| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Dynamic Harris Hawks optimization and deep reinforcement learning framework for autonomous vehicle path planning
Avtorji:ID Zou, Q. (Avtor)
ID Yuan, X. (Avtor)
ID Liu, F. (Avtor)
ID Yin, Y. (Avtor)
ID Chen, P. (Avtor)
Datoteke:.pdf APEM20-3_391-414.pdf (1,64 MB)
MD5: F627A2A8C694CA5C15EE3F43FE2E4C62
 
URL https://apem-journal.org/Archives/2025/Abstract-APEM20-3_391-414.html
 
Jezik:Angleški jezik
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FS - Fakulteta za strojništvo
Opis:Urban intelligent transportation systems require real‑time, near‑optimal routing for autonomous vehicles navigating dynamic and uncertain traffic. We propose a Harris Hawks Optimization–deep reinforcement learning framework (HHO‑DRL) that unites HHO’s global exploration with DRL’s adaptive policy search through (i) a dynamic‑weight fusion scheme that continuously balances exploration and exploitation and (ii) a bidirectional experience‑feedback loop that exchanges elite solutions between the two solvers. On 23 CEC‑2014 benchmark functions and five classical multimodal tests, HHO‑DRL lowers mean error by up to three orders of magnitude relative to PSO and adaptive HHO, demonstrating superior robustness and precision. In 30 × 30 grid‑world simulations with 30 % obstacle density, it generates vehicle routes 35 % shorter than those produced by Grey Wolf Optimization and 25 % shorter than adaptive HHO, while preserving smooth, collision‑free trajectories. These results confirm that the proposed dual‑mechanism delivers fast, high‑quality solutions for high‑dimensional, dynamic path‑planning and other complex engineering optimization tasks.
Ključne besede:dynamic path planning, Harris Hawks optimization, deep reinforcement learning, autonomous vehicles, dynamic weight fusion, bidirectional feedback, intelligent transportation systems, real-time navigation
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:23.01.2025
Datum sprejetja članka:19.06.2025
Datum objave:31.10.2025
Založnik:Chair of Production Engineering (CPE), University of Maribor Faculty of Mechanical Engineering
Leto izida:2025
Št. strani:str. 391-414
Številčenje:Vol. 20, no. 3
PID:20.500.12556/DKUM-96686 Novo okno
UDK:658.5
COBISS.SI-ID:265854211 Novo okno
DOI:10.14743/apem2025.3.548 Novo okno
ISSN pri članku:1854-6250
Datum objave v DKUM:23.01.2026
Število ogledov:157
Število prenosov:8
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Advances in production engineering & management
Skrajšan naslov:Adv produc engineer manag
Založnik:Fakulteta za strojništvo, Inštitut za proizvodno strojništvo
ISSN:1854-6250
COBISS.SI-ID:229859072 Novo okno

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:dinamično planiranje, optimizacija, inteligentni transportni sistemi


Zbirka

To gradivo je del naslednjih zbirk del:
  1. Advances in production engineering & management

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici