MEC’de enerji verimli İHA güzergâh planlaması için hibrit mantar büyümesi ve diferansiyel evrim algoritması

Neden daha akıllı drone güzergâhları önemli

Milyarlarca küçük cihaz artık tarlaları izliyor, nabızları takip ediyor ve trafik ışıklarını yönetiyor; fakat hepsinin ortak bir sorunu var: sınırlı pil ömrü ve sınırlı hesaplama gücü. Bu makale, küçük veri merkezleriyle donatılmış drone’ların bu cihazlardan bilgi toplarken ve işlem yaparken daha az enerji harcayacak şekilde havada daha akıllıca hareket edebilmelerini araştırıyor. Mantarların toprakta yayılma biçiminden esinlenip bunu evrimsel hesaplama fikirleriyle birleştirerek, yazarlar filolar hâlindeki drone’ların destekledikleri cihazların veya kendilerinin pillerini tüketmeden birçok cihaza verimli hizmet vermesine olanak tanıyan bir planlama yöntemi tasarlıyor.

Nesnelerin İnterneti için uçan yardımcılar

Çalışma, insansız hava araçlarının yani drone’ların, veri üretiminin yakınında hesaplama ekipmanı taşıdığı bir geleceği ele alıyor. Bilgiyi uzak bulut sunucularına göndermek yerine, yakınlardaki drone’lar sonuçları hızlıca alıp işleyip geri döndürebilir; buna mobil uç bilişim denir. Bu düzende her drone, yerdeki cihazlarla iletişim kurmak için durakladığı birkaç bekleme noktası içeren bir güzergâhı izler. Zorluk, bu durak noktalarından kaç tane gerektiği, nerelere yerleştirileceği ve drone’un bunları hangi sırayla ziyaret edeceğini belirlemektir; amaç hem drone’ların hem de yer cihazlarının mümkün olduğunca az enerji kullanması, aynı zamanda bütün görevlerin zamanında tamamlanmasıdır.

Mantar büyümesini bir planlama aracına dönüştürmek

Bu problemi çözmek için yazarlar, mantar ağlarının besin arayışıyla toprakta nasıl yayıldığından ilham alıyor. Mantar iplikçikleri dallanır, kötü bölgelerden kaçınır ve zengin yamacın etrafında yoğunlaşır. FGODE adını verdikleri yeni algoritma, drone rotalarının çok sayıdaki mümkün kombinasyonunu keşfetmek için bu davranışları taklit ediyor. Aynı zamanda, ümit vaat eden çözümleri cilalamada iyi olan diferansiyel evrim adlı bilinen bir evrimsel yöntemin ikinci bir bileşenini katıyor. Bu iki fikir bir araya geldiğinde vahşi keşif ile titiz iyileştirme arasında bir denge kuruyor; böylece drone’ların kötü rotalardan kaçıp daha iyi rotalara yerleşmesine yardımcı oluyor.

Drone durak noktalarının daha akıllı kodlanması

Çalışmanın kilit çıkarımı, olası bir rotayı bilgisayara nasıl tanımladığınızın nihai planın kalitesini büyük ölçüde etkileyebileceği yönündedir. Her deneme çözümünü uzun ve çoğu zaman hiç kullanılmayacak durak noktaları listesi taşımaya zorlamak yerine yazarlar, durak sayısının ve yerleşiminin doğal olarak değişmesine izin veren kompakt bir temsil kullanıyor. Basit işlemler yeni bir nokta ekleyebilir, gereksiz bir noktayı kaldırabilir veya zayıf bir seçimi daha iyi bir adayla değiştirebilir. Durakları kısa yollar hâline getiren açgözlü bir kural ve hafif bir rastgele bozulma gibi ek numaralar, aramayı çeşitlendirir ve vasat örüntülere takılmayı önlemeye yardımcı olur.

Yöntemi teste sokmak

Araştırmacılar FGODE’yi bilgisayar benzetimlerinde, bir kilometrekareye dağılmış 60 ile 200 cihaz arasında hizmet veren dört drone ile test ediyor. Yöntemlerini doğadan ilham alan algoritmalar ve hibrit tasarımlar da dahil olmak üzere birkaç güncel planlama ve optimizasyon tekniğiyle karşılaştırıyorlar. Bu olgularda FGODE, drone’ların ve cihazların toplam enerji kullanımlarını azaltan rotaları tutarlı biçimde buluyor ve çalıştırmadan çalıştırmaya istikrarlı sonuçlar veriyor. İstatistiksel kontroller avantajının tesadüfe dayalı olma olasılığının düşük olduğunu doğruluyor. Ayrıca algoritma, rakiplerine kıyasla iyi rotalara daha hızlı yakınsıyor; yani gerçekçi bir hesaplama bütçesi içinde güçlü planlar sunabiliyor.

Bağlı sistemler için bunun anlamı

Okuyucular için sonuç şudur: Bu araştırma, drone filolarını veriyi verimli şekilde taşıyan hava taşıyıcıları gibi yönlendirmek için pratik bir reçete sunuyor. Uçuş yollarını daha düşünceli biçimde şekillendirerek, yer cihazlarının duyulmak için daha yüksek güçle sinyal göndermesi veya drone’ların daha uzun süre askıda kalması ya da seyahat etmesi gibi gereksinimleri azaltıyor; böylece her iki tarafın enerji faturalarını düşürüyor. Çalışma simülasyonlarda gösterilmiş olsa da bu, mobil uç sunucuların sürekli pil değişimleri veya ağır altyapı gerektirmeden çiftlikleri, şehirleri ve acil durum bölgelerini destekleyebileceği daha akıllı, daha esnek ağlara işaret ediyor ve büyük ölçekli bağlı sistemleri daha sürdürülebilir kılıyor.

Atıf: 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

Anahtar kelimeler: İHA güzergâh planlaması, mobil uç bilişim, IoT enerji verimliliği, meta-sezgisel optimizasyon, drone veri toplama