Ushbu tadqiqot toʻsiqlar va tahdid zonalari mavjud muhitlarda uchuvchisiz uchish apparatlari uchun amalga oshiriladigan marshrutlarni yaratish maqsadida Multi-Strategy Cooperative Differential Evolution Algorithm (MuCDEA) deb nomlangan hamkorlikka asoslangan differensial evolyutsiya doirasini ishlab chiqadi. Yondashuv turli differensial evolyutsiya strategiyalarini alohida quyi populyatsiyalarda ishga tushiradi, ularning samaradorligini maʼlum oraliqlarda baholaydi va muvaffaqiyatliroq strategiyaga kattaroq populyatsiya ulushini ajratadi. Usul 2B va 3B boʻlgan jami 20 ta yoʻl rejalashtirish holatida, yoʻlni diskretlashtirishning ikki xil darajasida va har bir holat uchun 30 ta mustaqil ishga tushirish bilan taqqoslandi. CEC-2022 asosidagi umumiy ballashda JADE, SaDE va SHADE birgalikda qoʻllanilgan MuCDEA24, 292823 ball bilan birinchi, SHADE esa 290737 ball bilan ikkinchi oʻrinni egalladi. Biroq tadqiqot haqiqiy parvoz sinovi emas; natijalar statsionar toʻsiqlar qoʻllanilgan sonli yoʻl rejalashtirish masalalariga asoslanadi.

UAV yoʻl rejalashtirish masalasi faqat boshlangʻich va maqsad nuqtalari orasidagi eng qisqa chiziqni topish sifatida qaralmaydi. Maqsad funksiyasida yoʻl uzunligini ifodalovchi yoqilgʻi xarajati va tahdid zonalariga duch kelish birgalikda baholanadi. Bundan tashqari, ketma-ket yoʻl qismlaridagi tangaj va ogʻish burchaklari cheklanib, haddan tashqari keskin manevrlarning oldi olinadi. Shu tariqa algoritm nafaqat qisqa, balki toʻsiqlardan qochadigan va parvoz geometriyasi nuqtai nazaridan koʻproq amalga oshiriladigan yoʻllarni hosil qilishga yoʻnaltiriladi.

MuCDEA24 ning kuchi barcha sinovlarda alohida-alohida eng yaxshi natijani berishidan kelib chiqmaydi. SHADE 20 holatning sakkiztasida birinchi oʻrinni egallagan boʻlsa, MuCDEA24 yettita holatda birinchi boʻldi; biroq MuCDEA24 hech bir holatda beshinchi oʻrindan pastga tushmadi. Tadqiqotning umumiy reytingida aynan shu barqarorroq xatti-harakat hal qiluvchi boʻldi. Tadqiqotchilar turli qidiruv strategiyalarining hamkorligi oʻzgaruvchan toʻsiqlar taqsimoti va masala oʻlchamlariga nisbatan kashf etish va ekspluatatsiya oʻrtasida yanada muvozanatli munosabat yaratishi mumkinligini koʻrsatadi.

Umumiy samaradorlik tahlilida MuCDEA24 ning 20 holat boʻyicha oʻrtacha maqsad funksiyasi qiymati 2538,42, SHADE niki esa 3450,70 deb bildirildi. Tadqiqotdagi hisob-kitobga koʻra, bu oʻrtacha maqsad funksiyasi nuqtai nazaridan taxminan %26,4 kamayishni anglatadi. Maqsad funksiyasi standart ogʻishida ham SHADE ga nisbatan taxminan %51,4 kamayish qayd etildi. Bunga qarshi ravishda oʻrtacha yoʻl uzunligi MuCDEA24 uchun 1750,91, SHADE uchun 1741,37 deb berildi. Demak, MuCDEA24 ning afzalligi faqat qisqaroq yoʻl hosil qilishdan iborat emas; u tahdid xarajati, amalga oshirish mumkinligi va natijalar barqarorligini birgalikda baholashdan kelib chiqadi.

MuCDEA24 ning oʻrtacha simulyatsiya vaqti har bir ishga tushirish uchun 3,38 soniyani tashkil etadi. Bu qiymat SHADE ning 3,32 soniyasiga va MuCDEA5 ning 3,27 soniyasiga yaqin. Biroq bu vaqtlar foydalanilgan tajribaviy hisoblash sharoitlaridagi optimallashtirish vaqtlaridir va usul haqiqiy UAV da real vaqt rejimida qayta rejalashtirishni bajara olishini isbotlamaydi.

