Optimizing Multi-Drone Flight Paths in Mountainous Terrain Using Enhanced Artificial Bee Colony and Genetic Algorithms. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF (Master's Thesis) Ahmed_Abubaker_g202211580.pdf Restricted to Repository staff only until 20 January 2026. Download (10MB)

Arabic Abstract

تُعتبر تقنية الطائرات بدون طيار (UAV)، المعروفة عمومًا باسم الطائرات المسيّرة، من التطورات التقنية التي أحدثت ثورة في العديد من القطاعات، حيث قدمت تطبيقات تحويلية مهمة. وتتمثل قيمتها في قدرتها على الوصول إلى المناطق النائية أو الخطرة التي يصعب على البشر أو الروبوتات الوصول إليها. ومع ذلك، لا تزال هناك تحديات كبيرة، من أبرزها محدودية عمر البطارية وظروف البيئة المحيطة. يهدف هذا البحث إلى معالجة التحديات التي تواجه الطائرات المسيّرة في المناطق الجبلية من خلال تحسين مسارات الطيران لتقليل استهلاك الطاقة، تقليل مدة المهمة، وتقليل طول المسار. وعلى الرغم من أن التحليق على ارتفاعات عالية فوق قمم الجبال يبدو عمليًا، إلا أنه غالبًا ما يؤدي إلى مسارات طويلة وغير فعّالة، وزيادة في مدة المهمة، وارتفاع استهلاك الطاقة. يُعتبر التنقل عبر الممرات الجبلية أكثر كفاءة وعملية من حيث استهلاك الطاقة. في هذه الدراسة، قمنا بتحسين مسارات الطيران للطائرات المسيّرة باستخدام خوارزمية مستعمرة النحل الاصطناعية (ABC)، التي تم تعزيزها بمعاملات تعلم ديناميكية (ABCL)، مما يزيد من قابليتها للتكيف مقارنة بالطرق التقليدية ذات المعاملات الثابتة. بالإضافة إلى ذلك، تم تحقيق تحسينات إضافية من خلال دمج ABCL مع الخوارزمية الجينية (GA) لإنشاء الخوارزمية الهجينة (ABCL-GA)، التي تقلل من مشكلة الوقوع في الحلول المحلية المثلى. كشفت التحليلات المقارنة أن الخوارزمية الهجينة ABCL-GA تفوقت على كل من ABC وABCL، حيث حققت أداءً متميزًا من حيث تقليل طول المسار، مدة المهمة، واستهلاك الطاقة. وتثبت هذه النتائج أن ABCL-GA تُعد حلًا قويًا وفعّالًا لعمليات الطائرات المسيّرة في البيئات المعقدة والصعبة.

English Abstract

The advancement of unmanned aerial vehicle (UAV) technology, commonly known as drones, has revolutionized various sectors, offering transformative applications. Their ability to access remote or hazardous locations, where humans or robots cannot reach, makes them invaluable. However, significant challenges persist, including battery life limitations and environmental conditions. This research addresses the challenges of drone navigation in mountainous terrains by optimizing flight paths to minimize energy consumption, mission duration, and path length. Flying at high altitudes above the peaks, while seemingly practical, often results in inefficient path lengths, extended mission times, and excessive energy consumption. navigating through mountain passes provides a more practical and energy-efficient solution. In this study, we optimize drone flight paths using the Artificial Bee Colony (ABC) algorithm, enhanced with dynamic learning parameters (ABCL), improving its adaptability over traditional fixed-parameter approaches. Further advancements are achieved by hybridizing ABCL with a Genetic Algorithm (GA) to create ABCL-GA, which mitigates local optima entrapment. Comparative analysis reveals that ABCL-GA outperforms both ABC and ABCL, achieving superior performance in terms of reduced path length, mission duration, and energy consumption. These findings establish ABCL-GA as a robust and effective solution for drone operations in complex and challenging terrains.

Item Type:	Thesis (Masters)
Subjects:	Systems
Department:	College of Engineering and Physics > Control and Instrumentation Engineering
Committee Advisor:	El-Ferik, Sami
Committee Members:	Nasir, Ali and Mustafa, Al-Naser
Depositing User:	AHMED ABUBAKER (g202211580)
Date Deposited:	21 Jan 2025 06:00
Last Modified:	21 Jan 2025 06:00
URI:	http://eprints.kfupm.edu.sa/id/eprint/143266