Optimization of drone trajectory algorithms

Abstract

The research is devoted to the analysis and development of methods for optimizing Unmanned Aerial Vehicle (UAV) trajectories to enhance their autonomy and efficiency in various operating conditions. The work systematizes three main groups of route planning algorithms: classical methods (A, Dijkstra, RRT/RRT), evolutionary approaches (genetic algorithms, particle swarm optimization), and machine learning technologies (deep reinforcement learning). Key trajectory quality criteria are defined - energy efficiency, navigation safety, and flight time minimization. The algorithms were experimentally tested in simulated urban and rural environments with varying obstacle densities. The advantages of different methods were established depending on the specifics of the environment and the nature of the mission. The results demonstrate the importance of individually selecting algorithmic solutions according to the application conditions and can be used in the development of autonomous control systems for drones in logistics, agricultural production, monitoring, and rescue operations.

Дослідження присвячене аналізу та розвитку методів оптимізації траєкторій безпілотних літальних апаратів (БПЛА) для підвищення їх автономності та ефективності в різних умовах експлуатації. У роботі систематизовано три основні групи алгоритмів планування маршрутів: класичні методи (A, Дейкстри, RRT/RRT*), еволюційні підходи (генетичні алгоритми, оптимізація рою частинок) та технології машинного навчання (глибоке підкріплення навчання). Визначено ключові критерії якості траєкторій – енергоефективність, безпека навігації та мінімізація часу польоту. Алгоритми були експериментально протестовані у змодельованих міських та сільських середовищах з різною щільністю перешкод. Було встановлено переваги різних методів залежно від специфіки середовища та характеру місії. Результати демонструють важливість індивідуального підбору алгоритмічних рішень відповідно до умов застосування і можуть бути використані при розробці автономних систем управління дронами в логістиці, сільськогосподарському виробництві, моніторингу та рятувальних операціях.