دوره 23، شماره 2 - ( مجله مهندسی برق و الکترونیک ایران - جلد 23 شماره 2 1405 )                   جلد 23 شماره 2 صفحات 84-76 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sayyadi H, Mohassel Feghhi M, Sayyadi J. Rapid Intelligent Routing for Heterogeneous Drones in Irregular Paths Using an Advanced Adaptive Algorithm. Journal of Iranian Association of Electrical and Electronics Engineers 2026; 23 (2) :76-84
URL: http://jiaeee.com/article-1-1739-fa.html
صیادی حمید، محصل فقهی محمود، صیادی جواد. مسیریابی هوشمند سریع برای پهپادهای ناهمگن در مسیر‌های غیریکنواخت با استفاده از الگوریتم تطبیق‌پذیر پیشرفته. نشریه مهندسی برق و الکترونیک ایران. 1405; 23 (2) :76-84

URL: http://jiaeee.com/article-1-1739-fa.html


دانشکده مهندسی برق و کامپیوترـ دانشگاه تبریز
چکیده:   (33 مشاهده)
در این مقاله، یک روش مسیریابی هوشمند سریع برای پهپاد­های ناهمگن در مسیر­های غیریکنواخت ارائه می‌شود. این روش، با استفاده از الگوریتم تطبیق‌پذیر پیشرفته، به پهپاد‌ها امکان می‌دهد تا به طور هوشمندانه مسیر خود را در محیط‌های غیریکنواخت تعیین کرده و مأموریت‌های مختلف را اجرا ‌کنند که از طریق تطبیق خوشه‌بندی با ویژگی‌های محیطی، پهپادها قادر خواهند بود تا به‌صورت دقیق و سریع به تغییرات محیط پاسخ دهند و از مسیریابی بهینه برای دستیابی به اهداف مأموریتی خود بهره‌مند شوند. نتایج شبیه‌سازی نشان می‌دهد که استفاده از این روش مسیریابی، باعث بهبود عملکرد و کارایی پهپادها در مأموریت‌های شهری و از آن مهم­تر، باعث کاهش زمان اجرای مسیریابی در مقایسه با سایر روش‌های رایج می­گردد و به عبارتی انجام وظایف بادقت بالا در کمترین زمان انجام می‌شود. این مقاله تلاش می‌کند تا یک ارتقاء قابل توجه در حوزه مسیریابی پهپاد‌ها در محیط‌های غیریکنواخت مانند محیط­های شهری ارائه دهد و کاربردهای گسترده‌ای در حوزه‌های امنیتی، نظارتی و ارتباطات را به دنبال داشته باشد.
 
متن کامل [PDF 777 kb]   (16 دریافت)    
نوع مقاله: پژوهشي | موضوع مقاله: مخابرات
دریافت: 1403/4/11 | پذیرش: 1405/2/26 | انتشار: 1405/4/1

