыраак натыйжа алууга аракет кылат.

MuCDEAнын негизги жаңылыгы

MuCDEAнын ыкмасы бир нече мутация операторун бир эле DE ичинде кезек-кезеги менен колдонуу гана эмес. Баштапкы популяция тандалган DE алгоритмдерине туура келген өзүнчө субпопуляцияларга бөлүнөт. Изилдөөдө колдонула турган стратегиялар топтому JADE, CoDE, EPSDE, SaDE, MIDE жана SHADEден турат.

Ар бир субпопуляция өз алгоритминин жүрүм-турумуна ылайык эволюцияланат. Белгилүү кайра баалоо аралыктарында ар бир стратегиянын жакынкы мезгилде түзгөн жакшыруусу субпопуляциянын көлөмүнө карата нормалдаштырылат:

\[ \Delta R(j)=\frac{\Delta G(j)}{\max(1,|I_j|)} \]

Эң жогорку нормалдаштырылган жакшырууну берген стратегия ошол мезгилдин эң ийгиликтүү стратегиясы катары тандалат. Жалпы популяциянын негизги үлүшү

\[ s=\left\lfloor \frac{NP}{M+1}\right\rfloor \]

деп аныкталганда, калган индивиддердин саны

\[ r=NP-s(M+1) \]

түрүндө эсептелет. Тандалган эң жакшы стратегия \(2s+r\) индивид, башка стратегиялар болсо \(s\) индивид алышат. Ошентип система ийгиликтүү издөө жүрүм-турумуна көбүрөөк эсептөө ресурстарын бөлүп, башка стратегияларды толук чыгарбай тургандыктан ар түрдүүлүктү сактоого аракет кылат.

Каралган MuCDEA конфигурациялары

• MuCDEA24: JADE + SaDE + SHADE
• MuCDEA5: JADE + SHADE
• MuCDEA14: SaDE + SHADE

Натыйжалардын маанилүү жагы — көбүрөөк алгоритмди кызматташтыкка кошуу автоматтык түрдө жакшыраак жыйынтык бербейт. MuCDEA14 жалпы рейтингде алтынчы болгондо, аны түзгөн SHADE экинчи, SaDE төртүнчү орунду ээледи. Бул жыйынтык кызматташтык түзүмүнүн ийгилиги колдонулган стратегиялар бири-бирин чындап толукташына көз каранды экенин көрсөтөт.

UAV жол пландаштыруу маселесинин коюлушу

2B эксперименттерде баштапкы чекит \((0,0)\), максат \((1000,1000)\); 3B эксперименттерде баштапкы чекит \((0,0,0)\), максат \((1000,1000,1000)\) деп аныкталды. Беш 2B жана беш 3B негизги тоскоолдук түзүлүшү жолду дискреттештирүүнүн эки башка деңгээли менен бааланып, жалпы 20 тесттик учур түзүлдү.

• Cases 1–5: 2B, \(d=10\)
• Cases 6–10: 3B, \(d=10\)
• Cases 11–15: 2B, \(d=20\)
• Cases 16–20: 3B, \(d=20\)

\(d=20\) колдонуу маршрутту көбүрөөк аралык чекиттер менен аныктоого мүмкүндүк берет. Изилдөөдөгү 2B жана 3B жол сүрөттөрү дискреттештирүү деңгээли жогору болгондо тоскоолдуктардын айланасындагы бурулуштарды жана бийиктиктин өзгөрүүлөрүн акырындап жөнгө салууга болорун көрсөтөт. Мунун ордуна чечим өзгөрмөлөрүнүн саны жана оптималдаштыруу жүгү көбөйөт.

Максат функциясы

Жалпы жол чыгымы күйүүчү май/жол чыгымы менен коркунуч чыгымынын салмакталган айкалышы катары аныкталат:

\[ J_{total}=\alpha J_{fuel}+(1-\alpha)J_{threat} \]

UAV ылдамдыгы туруктуу деп кабыл алынгандыктан \(J_{fuel}\) түздөн-түз деталдуу электр кубаты же батарея керектөө модели эмес; геометриялык жол узундугу энергия/күйүүчү май чыгымы үчүн прокси өзгөрмө катары колдонулат. Коркунуч чыгымы болсо жолдун ар бир бөлүгүндөгү беш үлгү алуу чекитинин коркунуч борборлоруна чейинки аралыктарына жараша эсептелет. Коркунуч же тоскоолдук зонасын кесип өткөн маршруттардын максат функциясына чоң айып кошулат.

