تعریف مسئله شبکه Ad-Hoc سیار (MANET) متشکل از چندین وسیله نقلیه هوایی بدون سرنشین (UAV) مستقل است که به روش بدون سیم متصل شده اند. MANET جزء کلیدی برای تحقق خدمات مختلف در شهرهای هوشمند هستند. یکی از موضوعات اصلی در MANET جایابی گره های UAV است که به فرآیند یافتن موقعیت های بهینه گره های UAV اشاره دارد. در این مسئله، گره های UAV باید به گونه ای در محیط قرار گیرند که بتوانند بیشترین تعداد کاربران را پوشش دهند، حداقل فاصله را با کاربران داشته باشند، حداقل انرژی را مصرف کنند، بار کاری کمتری داشته باشند و اتصال بین خود را بیشینه کنند. در سال های اخیر، چندین روش یادگیری ماشین برای جایابی گره های UAV توسعه داده شده و نتایج مطلوبی توسط آنها کسب شده است. با این حال، کارایی کسب شده از حالت ایده آل فاصله زیادی دارد و تلاش زیادی برای بهبود نتایج موردنیاز است. در این طرح، برای جایابی گره های UAC یک راهکار ترکیبی مبتنی بر الگوریتم خوشه بندی K-Means و الگوریتم بهینه سازی حسابی مبتنی بر جستجوی محلی (LSAO) ارائه شده است. در الگوریتم LSAO، یک استراتژی جستجوی محلی آشفته تعبیه شده است که پویایی جستجوی الگوریتم را افزایش می دهد. ورودی روش پیشنهادی محیط شبکه، مختصات کاربران و گره های UAV در فضای سه-بعدی است. فرآیند اصلی پیدا کردن مکان بهینه گره های UAV است و خروجی مکان بهینه گره های UAV و مقدار تابع هزینه است. الگوریتم ابتدا مجموعه ای جوابهای کاندید را در قالب یک جمعیت اولیه ایجاد می کند. هر عضو از جمعیت شامل موقعیت مکانی گره های UAV در فضای سه بعدی است. سپس هر کدام از جواب ها بر اساس تابع هزینه ارزیابی شده و به هر جواب کاندید هزینه ای تعلق می گیرد. الگوریتم با اعمال عملگرهای حسابی و جستجوی محلی سعی می کند هزینه جواب ها را در تکرارهای متعدد بهبود دهد تا به بهترین جواب با کمترین هزینه دست یابد. همچنین در هر تکرار الگوریتم LSAO، الگوریتم K-Means به تعداد مشخصی اجرا می شود تا مکان گره های UAV بهنگام سازی شود. کارایی الگوریتم پیشنهادی و سایر الگوریتم های رقیب بر روی سناریوهای متعدد و بر اساس معیارهای کارایی نظیر پوشش کاربران، میانگین فاصله کاربران، انرژی مصرفی و بار کاری گره ها ارزیابی خواهد شد. همچنین کارایی الگوریتم پیشنهادی و سایر روش ها بر حسب میزان استحکام، سرعت همگرایی، زمان اجرا، میانگین هزینه، انحراف از معیار و آزمون آماری ویلکاکسون بررسی خواهد شد. هدف طرح هدف از اجرای طرح حاضر، جایابی گره های UAV در شبکه MANETاست به نحوی که پوشش کاربران و اتصال بین گره ها بیشینه شود و توزیع بار کاری گره ها و مصرف انرژی کمینه گردد. مسئله جایابی گره های UAV به صورت یک مسئله بهینه سازی با محدودیت و چند-مُدی مدل سازی خواهد شد. انتشار نتایج در قالب مقالات در مجلات و کنفرانس های معتبر (حداقل یک مقاله ISI در مجلات معتبر بین المللی) از جمله دیگر خروجی های طرح می باشد. ضرورت اجرای طرح هدف از ایجاد شهرهای هوشمند، ارتقای کیفیت زندگی و ارائه سرویس های کارآمد به شهروندان است که از طریق ادغام فناوری های اطلاعات و ارتباطات پیشرفته، ربات های خودران، دستگاه های اینترنت اشیا (IoT) و سیستم های هوشمند میسر می شود. وسایل نقلیه هوایی بدون سرنشین نوعی از ربات های متحرک پرنده خودمختار هستند که به دلیل تحرک، دسترسی، خودمختاری و بسیاری از ویژگی های برجسته دیگر، مزایای زیادی برای شهرهای هوشمند به ارمغان می آورند. اتصال گره های UAV به همدیگر برای ایجاد یک شبکه Ad-Hoc سیار موردنیاز است تا وظایف پیچیده برای تحقق شهر هوشمند با کارایی بیشتری صورت گیرد. یکی از چالش های اصلی در شبکه Ad-Hoc سیار، یافتن مکان بهینه گره های UAV است که برخی از الزامات مانند پوشش کاربر، اتصال گره های UAV، کاهش مصرف انرژی و توزیع بار کاری بر روی گره ها را برآورده می کند. از این رو، در حال حاضر پژوهش های متعددی بر روی مسئله جایابی گره های UAV انجام می شود. در سال های اخیر، چند روش برای جایابی گره های UAV ارائه شده است. روش های موجود به کارایی نویدبخش دست یافته اند ولی کارایی آنها هنوز از حالت ایده آل فاصله دارد. از این رو، تلاش بیشتری برای بهبود کارایی روش های موجود جایابی گره ها وجود دارد. در پژوهش حاضر، جایابی گره ها به صورت یک مسئله بهینه سازی چند-مُدی با محدودیت مدل سازی شده است. برای حل این مسئله، از الگوریتم ترکیبی LSAO و K-Means استفاده خواهد شد که انتظار می رود کارایی بهتری در قیاس با سایر روش های موجود کسب نماید.
