Une rencontre improbable entre le monde naturel et les véhicules électriques sans chenilles sur pneus

Le monde naturel fonctionne à partir d’algorithmes, de sorte que les chercheurs ont pensé utiliser l’un des animaux les plus industrieux du monde, l’abeille, comme base pour déterminer les itinéraires économes en énergie dans les véhicules électriques sans chenilles sur pneus (ETRV).

Les abeilles sont une partie efficace, intégrale et ordonnée du règne animal, bien qu’apprendre à s’arrêter et à sentir les roses ne soit pas la seule chose que nous puissions emprunter aux abeilles. Le comportement de recherche de nourriture des abeilles pourrait être un outil utile pour déterminer les itinéraires les meilleurs et les plus économes en énergie pour les véhicules électriques à pneus en caoutchouc (ETRV), qui sont un équipement crucial pour les opérations minières et le transport.

Les limites des ETRV comprennent une consommation d’énergie excessive, des problèmes de sécurité opérationnels potentiels et un manque de contrôle lors de la prise en compte de la taille de la charge, de la pente et de l’évitement des véhicules. Découvrir les itinéraires que ces véhicules peuvent emprunter à l’aide d’un algorithme amélioré de colonie d’abeilles artificielles (IABC) peut minimiser les problèmes potentiels tout en réduisant la consommation d’énergie du véhicule.

Cela a des implications positives non seulement sur le plan économique et environnemental, mais peut également améliorer la sécurité globale et le fonctionnement des véhicules pour un avenir plus intelligent des ETRV.

Les chercheurs ont publié leurs résultats dans Modélisation et simulation de systèmes complexes.

« Les résultats expérimentaux sur quatre instances du monde réel indiquent que l’algorithme amélioré de colonies d’abeilles artificielles (IABC) surpasse les autres algorithmes comparatifs et les conceptions spéciales dans ses trois phases évitent efficacement la convergence prématurée et accélèrent la convergence », a déclaré Yinan Guo, chercheur et auteur de l’étude.

IABC n’est pas le seul algorithme testé dans cette étude, même s’il semble être le plus efficace pour mettre en place des itinéraires économes en énergie. D’autres modèles de colonies que les chercheurs ont utilisés pour déterminer quelle voie peut être la plus efficace incluent l’optimisation des essaims de particules, qui utilise les interactions sociales (stochastiques) sélectionnées au hasard des agents d’essaimage pour rechercher la meilleure solution dans un espace donné.

Les autres algorithmes utilisés sont des algorithmes génétiques, qui emploient la théorie de « l’évolution naturelle » pour la résolution de problèmes, et l’optimisation des colonies de fourmis qui, idéalement, trouveront le chemin le plus court vers une solution.

Des paramètres ont été définis parmi les quatre algorithmes utilisés pour assurer une comparaison équitable, y compris la taille de la population, le nombre maximum de participants à une recherche de quartier et le poids. La colonie d’abeilles artificielles (et les autres modèles de colonies) est chargée de rechercher une source de nourriture. Le meilleur itinéraire, le moins coûteux en énergie, que les abeilles artificielles empruntent est probablement la meilleure option, la moins coûteuse en énergie, pour les ETRV également.

Au sein de l’IABC, il existe trois stratégies : la recherche adaptative de voisinage pour les abeilles employées (celles qui vont à la source de nourriture et retournent à la ruche et dansent), la probabilité de sélection adaptative pour les spectateurs (celles qui évaluent les informations sur le nectar via la danse des abeilles employées) et initialisation basée sur la connaissance pour les abeilles éclaireuses (abeilles employées dont la source de nourriture a été abandonnée et recherche une nouvelle source de nourriture).

« IABC réalise la solution la plus compétitive sur toutes les instances et est nettement meilleure que ses variantes. Cela prouve que trois stratégies nouvellement conçues sont utiles pour améliorer efficacement les performances de l’algorithme », a déclaré Guo.

Pour résoudre le problème de l’itinéraire des véhicules électriques, la taille de la charge, la pente, la consommation d’énergie, l’évitement des véhicules et l’état de conduite doivent tous être pris en compte, et la stratégie de recherche de quartier adaptative aide à guider les abeilles vers la zone la plus appropriée. Les spectateurs ajustent leur sélection de sources de nourriture en fonction de la qualité et de l’efficacité de l’évolution, et les éclaireurs aident à améliorer l’efficacité de la convergence et la diversité de la population, produisant de meilleures solutions pour la population.

Les parallèles implicites entre les abeilles recherchant le meilleur itinéraire pour atteindre leur nourriture et un ETRV empruntant l’itinéraire le plus économe en énergie peuvent être clairement vus lorsqu’on leur donne la comparaison. Avec le nombre croissant de nœuds de service, l’espace de recherche est considérablement élargi et les performances des algorithmes se détériorent. La solution la plus efficace dépasse les 15 arrêts de nœuds de service, avec un schéma particulier entre les nœuds qui devrait minimiser les émissions de carbone et la consommation d’énergie.

Même si les chercheurs ont trouvé prometteur l’utilisation de l’IABC pour résoudre certains des problèmes d’acheminement des ETRV, les travaux futurs impliquent la planification de TRV hétérogènes avec des puissances variables intégrées au véhicule. Cela aidera à éliminer certains des problèmes liés à la consommation d’énergie que l’IABC ne prend pas tout à fait en compte, tels que la capacité limitée de croisière, le réglage de la vitesse et les conditions routières. Ce sont des problèmes complexes à résoudre avec n’importe quel algorithme, mais le travail de base effectué à l’aide de l’IABC pourrait suffire pour des études dans les années à venir.

Fourni par Tsinghua University Press