Turkiya nuqtai nazaridan baholash: Bunday usul avtonom havo vositalarining murakkab hududlarda marshrut tuzishi, infratuzilmani tekshirish, qidiruv-qutqaruv yoki yetib borish qiyin boʻlgan hududlarda parvozni rejalashtirish kabi yoʻnalishlarda tadqiqot qiymatiga ega. Ammo Turkiyadagi real operatsiyalarga tatbiq etish uchun mahalliy parvoz cheklovlari, haqiqiy xarita va sensor maʼlumotlari, shamol, harakatlanuvchi toʻsiqlar, batareya sarfi, aloqa sharoitlari va transport vositasi dinamikasi alohida tekshirilishi kerak. Ushbu tadqiqot bularning dala sharoitidagi qoʻllanilishini koʻrsatmaydi.

Tadqiqotning asosiy muammosi nima?

Uchuvchisiz uchish apparati yoʻlini rejalashtirishda maqsad faqat boshlangʻich va maqsad nuqtalari orasida geometrik jihatdan qisqa yoʻl topish emas. Yoʻl toʻsiqlarni kesib oʻtmasligi, tahdid zonalaridan imkon qadar uzoq oʻtishi va vosita bajara olmaydigan darajada keskin yoʻnalish oʻzgarishlarini oʻz ichiga olmasligi kerak. Muhit 3B boʻlganda va toʻsiqlar soni ortganda, mumkin boʻlgan yoʻl kombinatsiyalari soni ham tez oʻsadi.

Tadqiqotda klassik A*, Dijkstra va potensial maydon kabi usullarning ayrim masala tuzilmalaridagi ahamiyati tilga olinadi, shu bilan birga yuqori oʻlchamli va chiziqli boʻlmagan uzluksiz optimallashtirish masalalari uchun populyatsiyaga asoslangan metaevristik usullarga eʼtibor qaratiladi. Tadqiqot markazida Differensial Evolyutsiya (Differential Evolution, DE) oilasi turadi.

Differensial evolyutsiya qanday ishlaydi?

Standart DE populyatsiyadagi nomzod yechimlar oʻrtasidagi farqlardan foydalanib yangi yechim vektorlarini hosil qiladi. Asosiy DE/rand/1 mutatsiyasi tadqiqotda quyidagi koʻrinishda beriladi:

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

Bu yerda \(F\) farq vektorining masshtablash koeffitsiyentidir. Mutatsiyadan soʻng krossover va tanlash qoʻllanadi. Yangi DE variantlari esa mutatsiya strategiyasi, krossover nisbati, arxivdan foydalanish, parametrlarni moslashtirish yoki populyatsiya xatti-harakatini oʻzgartirish orqali turli masala tuzilmalarida yaxshiroq natijaga erishishga intiladi.

MuCDEA ning asosiy yangiligi

MuCDEA yondashuvi bir nechta mutatsiya operatorini bir DE ichida navbatma-navbat qoʻllashdan iborat emas. Boshlangʻich populyatsiya tanlangan DE algoritmlariga mos keluvchi alohida quyi populyatsiyalarga boʻlinadi. Tadqiqotda foydalanish mumkin boʻlgan strategiyalar havzasi JADE, CoDE, EPSDE, SaDE, MIDE va SHADE dan iborat.

Har bir quyi populyatsiya oʻz algoritmining xatti-harakatiga muvofiq rivojlanadi. Maʼlum qayta baholash oraliqlarida har bir strategiyaning yaqin davrda hosil qilgan yaxshilanishi quyi populyatsiya oʻlchamiga nisbatan normallashtiriladi:

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

Eng yuqori normallashtirilgan yaxshilanishni taʼminlagan strategiya shu davrning eng muvaffaqiyatli strategiyasi sifatida tanlanadi. Umumiy populyatsiyaning asosiy ulushi

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

deb belgilanganida, qolgan individlar soni

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

koʻrinishida hisoblanadi. Tanlangan eng yaxshi strategiya \(2s+r\) individ, boshqa strategiyalar esa \(s\) individ oladi. Shu tariqa tizim muvaffaqiyatli qidiruv xatti-harakatiga koʻproq hisoblash resursini ajratadi, boshqa strategiyalarni butunlay chiqarib tashlamagani uchun esa xilma-xillikni saqlashga harakat qiladi.