Булак эскертүүсү: Изилдөөдөгү Теңдеме (18)де биринчи туюнтма \(\alpha J_{fuel}+(1-\alpha)J_{threat}\) түрүндө берилсе, андан кийин дароо көрсөтүлгөн интегралдык жазууда күйүүчү май интегралынын алдында \(\alpha\) коэффициенти көрүнбөйт. Бул мазмунда булак унчукпай оңдолгон жок; негизги аныктама изилдөөдө берилген биринчи туюнтма боюнча жеткирилди.

Учуу геометриясынын чектөөлөрү

Жол бөлүктөрүнүн ортосундагы тангаж жана багыттан четтөө өзгөрүүлөрү да чектелген:

\[ \theta_k= \left| \arctan\left( \frac{z_{k+1}-z_k}{x_{k+1}-x_k} \right) \right| \leq \theta_{\max} \]

\[ \Phi_k= \left| \arctan\left( \frac{y_{k+1}-y_k}{x_{k+1}-x_k} \right) \right| \leq \Phi_{\max} \]

Бул чектөөлөр жол пландаштыргычтын өтө кескин маневрлерди түзүшүн азайтат. Бирок алар толук актуатор модели эмес. Кыймылдаткыч/серво каныгуусу, өзгөрүү ылдамдыгынын чектөөлөрү жана деталдуу энергия керектөө учурдагы изилдөөнүн оптималдаштыруу моделинде түздөн-түз моделденген эмес.

Салыштыруу жана статистикалык баалоо

Ар бир алгоритм ар бир учур үчүн 30 көз карандысыз жолу иштетилди. Бардык методдорго бирдей функцияны баалоо бюджети колдонулду. Натыйжаларды жалпы салыштырууда CEC-2022 негизиндеги рейтинг ыкмасы колдонулду. Ар бир учур үчүн көз карандысыз иштетүүлөрдөн алынган жыйынтыктар бирге рейтингделип, алгоритмдердин рейтинг упайлары кийин 20 учур боюнча бириктирилет. Жогорку жалпы упай күчтүүрөөк жалпы натыйжалуулукту билдирет.

MuCDEA24 эмне үчүн биринчи болду?

MuCDEA24 жалпы 292823 упай менен жалпы рейтингде биринчи, ал эми SHADE 290737 упай менен экинчи болду. Эки методдун ортосундагы упай айырмасы чектелүү болгондуктан, натыйжаны MuCDEA24 бардык шартта ачык-айкын кыйла үстөм деген мааниде чечмелөөгө болбойт.

SHADE 20 учурдун сегизинде биринчи орунду алса, MuCDEA24 жети учурда биринчи болду. Ошол эле учурда MuCDEA24 бир да учурда бешинчи орундан төмөн түшкөн жок. SHADEдин айрым учурлардагы натыйжалуулук өзгөрмөлүүлүгү жогору болушу MuCDEA24түн жалпы рейтингде алдыга чыгышына салым кошту.

Айрыкча 3B Cases 16–20да SHADE беш учурдун баарында биринчи болушу маселенин түзүлүшүнө жараша айрым алгоритмдер дагы эле MuCDEAдан күчтүүрөөк болушу мүмкүн экенин көрсөтөт. Ошондуктан изилдөөнүн негизги жыйынтыгы “MuCDEA ар бир маселеде эң жакшы алгоритм” эмес, кызматташтыкка негизделген ресурс бөлүштүрүү каралган UAVPP тест топтомунда туруктуураак жалпы натыйжалуулукту камсыз кыла алышы мүмкүн деген жыйынтык.

Жол узундугу менен жалпы оптималдаштыруу ийгилиги бир эле нерсе эмес

MuCDEA24түн 20 учур боюнча орточо жол узундугу 1750,91 болсо, бул маани SHADE үчүн 1741,37, MuCDEA14 үчүн 1727,71 жана MuCDEA5 үчүн 1732,29 деп билдирилди. Демек, жалпы рейтингде биринчи болгон MuCDEA24 эң кыска орточо жолду түзгөн метод эмес.

