Un algoritmo híbrido de crecimiento fúngico y evolución diferencial para la planificación de trayectorias de UAV energéticamente eficientes en MEC

Por qué importan rutas más inteligentes para drones

Miles de millones de pequeños dispositivos ahora vigilan cultivos, registran ritmos cardíacos y gestionan semáforos, pero todos comparten un mismo problema: batería limitada y capacidad de cálculo modesta. Este artículo explora cómo auxiliares voladores, en forma de drones equipados con pequeños centros de datos, pueden moverse con mayor inteligencia para recolectar y procesar información de estos dispositivos consumiendo menos energía. Tomando ideas de la forma en que los hongos se expanden por el suelo y combinándolas con conceptos de la computación evolutiva, los autores diseñan un método de planificación que permite a flotas de drones atender muchos dispositivos de manera eficiente sin agotar sus propias baterías ni las de los aparatos que apoyan.

Auxiliares voladores para el Internet de las Cosas

El estudio plantea un futuro en el que vehículos aéreos no tripulados, o drones, transportan equipo de cálculo cerca de donde se generan los datos. En lugar de enviar la información a servidores en la nube lejanos, drones cercanos pueden recibir, procesar y devolver resultados rápidamente, un concepto conocido como computación en el borde móvil. En este escenario, cada dron sigue una ruta compuesta por varios puntos de parada donde se posa para comunicarse con los dispositivos terrestres. El desafío es decidir cuántos de estos puntos son necesarios, dónde ubicarlos y en qué orden debe visitarlos el dron, de modo que tanto los drones como los dispositivos en tierra usen la menor energía posible, sin dejar de cumplir sus tareas a tiempo.

Convertir el crecimiento fúngico en una herramienta de planificación

Para resolver este rompecabezas, los autores se inspiran en la forma en que las redes fúngicas se expanden por el suelo en busca de nutrientes. Los filamentos fúngicos se ramifican, evitan zonas pobres y se concentran alrededor de parches ricos. El nuevo algoritmo, llamado FGODE, imita estos comportamientos para explorar muchas rutas posibles de drones. Al mismo tiempo, incorpora un segundo elemento tomado de un conocido método evolutivo llamado evolución diferencial, eficaz para pulir soluciones prometedoras. Juntas, estas dos ideas equilibran la exploración amplia con el refinamiento cuidadoso, ayudando a los drones a escapar de rutas deficientes y converger hacia mejores opciones.

Codificación más inteligente de los puntos de parada del dron

Una idea clave del trabajo es que la forma en que se describe una ruta posible al ordenador puede afectar en gran medida la calidad del plan final. En lugar de obligar a cada solución de prueba a llevar una lista larga de posibles puntos de parada, muchos de los cuales nunca se usarán, los autores emplean una representación compacta que permite que el número y la ubicación de los puntos de parada cambien de forma natural. Operaciones simples pueden insertar un nuevo punto, eliminar uno innecesario o reemplazar una elección débil por un candidato mejor. Trucos adicionales, como una regla golosa que concatena puntos de parada en rutas cortas y un toque de perturbación aleatoria, mantienen la búsqueda variada y ayudan a evitar quedar atrapados en patrones mediocres.

Poner el método a prueba

Los investigadores prueban FGODE en simulaciones por ordenador con cuatro drones atendiendo entre 60 y 200 dispositivos dispersos en un kilómetro cuadrado. Comparan su método frente a varias técnicas recientes de planificación y optimización, incluyendo algoritmos inspirados en la naturaleza y diseños híbridos. En todos los casos, FGODE encuentra de forma consistente rutas que reducen el consumo energético combinado de drones y dispositivos, además de mostrar resultados estables entre ejecuciones. Comprobaciones estadísticas confirman que su ventaja probablemente no se debe al azar. Además, el algoritmo converge hacia buenas rutas más rápido que sus competidores, lo que significa que puede ofrecer planes sólidos dentro de un presupuesto computacional realista.

Qué implica esto para los sistemas conectados

Para el lector, la conclusión es que esta investigación ofrece una receta práctica para guiar flotas de drones para que actúen como mensajeros aéreos eficientes de datos. Al diseñar sus rutas de vuelo con más cuidado, el sistema reduce cuánto deben esforzarse los dispositivos terrestres para ser escuchados y cuánto tiempo deben permanecer en vuelo o en espera los drones, recortando el gasto energético en ambos extremos. Aunque el trabajo se demuestra en simulaciones, apunta hacia redes más inteligentes y flexibles donde servidores móviles voladores pueden apoyar granjas, ciudades y zonas de emergencia sin cambios constantes de batería ni infraestructura pesada, haciendo que los sistemas conectados a gran escala sean más sostenibles.

Cita: Othman, A.A., Elmanakhly, D.A. A hybrid fungal growth and differential evolution algorithm for energy-efficient UAV trajectory planning in MEC. Sci Rep 16, 16454 (2026). https://doi.org/10.1038/s41598-026-54288-4

Palabras clave: planificación de trayectorias de UAV, computación en el borde móvil, eficiencia energética IoT, optimización metaheurística, recolección de datos por drones