Koʻrib chiqilgan MuCDEA konfiguratsiyalari

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

Natijalarning muhim jihatlaridan biri shundaki, koʻproq algoritmni hamkorlikka qoʻshish avtomatik ravishda yaxshiroq natija bermaydi. MuCDEA14 umumiy reytingda oltinchi boʻlganida, uni tashkil etuvchi SHADE ikkinchi, SaDE esa toʻrtinchi oʻrinni egalladi. Bu natija hamkorlik tuzilmasining muvaffaqiyati qoʻllanilgan strategiyalarning bir-birini haqiqatan toʻldirishiga bogʻliq ekanini koʻrsatadi.

UAV yoʻl rejalashtirish masalasining tuzilishi

2B tajribalarda boshlangʻich nuqta \((0,0)\), maqsad \((1000,1000)\); 3B tajribalarda boshlangʻich \((0,0,0)\), maqsad \((1000,1000,1000)\) deb belgilandi. Beshta 2B va beshta 3B asosiy toʻsiq joylashuvi yoʻlni diskretlashtirishning ikki xil darajasi bilan baholanib, jami 20 ta sinov holati yaratildi.

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

\(d=20\) dan foydalanish marshrutni koʻproq oraliq nuqtalar bilan belgilash imkonini beradi. Tadqiqotdagi 2B va 3B yoʻl tasvirlari yuqori diskretlashtirish darajasida toʻsiqlar atrofidagi burilishlar va balandlik oʻzgarishlarini yanada bosqichma-bosqich tartibga solish mumkinligini koʻrsatadi. Buning evaziga qaror oʻzgaruvchilari soni va optimallashtirish yuki ortadi.

Maqsad funksiyasi

Umumiy yoʻl xarajati yoqilgʻi/yoʻl xarajati va tahdid xarajatining vaznlangan birikmasi sifatida belgilanadi:

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

UAV tezligi oʻzgarmas deb qabul qilinganligi sababli \(J_{fuel}\) bevosita batafsil elektr quvvati yoki batareya sarfi modeli emas; geometrik yoʻl uzunligi energiya/yoqilgʻi xarajati uchun proksi oʻzgaruvchi sifatida qoʻllanadi. Tahdid xarajati esa yoʻlning har bir qismidagi beshta namuna olish nuqtasining tahdid markazlarigacha boʻlgan masofalariga qarab hisoblanadi. Tahdid yoki toʻsiq zonasini kesib oʻtadigan marshrutlarning maqsad funksiyasiga katta jarima beriladi.

Manba izohi: Tadqiqotdagi Tenglama (18) da birinchi ifoda \(\alpha J_{fuel}+(1-\alpha)J_{threat}\) koʻrinishida boʻlsa-da, undan keyin berilgan integral yoyilmasida yoqilgʻi integralining oldida \(\alpha\) koeffitsiyenti koʻrinmaydi. Ushbu mazmunda manba jimlik bilan tuzatilmagan; asosiy taʼrif tadqiqotda berilgan birinchi ifodaga muvofiq yetkazilgan.

Parvoz geometriyasi cheklovlari

Yoʻl qismlari orasidagi tangaj va ogʻish oʻzgarishlari ham cheklangan:

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

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

Bu cheklovlar yoʻl rejalashtiruvchining haddan tashqari keskin manevrlar hosil qilishini kamaytiradi. Biroq ular toʻliq aktuator modeli emas. Dvigatel/servo toʻyinishi, oʻzgarish tezligi cheklovlari va batafsil quvvat sarfi amaldagi tadqiqot optimallashtirish modelida bevosita modellashtirilmagan.

Taqqoslash va statistik baholash

Har bir algoritm har bir holat uchun 30 mustaqil marta ishga tushirildi. Barcha usullarga bir xil funksiya baholash byudjeti qoʻllandi. Natijalarni umumiy taqqoslashda CEC-2022 asosidagi reyting usuli ishlatildi. Har bir holat uchun mustaqil ishga tushirishlardan olingan natijalar birgalikda reytinglanadi va algoritmlarning reyting ballari keyin 20 holat boʻyicha birlashtiriladi. Yuqoriroq jami ball kuchliroq umumiy samaradorlikni anglatadi.

MuCDEA24 nega birinchi boʻldi?

