مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه فناوری اطلاعات و ارتباطات ایران 2717-0411 68 68 2026 4 19 Optimal Path Planning for Mobile Robots Using a Multi-Objective Framework: Integrating Particle Swarm Optimization and Adaptive Bat Algorithm بهینه‌سازی مسیر ربات متحرک با رویکرد چندهدفه: ترکیب الگوریتم بهینه‌سازی ذرات و خفاش وفقی fa محمد اسعدی زهرا محمدی دانشگاه شهید باهنر کرمان حسین نظام‌آبادی‌پور دانشگاه شهید باهنر کرمان محدثه سليمانپورمقدم 2025 7 12 <p style="text-align: left;">This study proposes a novel path planning framework based on multi-objective optimization, which simultaneously addresses three key criteria: minimizing path length, optimizing motion smoothness, and maximizing safe distance from obstacles. The multi-objective problem is first transformed into a single-objective formulation using the ε-constraint method and weighted sum approach. Given the NP-hard nature of the problem, an adaptive hybrid metaheuristic algorithm, termed PSO-ABA (Particle Swarm Optimization-Adaptive Bat Algorithm), is developed by integrating the global search mechanism of PSO with the frequency-tuning capabilities of the Bat Algorithm (BA). Subsequently, an adaptive hybrid metaheuristic algorithm, termed PSO-ABA, is developed, which leverages the integration of two complementary global search mechanisms based on Particle Swarm Optimization (PSO) and the Adaptive Bat Algorithm (ABA). In this algorithm, the task of updating the robot’s position is assigned to the ABA, while the PSO is focused on tuning the appropriate parameters. The proposed algorithm addresses several key aspects. First, it aims to develop a trajectory in real space by modifying the existing relationships within the Bat Algorithm. This modification ensures that the robot’s movement is directed as closely as possible toward the target path while minimizing abrupt turns. Second, by enhancing the fitness function, the algorithm prevents the robot’s position from being updated when it is within obstacles, effectively eliminating invalid paths. Performance evaluation in simulated environments with complex obstacle arrangements demonstrates that the proposed framework outperforms conventional routing methods in achieving optimal paths for robots.</p> <p style="text-align: justify;"> این پژوهش یک چارچوب نوین برای برنامه&zwnj;ریزی مسیر مبتنی بر بهینه&zwnj;سازی چندهدفه ارائه می&zwnj;دهد که به طور همزمان سه معیار کلیدی شامل کمینه&zwnj;سازی طول مسیر، کاهش نرخ تغییرات زاویه&zwnj;ای و حداکثرسازی فاصله ایمن از موانع را مد نظر قرار می&zwnj;دهد. در مرحله نخست از ترکیب روش محدودیت اپسیلون و رویکرد جمع وزنی برای تبدیل مسأله بهینه&zwnj;سازی چندهدفه به یک مسأله تک&zwnj;هدفه استفاده شده است. به دلیل NP-hard بودن مسئله، یک الگوریتم فرا ابتکاری ترکیبی تطبیقی با عنوان PSO-ABA توسعه یافته است که از ادغام دو مکانیزم مکمل جستجوی سراسری مبتنی بر الگوریتم بهینه&zwnj;سازی ذرات (PSO) و الگوریتم خفاش انطباقی (ABA) بهره می&zwnj;برد. در این الگوریتم، وظیفه به&zwnj;روزرسانی موقعیت ربات بر عهده الگوریتم ABA است، در حالی که الگوریتم PSO به دنبال تنظیم پارامترهای مناسب می&zwnj;باشد. این مقاله به چند نکته کلیدی می&zwnj;پردازد: نخست، الگوریتم مذکور با اصلاح روابط موجود در الگوریتم خفاش، طراحی مسیری در فضای واقعی را هدف قرار می&zwnj;دهد به&zwnj;طوری&zwnj;که حرکت ربات تا حد امکان به سمت مسیر هدف هدایت شود و از چرخش&zwnj;های ناگهانی ربات جلوگیری گردد. دوم، با اصلاح تابع شایستگی، این الگوریتم مانع از به&zwnj;روزرسانی موقعیت ربات در داخل موانع می&zwnj;شود و مسیرهای نامعتبر را حذف می&zwnj;کند. ارزیابی عملکرد در محیط&zwnj;های شبیه&zwnj;سازی شده با چیدمان موانع پیچیده نشان می&zwnj;دهد که چارچوب پیشنهادی در مقایسه با روش&zwnj;های مرسوم مسیریابی، عملکرد بهتری در دستیابی به مسیر بهینه برای ربات دارد.</p>

http://jour.aicti.ir/ar/Article/Download/50809