జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

క్లైంబింగ్ రోబోట్‌లో హోల్డింగ్ ఫోర్స్ ఆప్టిమైజేషన్ కోసం నాలుగు పరిణామాత్మక అల్గారిథమ్‌ల పోలిక

మసికే ఆర్ మరియు జనక్ కుమార్ బి. పటేల్

ఎవల్యూషనరీ అల్గారిథమ్‌లు (EAలు) సహజ జీవ పరిణామాన్ని అనుకరించే యాదృచ్ఛిక శోధన పద్ధతులు. ఈ పనిలో మేము నాలుగు ఇటీవలి EAల యొక్క అవలోకనాన్ని అందిస్తాము మరియు రోబోట్‌లను అధిరోహించడంలో స్వీకరించడానికి ఒక ఫ్రేమ్‌వర్క్‌ను అందిస్తాము. EAల ఆధారంగా నాలుగు మోడల్‌లు పరిచయం చేయబడ్డాయి మరియు క్లైంబింగ్ రోబోట్ కోసం బెర్నౌలీ హోల్డింగ్ ప్యాడ్‌లో హోల్డింగ్ ఫోర్స్ ఆప్టిమైజేషన్ కోసం వాటి ముఖ్యమైన లక్షణాలు మరియు అడాప్టివ్ హోల్డింగ్ ఫోర్స్‌కు వాటి ఔచిత్యాన్ని పరిగణనలోకి తీసుకోవడం ద్వారా పోల్చబడ్డాయి. ప్రతి అల్గోరిథం యొక్క సంక్షిప్త కోడ్ దాని అమలు మరియు పరిశోధకులచే మరియు అభ్యాసకులచే వినియోగాన్ని సులభతరం చేయడానికి ప్రదర్శించబడుతుంది. ఈ EAలలో డిఫరెన్షియల్ ఎవల్యూషన్ (DE), MONEE ఇంప్లిమెంటేషన్, మోడిఫైడ్ జెనెటిక్ అల్గారిథమ్ (MGA) మరియు మెమెటిక్ అల్గోరిథం (MA) ఉన్నాయి. నాలుగు EAలు అడాప్టివ్ హోల్డింగ్ ఫోర్స్ కోసం ఆబ్జెక్టివ్ ఫంక్షన్‌గా జనాదరణ పొందిన MIT నియమానికి వర్తింపజేయబడ్డాయి, ఆపై రోబోట్ క్లైంబింగ్ కోసం నిజమైన బెర్నౌలీ ప్యాడ్‌కి. MATLAB పొందబడిన వాంఛనీయ పరిష్కారం, వాంఛనీయ పరిష్కారానికి సంబంధించిన ఆబ్జెక్టివ్ ఫంక్షన్ మూల్యాంకనాల సంఖ్య మరియు ఫలితాల నాణ్యత పరంగా మోడల్‌ల కఠినమైన పోలిక కోసం ఉపయోగించబడింది. ఒక గణాంక విశ్లేషణ నిర్వహించబడింది మరియు ప్రతి మోడల్ పనితీరును అంచనా వేయడానికి సమర్థత-రేటు మెట్రిక్ నిర్ణయించబడింది. సరైన హోల్డింగ్ ఫోర్స్ కోసం కావలసిన లక్షణాలను కలిగి ఉన్న హైబ్రిడ్ అల్గోరిథం నుండి అత్యుత్తమ పనితీరు వచ్చిందని ఫలితాలు చూపించాయి, తద్వారా రోబోట్‌లను అధిరోహించడంలో EAలను స్వీకరించడానికి ఒక ఫ్రేమ్‌వర్క్ అభివృద్ధి చేయబడింది.