MuCDEA24 jami 292823 ball bilan umumiy reytingda birinchi, SHADE esa 290737 ball bilan ikkinchi boʻldi. Ikki usul oʻrtasidagi ball farqi cheklanganligi sababli natijani MuCDEA24 har qanday sharoitda aniq katta ustunlikka ega degan maʼnoda talqin qilmaslik kerak.

SHADE 20 holatning sakkiztasida birinchi oʻrinni egallagan boʻlsa, MuCDEA24 yettita holatda birinchi boʻldi. Bunga qarshi MuCDEA24 hech bir holatda beshinchi oʻrindan pastga tushmadi. SHADE ning ayrim holatlardagi samaradorlik tebranishlari yuqoriroq boʻlishi MuCDEA24 ning umumiy reytingda oldinga chiqishiga hissa qoʻshdi.

Ayniqsa 3B Cases 16–20 da SHADE beshta holatning barchasida birinchi boʻlgani, masala tuzilishiga qarab alohida algoritmlar hanuz MuCDEA dan kuchliroq boʻlishi mumkinligini koʻrsatadi. Shu sababli tadqiqotning asosiy xulosasi “MuCDEA har bir masalada eng yaxshi algoritm” emas, balki hamkorlikdagi resurs taqsimoti koʻrib chiqilgan UAVPP sinov toʻplamida barqarorroq umumiy samaradorlikni taʼminlashi mumkinligidir.

Yoʻl uzunligi bilan umumiy optimallashtirish muvaffaqiyati bir xil narsa emas

MuCDEA24 ning 20 holat boʻyicha oʻrtacha yoʻl uzunligi 1750,91 boʻlsa, bu qiymat SHADE uchun 1741,37, MuCDEA14 uchun 1727,71 va MuCDEA5 uchun 1732,29 deb bildirildi. Demak, umumiy reytingda birinchi boʻlgan MuCDEA24 eng qisqa oʻrtacha yoʻlni hosil qiluvchi usul emas.

Bu farq muhim: tadqiqotda marshrut sifati faqat geometrik masofa boʻyicha baholanmaydi. Tahdid zonalaridan qochish va amalga oshirish mumkinligi jarimalari ham maqsad funksiyasiga kiritilgani uchun qisqaroq, lekin toʻsiq yoki tahdid zonalari nuqtai nazaridan yomon yoʻl umumiy optimallashtirish nuqtai nazaridan pastroq sifatga ega boʻlishi mumkin.

Hisoblash yuki

Oʻrtacha simulyatsiya vaqti MuCDEA24 uchun 3,38 soniya, SHADE uchun 3,32 soniya va MuCDEA5 uchun 3,27 soniyani tashkil etadi. SaDE uchun 3,53 soniya, EDEV uchun 3,82 soniya, ADEDMR uchun 4,23 soniya va LensOBLDE uchun 8,43 soniya qayd etilgan. Bu natija MuCDEA24 ning qoʻshimcha hamkorlik mexanizmi sinov muhitida haddan tashqari hisoblash yukini yuzaga keltirmaganini koʻrsatadi.

Biroq yuqori oʻlchamli, harakatlanuvchi toʻsiqlarga ega va sensor maʼlumotlari doimiy ravishda yangilanadigan haqiqiy UAV vazifasida real vaqt rejimida ishlash alohida masaladir. Tadqiqotchilar ham real vaqtdagi bort ilovasi haqida daʼvo qilishdan oldin profillash, tezlashtirish, parallellashtirish va apparat vositalarida tekshirish zarurligini taʼkidlaydi.

Tadqiqot qoʻllab-quvvatlaydigan xulosalar

• MuCDEA24 koʻrib chiqilgan 20 UAVPP holatining umumiy CEC-2022 asosidagi reytingida birinchi boʻldi.
• Hamkorlikdagi DE yondashuvi turli toʻsiq joylashuvlari bilan 2B va 3B masalalarda yuqori reyting barqarorligini koʻrsatdi.
• MuCDEA24 standart DE va PSO kabi kuchsizroq taqqoslash usullariga nisbatan amalga oshiriladigan, toʻqnashuvsiz marshrutlarni yanada izchil hosil qildi.
• MuCDEA24 ning qoʻshimcha hamkorlik mexanizmini koʻrib chiqilgan hisoblash muhitida taqqoslanadigan ish vaqti bilan bajarish mumkin boʻldi.
• Yoʻlni yuqoriroq darajada diskretlashtirish marshrutga koʻproq geometrik moslashuvchanlik berishi bilan birga masala oʻlchami va hisoblash yukini oshiradi.