Бул айырма маанилүү: изилдөөдө маршруттун сапаты геометриялык аралык боюнча гана бааланбайт. Коркунуч зоналарынан качуу жана ишке ашырууга мүмкүнчүлүк айыптары да максат функциясына кошулгандыктан, кыскараак болгону менен тоскоолдук же коркунуч зоналары жагынан начар жол жалпы оптималдаштыруу боюнча төмөн сапатта болушу мүмкүн.

Эсептөө жүгү

Орточо симуляция убактысы MuCDEA24 үчүн 3,38 секунд, SHADE үчүн 3,32 секунд жана MuCDEA5 үчүн 3,27 секунд. SaDE үчүн 3,53 секунд, EDEV үчүн 3,82 секунд, ADEDMR үчүн 4,23 секунд жана LensOBLDE үчүн 8,43 секунд деп билдирилди. Бул жыйынтык MuCDEA24түн кошумча кызматташтык механизми тест чөйрөсүндө өтө чоң эсептөө жүгүн жаратпаганын көрсөтөт.

Бирок жогорку өлчөмдүү, кыймылдуу тоскоолдуктары бар жана сенсор маалыматтары тынымсыз жаңыланып турган реалдуу UAV тапшырмасында реалдуу убакыт режиминде иштөө өзүнчө маселе. Изилдөөчүлөр да реалдуу убакыттагы борттук колдонмо жөнүндө тыянак чыгарууга чейин профилдөө, ылдамдатуу, параллелдештирүү жана аппараттык текшерүү зарыл экенин белгилешет.

Изилдөө колдогон жыйынтыктар

• MuCDEA24 каралган 20 UAVPP учурунун жалпы CEC-2022 негизиндеги рейтингинде биринчи болду.
• Кызматташтыкка негизделген DE ыкмасы ар кандай тоскоолдук түзүлүштөрү бар 2B жана 3B маселелерде жогорку рейтинг туруктуулугун көрсөттү.
• MuCDEA24 стандарттык DE жана PSO сыяктуу салыштырмалуу алсызыраак методдорго караганда ишке ашырууга мүмкүн болгон, кагылышуусуз маршруттарды туруктуураак түздү.
• MuCDEA24түн кошумча кызматташтык механизми каралган эсептөө чөйрөсүндө салыштырууга боло турган иштөө убактысы менен аткарылды.
• Жолду жогорку деңгээлде дискреттештирүү маршрутка көбүрөөк геометриялык ийкемдүүлүк бергени менен маселенин өлчөмүн жана эсептөө жүгүн көбөйтөт.

Изилдөө далилдебеген жыйынтыктар

• MuCDEA бардык оптималдаштыруу маселелеринде эң жакшы алгоритм экени көрсөтүлгөн эмес.
• Реалдуу UAVда учуу ийгилиги көрсөтүлгөн эмес.
• Реалдуу убакыттагы борттук кайра маршрут пландаштыруу текшерилген эмес.
• Кыймылдуу тоскоолдуктар же убакыт менен өзгөрүп турган учууга тыюу салынган зоналар сыналган эмес.
• Шамалдын таасири түздөн-түз моделденген эмес.
• LiDAR, камера же RF негизиндеги реалдуу убакыт сенсорлорун бириктирүү колдонулган эмес.
• Толук батарея, электр кубаты жана жылуулук модели колдонулган эмес.
• Актуатор каныгуусу жана актуатор ылдамдыгынын чектөөлөрү түздөн-түз оптималдаштыруу моделине киргизилген эмес.
• Мобилдик роботтор жана адам сымал роботтор үчүн көрсөтүлгөн мүмкүн болгон колдонуулар бул изилдөөдө эксперименттик түрдө текшерилген эмес.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Эксперименттик дизайндын кыскача мазмуну

MuCDEA24 жана SHADE үчүн негизги сандык салыштыруу

Бул салыштыруу изилдөөнүн эң маанилүү чечмелөө чегин да көрсөтөт: MuCDEA24түн жалпы артыкчылыгы жолдун кыскалыгына же учур боюнча биринчи орундардын санына гана негизделбейт. Композиттик максат функциясы, ишке ашырууга мүмкүн болгон маршруттарды түзүү жана ар кандай сценарийлердеги рейтинг туруктуулугу жыйынтыкты бирге аныктайт.