فهرست منابع
1. [1] Sayyadi, H., Mohassel Feghhi, M., Atashbar, M., Nangir, M., & Sayyadi, J. (2024). Efficient four-dimensional routing planning of heterogeneous drones utilizing the fuzzy clustering algorithm in complex entropy environments. TABRIZ JOURNAL OF ELECTRICAL ENGINEERING.
2. [2] L. Fathollahi, M. M. Feghhi, and M. Atashbar, "Energy optimization for full-duplex wireless-powered IoT networks using rotary-wing UAV with multiple antennas," Computer Communications ", vol. 215, pp. 62-73, 2024. https://doi.org/10.1016/j.comcom.2023.12.011 [DOI:10.1016/j.comcom.2023.12.011.]
3. [3] Sayyadi, H., Feghhi, M. M., Nangir, M., & Sayyadi, J. (2025, April). Improving UAV-Based Monitoring of Solar Power Plants Using Coverage Path Planning Model with Adaptive Learning Algorithm. In 2025 10th International Conference on Technology and Energy Management (ICTEM) (pp. 1-7). IEEE. [DOI:10.1109/ICTEM66196.2025.11063624]
4. [4] Hajian E, khayyambashi M R, movahedinia N. SDN-Improved LEACH: A new energy-aware routing algorithm to increase life time in software defined wireless networks. Journal of Iranian Association of Electrical and Electronics Engineers 2023; 20 (3) :117-124 [DOI:10.52547/jiaeee.20.3.117]
5. [5] Maleki, F., Jamali, M. A. J., & Heidari, A. (2025). Unmanned aerial vehicle routing based on frog-leaping optimization algorithm. Scientific Reports, 15(1), 11249. [DOI:10.1038/s41598-025-95854-6]
6. [6] Sayyadi, J., Nangir, M., Feghhi, M. M., & Sayyadi, H. (2025, April). Optimal Management of Solar Energy Generation Using Derivatives of Irradiation Angle Data with the Gradient Boosting Algorithm. In 2025 10th International Conference on Technology and Energy Management (ICTEM) (pp. 1-6). IEEE. [DOI:10.1109/ICTEM66196.2025.11063646]
7. [7] Zhang, Jie, Hanlin Sheng, Qian Chen, Han Zhou, Bingxiong Yin, Jiacheng Li, and Mengmeng Li. "A Four-dimensional space-time automatic obstacle avoidance trajectory planning method for multi-UAV cooperative formation flight." Drones 6, no. 8 (2022): 192. [DOI:10.3390/drones6080192]
8. [8] Sayyadi, J., Nangir, M., Feghhi, M. M., & Sayyadi, H. (2025). Utilizing Model-Free Reinforcement Learning for Optimizing Secure Multi-Party Computation Protocols. arXiv preprint arXiv:2510.07814.
9. [9] Rovira-Sugranes, Arnau, Abolfazl Razi, Fatemeh Afghah, and Jacob Chakareski. "A review of AI-enabled routing protocols for UAV networks: Trends, challenges, and future outlook." Ad Hoc Networks" 130 (2022): 102790. [DOI:10.1016/j.adhoc.2022.102790]
10. [10] Chen, Jinchao, Fuyuan Ling, Ying Zhang, Tao You, Yifan Liu, and Xiaoyan Du. "Coverage path planning of heterogeneous unmanned aerial vehicles based on ant colony system." Swarm and Evolutionary Computation 69 (2022): 101005. [DOI:10.1016/j.swevo.2021.101005]
11. [11] Chen, Jinchao, Chenglie Du, Ying Zhang, Pengcheng Han, and Wei Wei. "A clustering-based coverage path planning method for autonomous heterogeneous UAVs." IEEE Transactions on Intelligent Transportation Systems 23, no. 12 (2021): 25546-25556. [DOI:10.1109/TITS.2021.3066240]
12. [12] Ikram, M., & Sroufe, R. (2025). A novel sequential block path planning method for 3D unmanned aerial vehicle routing in sustainable supply chains. Supply Chain Analytics, 9, 100094. [DOI:10.1016/j.sca.2024.100094]
13. [13] Duan, P., Fu, X., Hu, J., Zhou, J., & Guo, P. (2026). Path planning for UAV-based construction safety inspection under spatiotemporal interference from tower cranes. Automation in Construction, 182, 106762. [DOI:10.1016/j.autcon.2026.106762]
14. [14] Cao, Z. (2025). Simulation investigation of autonomous route planning for unmanned aerial vehicles based on an improved genetic algorithm. Neural Computing and Applications, 37(5), 3343-3354. [DOI:10.1007/s00521-024-10817-8]
15. [15] Fei, W. A. N. G., Zhang, H., Sen, D. U., Mingzhuang, H. U. A., & Zhong, G. (2025). C-SPPO: A deep reinforcement learning framework for large-scale dynamic logistics UAV routing problem. Chinese Journal of Aeronautics, 38(5), 103229. [DOI:10.1016/j.cja.2024.09.005]
16. [16] Sorkhi Asbaghi, S., Mohassel Feghhi, M., & Musevi Niya, J. (2021). Resource Allocation for Secure Ultra-Reliable Low-Latency-Communication in IoT Applications. Journal of Communication Engineering, 10(2), 243-260.
17. [17] Sheltami, T., Ahmed, G., Ghaleb, M., & Mahmoud, A. (2025). UAV Path Planning and Trajectory Optimization: A Comprehensive Survey. Arabian Journal for Science and Engineering, 1-41. [DOI:10.1007/s13369-025-10971-8]
18. [18] Hajian E, khayyambashi M R, movahedinia N. SDN-Improved LEACH: A new energy-aware routing algorithm to increase life time in software defined wireless networks. Journal of Iranian Association of Electrical and Electronics Engineers 2023; 20 (3) :117-124. [DOI:10.52547/jiaeee.20.3.117]
19. [19] mehboodi A, Nezamabadi-pour H, Soleimanpour-moghadam M. Multi-robot Path Planning in a 3D Environment by Modified Particle Swarm Optimization Algorithm. Journal of Iranian Association of Electrical and Electronics Engineers 2022; 19 (3) :163-174. [DOI:10.52547/jiaeee.19.3.163]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه مهندسی برق و الکترونیک ایران می باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2026 CC BY-NC 4.0 | Journal of Iranian Association of Electrical and Electronics Engineers

Designed & Developed by : Yektaweb