Tadqiqot isbotlamagan xulosalar

• MuCDEA barcha optimallashtirish masalalarida eng yaxshi algoritm ekani koʻrsatilmagan.
• Haqiqiy UAV da parvoz muvaffaqiyati koʻrsatilmagan.
• Real vaqt rejimidagi bortda qayta marshrut rejalashtirish tasdiqlanmagan.
• Harakatlanuvchi toʻsiqlar yoki vaqt oʻtishi bilan oʻzgaradigan uchish taqiqlangan zonalar sinovdan oʻtkazilmagan.
• Shamol taʼsiri bevosita modellashtirilmagan.
• LiDAR, kamera yoki RF asosidagi real vaqt sensor sintezi qoʻllanmagan.
• Toʻliq batareya, elektr quvvati va issiqlik modeli qoʻllanmagan.
• Aktuator toʻyinishi va aktuator tezligi cheklovlari bevosita optimallashtirish modeliga kiritilmagan.
• Mobil robotlar va gumanoid robotlar uchun koʻrsatilgan mumkin boʻlgan qoʻllanmalar ushbu tadqiqotda tajribaviy ravishda tasdiqlanmagan.

Tadqiqot Usuli va Natijalari

Tajriba dizaynining qisqacha mazmuni

MuCDEA24 va SHADE uchun asosiy miqdoriy taqqoslash

Bu taqqoslash tadqiqotdagi eng muhim talqin chegarasini ham koʻrsatadi: MuCDEA24 ning umumiy ustunligi faqat yoʻlning qisqaligiga yoki holatlar boʻyicha birinchi oʻrinlar soniga asoslanmaydi. Murakkab maqsad funksiyasi, amalga oshiriladigan marshrutlarni hosil qilish va turli ssenariylardagi reyting barqarorligi birgalikda natijani belgilaydi.

Shakllarning ilmiy xabari

Tadqiqotning 2B va 3B marshrut tasvirlarida MuCDEA toʻsiq zonalarining ichidan oʻtish oʻrniga ularning atrofidan muqobil marshrutlar hosil qilishi koʻrinadi. \(d=10\) ishlatilgan marshrutlarda oraliq nuqtalar kamroq boʻlsa, \(d=20\) ishlatilgan holatlar ayniqsa zich toʻsiq toʻplamlari atrofida nozikroq yoʻnalish oʻzgarishlariga imkon beradi. 3B natijalar nafaqat gorizontal ogʻishni, balki zarur boʻlganda balandlik oʻqi boʻyicha marshrut oʻzgarishini ham oʻz ichiga oladi.

Biroq tasvirlar haqiqiy dunyoda jismoniy UAV bu marshrutlarni xuddi shunday muvaffaqiyat bilan uchib oʻtganini koʻrsatmaydi; ular optimallashtirish orqali yaratilgan sonli yoʻl yechimlaridir.

Manba va Usul Haqida Izoh

Toʻliq asl tadqiqot nomi: UAV Path Planning in Obstacle-Rich Environments Using Intelligent Cooperative Differential Evolution Approach

Mualliflar: 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.

Masʼul muallif: Houssem Rafik El-Hana Bouchekara.

Birgalikdagi birinchi/teng hissa: Tadqiqotda birgalikdagi birinchi mualliflik yoki teng hissa haqida bayonot mavjud emas.

Muassasalar:

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.

Jurnal: Actuators

Nashriyot: MDPI

Nashr maʼlumoti: Actuators 2026, 15(7), 386.

DOI:10.3390/act15070386

Rasmiy nashr havolasi:MDPI – Actuators 15(7), 386

Qabul qilib olingan sana: 18 may 2026.

Qayta koʻrib chiqish: 21 iyun 2026.

Qabul: 24 iyun 2026.

Nashr: 9 iyul 2026.

Manba turi va taqriz holati: Taqrizdan oʻtgan original tadqiqot maqolasi. Ilmiy tasdiqlash katta darajada sonli optimallashtirish/simulyatsiya taqqoslashlariga asoslanadi.

Litsenziya: Creative Commons Attribution (CC BY).

Moliyalashtirish: Tadqiqot Saudiya Arabistoni Taʼlim vazirligining Deputyship for Research & Innovation tashkiloti tomonidan 0027-1446-S raqamli loyiha doirasida moliyalashtirilgan.

