Um algoritmo híbrido de crescimento fúngico e evolução diferencial para planejamento de trajetória de UAVs energeticamente eficiente em MEC

Por que rotas de drones mais inteligentes importam

Bilhões de pequenos dispositivos hoje monitoram plantações, acompanham batimentos cardíacos e gerenciam semáforos, mas todos compartilham o mesmo problema: bateria limitada e poder de processamento modesto. Este artigo explora como ajudantes voadores, na forma de drones equipados com pequenos centros de dados, podem se deslocar de forma mais inteligente pelo ar para coletar e processar informações desses dispositivos desperdiçando menos energia. Ao aprender com a forma como fungos se espalham pelo solo e combinar isso com ideias da computação evolutiva, os autores desenham um método de planejamento que permite que frotas de drones atendam muitos dispositivos de maneira eficiente sem esgotar suas próprias baterias nem as dos aparelhos que suportam.

Ajuda voadora para a Internet das Coisas

O estudo considera um futuro em que veículos aéreos não tripulados, ou drones, carregam equipamentos computacionais próximos ao local onde os dados são produzidos. Em vez de enviar informações para servidores em nuvens distantes, drones próximos podem receber, processar e devolver resultados rapidamente — um conceito conhecido como computação de borda móvel. Nesse cenário, cada drone segue uma rota composta por vários pontos de pouso pairados onde faz uma pausa para comunicar-se com dispositivos no solo. O desafio é decidir quantos desses pontos são necessários, onde posicioná-los e em que ordem o drone deve visitá-los para que tanto os drones quanto os dispositivos em terra usem o mínimo de energia possível, ao mesmo tempo em que todas as tarefas são cumpridas dentro do prazo.

Transformando o crescimento fúngico em ferramenta de planejamento

Para resolver esse quebra-cabeça, os autores se inspiram na forma como redes fúngicas se expandem pelo solo em busca de nutrientes. Filamentos fúngicos ramificam, evitam regiões pobres e se concentram em pontos ricos. O novo algoritmo, chamado FGODE, mimetiza esses comportamentos para explorar muitas rotas possíveis de drones. Ao mesmo tempo, adiciona um segundo ingrediente vindo de um método evolutivo conhecido, a evolução diferencial, que é eficaz em aperfeiçoar soluções promissoras. Juntas, essas duas ideias equilibram exploração ampla com refinamento cuidadoso, ajudando os drones a escapar de rotas ruins e a se fixarem em alternativas melhores.

Codificação mais inteligente dos pontos de parada do drone

Um insight chave do trabalho é que a forma como se descreve uma rota possível para o computador pode afetar fortemente a qualidade do plano final. Em vez de forçar cada solução teste a carregar uma longa lista de potenciais pontos de parada, muitos dos quais nunca serão usados, os autores empregam uma representação compacta que permite que o número e a posição dos pontos variem de forma natural. Operações simples podem inserir um novo ponto, remover um desnecessário ou substituir uma escolha fraca por um candidato melhor. Truques extras, como uma regra gulosa que encadeia pontos em caminhos curtos e um toque de perturbação aleatória, mantêm a busca variada e ajudam a evitar ficar presa em padrões medianos.

Colocando o método à prova

Os pesquisadores testam o FGODE em simulações computacionais com quatro drones atendendo entre 60 e 200 dispositivos distribuídos por um quilômetro quadrado. Eles comparam seu método com várias técnicas recentes de planejamento e otimização, incluindo algoritmos inspirados na natureza e projetos híbridos. Nesses cenários, o FGODE consistentemente encontra rotas que reduzem o consumo combinado de energia de drones e dispositivos, além de exibir resultados estáveis entre diferentes execuções. Verificações estatísticas confirmam que sua vantagem provavelmente não se deve ao acaso. Além disso, o algoritmo converge para boas rotas mais rápido que os concorrentes, o que significa que pode entregar planos sólidos dentro de um orçamento computacional realista.

O que isso significa para sistemas conectados

Para o leitor, a conclusão é que esta pesquisa oferece uma receita prática para guiar frotas de drones de modo que atuem como mensageiros aéreos eficientes de dados. Ao moldar suas trajetórias de voo de forma mais cuidadosa, o sistema reduz o esforço que dispositivos no solo precisam fazer para serem ouvidos e o tempo que drones precisam pairar ou viajar, cortando o consumo de energia de ambos os lados. Embora o trabalho seja demonstrado em simulações, ele aponta para redes mais inteligentes e flexíveis em que servidores móveis voadores podem apoiar fazendas, cidades e zonas de emergência sem trocas constantes de baterias ou infraestrutura pesada, tornando sistemas conectados em larga escala mais sustentáveis.

Citação: 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

Palavras-chave: planejamento de trajetória de UAV, computação de borda móvel, eficiência energética em IoT, otimização metaheurística, coleta de dados por drone