Сүрөттөрдүн илимий мааниси

Изилдөөнүн 2B жана 3B маршрут сүрөттөрүндө MuCDEA тоскоолдук зоналарынын ичинен өтпөстөн, алардын айланасында альтернативдүү маршруттарды түзгөнү көрүнөт. \(d=10\) колдонулган маршруттарда аралык чекиттер азыраак болсо, \(d=20\) колдонулган учурлар өзгөчө тыгыз тоскоолдук топторунун айланасында майда багыт өзгөрүүлөрүнө мүмкүндүк берет. 3B натыйжалар горизонталдык четтөөнү гана эмес, зарыл болгон учурда бийиктик огу боюнча маршрут өзгөрүүсүн да камтыйт.

Ошентсе да сүрөттөр реалдуу дүйнөдө физикалык UAV бул маршруттарды дал ушундай ийгилик менен учуп өткөнүн көрсөтпөйт; булар оптималдаштыруу аркылуу түзүлгөн сандык жол чечимдери.

Булак жана Ыкма Жөнүндө Эскертүү

Толук түпнуска изилдөөнүн аталышы: UAV Path Planning in Obstacle-Rich Environments Using Intelligent Cooperative Differential Evolution Approach

Авторлор: Houssem Rafik El-Hana Bouchekara; Yusuf Abubakar Sha’aban; Mohammad Shoaib Shahriar; Ahmed Tijani Saluwudeen; Muhammad Sharjeel Javaid; Mostafa Kamel Smail; Naif Abdulrahman Najjar; Md Nurul Islam; Asim Seedahmed Ali Osman; Bander Marshud Alshammari.

Жооптуу автор: Houssem Rafik El-Hana Bouchekara.

Биргелешкен биринчи/тең салым: Изилдөөдө биргелешкен биринчи авторлук же тең салым жөнүндө билдирүү жок.

Мекемелер:

1. Department of Electrical Engineering, University of Hafr Al Batin, Hafr Al Batin, Saudi Arabia.
2. Department of Computer, Electrical and Software Engineering, Embry-Riddle Aeronautical University, Prescott, Arizona, USA.
3. Department of Electrical and Electronic Engineering, University of Jos, Jos, Nigeria.
4. Department of Electrical and Electronic Engineering, Imperial College London, London, United Kingdom.
5. IPSA Institute of Polytechnic Science and Aeronautics, Ivry-sur-Seine, France.
6. GeePs Group of Electrical Engineering Paris, UMR 8507, CNRS CentraleSupelec, University Paris-Saclay, Sorbonne University, Gif-sur-Yvette, France.
7. Department of Software Engineering, College of Computer Science & Engineering, University of Hafr Al Batin, Hafr Al Batin, Saudi Arabia.

Журнал: Actuators

Басма: MDPI

Жарыялоо маалыматы: Actuators 2026, 15(7), 386.

DOI:10.3390/act15070386

Расмий жарыялоо шилтемеси:MDPI – Actuators 15(7), 386

Кабыл алынган дата: 18 май 2026.

Ревизия: 21 июнь 2026.

Кабыл алуу: 24 июнь 2026.

Жарыялоо: 9 июль 2026.

Булактын түрү жана рецензиялоо абалы: Рецензияланган түпнуска изилдөө макаласы. Илимий текшерүү негизинен сандык оптималдаштыруу/симуляция салыштырууларына таянат.

Лицензия: Creative Commons Attribution (CC BY).

Каржылоо: Изилдөө Сауд Арабиясынын Билим берүү министрлигинин Deputyship for Research & Innovation түзүмү тарабынан 0027-1446-S номерлүү долбоордун алкагында каржыланган.

Маалыматтардын жеткиликтүүлүгү: Маалыматтарды жооптуу автордон негиздүү өтүнүч боюнча алууга болору көрсөтүлгөн.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышын билдиришкен эмес.

Жасалма интеллектти колдонуу жөнүндө билдирүү: Авторлор ChatGPT-5.5 тексттин айрым бөлүктөрүндө гана редакциялоо, грамматиканы оңдоо жана баяндоонун түшүнүктүүлүгүн жакшыртуу максатында колдонулганын; техникалык мазмун, метод, талдоо, натыйжалар жана тыянактар авторлор тарабынан иштелип чыгып, текшерилгенин ачык билдиришет.

Авторлордун салымдары: Концептуалдаштыруу Houssem Rafik El-Hana Bouchekara жана Yusuf Abubakar Sha’aban; методология жана программалык камсыздоо Houssem Rafik El-Hana Bouchekara; валидация Houssem Rafik El-Hana Bouchekara, Yusuf Abubakar Sha’aban жана Mohammad Shoaib Shahriar; формалдуу талдоо Houssem Rafik El-Hana Bouchekara, Muhammad Sharjeel Javaid жана Bander Marshud Alshammari тарабынан жүргүзүлгөн. Карап чыгуу, маалыматтарды курациялоо, визуалдаштыруу, көзөмөлдөө жана башка салымдар макаладагы CRediT билдирүүсүндө кеңири көрсөтүлгөн.

Булак ичиндеги редакциялык дал келбестиктер

• Теңдеме (18)деги салмакталган максат функциясынын аныктамасы менен андан кийин дароо жазылган интегралдык жазуунун ортосунда күйүүчү май термининин \(\alpha\) коэффициенти боюнча нотациялык айырма бар.
• ADEDMR кыскартмасынын толук жазылышы изилдөөнүн ар башка бөлүмдөрүндө бирдей берилген эмес.
• Салыштыруу алгоритмдеринин тексттик тизмелеринин биринде JADE жок болсо да, натыйжа таблицаларында JADE ачык бааланган жана методдордун жалпы саны таблицаларга шайкеш келет.
• d=20 үчүн 2B Cases 11–15ти түшүндүргөн Сүрөт 9дун акыркы панели булактагы коштомо жазууда “CASE 5” деп жазылган; анын айланасындагы бөлүм болсо Cases 11–15 ырааттуулугун аныктайт.

Бул дал келбестиктер Verianla текстинде булактын ичинен унчукпай оңдолгон жок; окурман изилдөөнү туура баалай алышы үчүн ачык көрсөтүлдү.

Негизги методологиялык чектөөлөр

• Тоскоолдуктар туруктуу; кыймылдуу тоскоолдуктар жана кыймылдуу максаттар бааланган эмес.
• UAV ылдамдыгы туруктуу деп болжолдонгон.
• Жол узундугу деталдуу энергия моделинин ордуна күйүүчү май/энергия үчүн прокси өзгөрмө катары колдонулган.
• Шамалдын бузгуч таасирлери моделге киргизилген эмес.
• Актуатор каныгуусу жана актуатордун өзгөрүү ылдамдыгынын чектөөлөрү ачык түрдө моделденген эмес.
• Минималдуу бурулуш радиусу түздөн-түз моделге киргизилген эмес.
• Байланыш чектөөлөрү каралган эмес.
• Толук батарея жана кубат керектөө модели жок.
• Чөйрө тууралуу маалымат алдын ала белгилүү болгон тоскоолдук жайгашууларына негизделет; реалдуу убакыттагы LiDAR, сүрөт же RF сенсорлорун бириктирүү колдонулган эмес.
• Реалдуу убакыттагы кайра пландаштыруу, hardware-in-the-loop жана реалдуу учуу эксперименттери жүргүзүлгөн эмес.

Демек, изилдөө MuCDEA каралган чектелген UAV жол пландаштыруу тесттеринде күчтүү жана туруктуу оптималдаштыруу алкагы боло аларын көрсөтөт; реалдуу автономдуу аба аппараттарындагы талаалык ийгилик болсо өзүнчө текшерилиши керек. Бул Verianla мазмунундагы илимий жыйынтыктар каралган изилдөөгө негизделет; изилдөөнүн натыйжа чегин кеңейте турган тышкы илимий жыйынтык кошулган эмес.