Maʼlumotlarning mavjudligi: Maʼlumotlarni masʼul muallifdan oqilona soʻrov asosida olish mumkinligi qayd etilgan.

Manfaatlar toʻqnashuvi: Mualliflar manfaatlar toʻqnashuvini maʼlum qilmagan.

Sunʼiy intellektdan foydalanish bayonoti: Mualliflar ChatGPT-5.5 matnning ayrim qismlarida faqat tahrir, grammatik tuzatish va bayon ravshanligini yaxshilash maqsadida qoʻllanilganini; texnik mazmun, usul, tahlil, natijalar va xulosalar mualliflar tomonidan ishlab chiqilgan va tasdiqlanganini aniq bayon qiladi.

Mualliflar hissasi: Konseptuallashtirish Houssem Rafik El-Hana Bouchekara va Yusuf Abubakar Sha’aban; metodologiya va dasturiy taʼminot Houssem Rafik El-Hana Bouchekara; tasdiqlash Houssem Rafik El-Hana Bouchekara, Yusuf Abubakar Sha’aban va Mohammad Shoaib Shahriar; formal tahlil Houssem Rafik El-Hana Bouchekara, Muhammad Sharjeel Javaid va Bander Marshud Alshammari tomonidan bajarilgan. Koʻrib chiqish, maʼlumotlar kuratsiyasi, vizuallashtirish, nazorat va boshqa hissalar maqoladagi CRediT bayonotida batafsil koʻrsatilgan.

Manba ichidagi tahririy nomuvofiqliklar

• Tenglama (18) dagi vaznlangan maqsad funksiyasi taʼrifi bilan darhol undan keyin yozilgan integral yoyilmasi oʻrtasida yoqilgʻi hadi uchun \(\alpha\) koeffitsiyenti jihatidan notatsion farq mavjud.
• ADEDMR qisqartmasining yoyilmasi tadqiqotning turli boʻlimlarida bir xil shaklda berilmagan.
• Taqqoslash algoritmlarining matnli roʻyxatlaridan birida JADE boʻlmasa-da, natija jadvallarida JADE aniq baholangan va jami usullar soni jadvallar bilan mos keladi.
• d=20 uchun 2B Cases 11–15 ni tushuntiruvchi Shakl 9 ning oxirgi paneli manba tagyozuvida “CASE 5” deb yozilgan; atrofdagi boʻlim esa Cases 11–15 ketma-ketligini belgilaydi.

Bu nomuvofiqliklar Verianla matnida manba ichidan jimlik bilan tuzatilmagan, balki oʻquvchi tadqiqotni toʻgʻri baholashi uchun ochiq koʻrsatilgan.

Asosiy metodologik cheklovlar

• Toʻsiqlar statsionar; harakatlanuvchi toʻsiqlar va harakatlanuvchi maqsadlar baholanmagan.
• UAV tezligi oʻzgarmas deb faraz qilingan.
• Yoʻl uzunligi batafsil energiya modeli oʻrniga yoqilgʻi/energiya uchun proksi oʻzgaruvchi sifatida qoʻllanilgan.
• Shamol buzilishlari modelga kiritilmagan.
• Aktuator toʻyinishi va aktuator oʻzgarish tezligi cheklovlari aniq modellashtirilmagan.
• Minimal burilish radiusi bevosita modelga kiritilmagan.
• Aloqa cheklovlari koʻrib chiqilmagan.
• Toʻliq batareya va quvvat sarfi modeli mavjud emas.
• Muhit haqidagi maʼlumot oldindan maʼlum toʻsiq joylashuvlariga asoslangan; real vaqtli LiDAR, tasvir yoki RF sensor sintezi qoʻllanmagan.
• Real vaqtli qayta rejalashtirish, hardware-in-the-loop va haqiqiy parvoz tajribalari oʻtkazilmagan.

Shunday qilib, tadqiqot MuCDEA koʻrib chiqilgan cheklangan UAV yoʻl rejalashtirish sinovlarida kuchli va barqaror optimallashtirish doirasi boʻlishi mumkinligini koʻrsatadi; haqiqiy avtonom havo vositalarida dala sharoitidagi muvaffaqiyat esa alohida tasdiqlanishi kerak. Ushbu Verianla mazmunidagi ilmiy xulosalar koʻrib chiqilgan tadqiqotga asoslanadi; tadqiqot natijalari doirasini kengaytiradigan tashqi ilmiy xulosa qoʻshilmagan.