Analyse et mise en œuvre du système de gestion automatisé et sécurisé pour une flotte de drones en espace aérien contrôlé

Abstract

Ce mémoire étudie la planification autonome de trajectoires pour des flottes de drones dans des environnements complexes et dynamiques. Trois algorithmes clés — Génétique (GA), Optimisation par Essaim Particulaire (PSO) et A* — ont été implémentés et évalués via une simulation sous MATLAB intégrant une interface graphique interactive. Les résultats montrent la supériorité d'A* en termes d'efficacité énergétique et d'optimalité des trajectoires, tandis que PSO offre un bon équilibre entre robustesse et consommation énergétique. L’Algorithme Génétique (GA) affiche quant à lui une flexibilité notable, mais au prix d'une efficacité énergétique moindre et d'un temps de calcul plus élevé. Ce travail propose des pistes d'amélioration telles que l'intégration d'une replanification dynamique, une meilleure communication inter-drones et la réalisation de tests opérationnels en environnement réel contrôlé. Mots-clés : Planification autonome de trajectoires, Flottes de drones, Environnements complexes et dynamiques, Algorithme A*, Optimisation par Essaim Particulaire (PSO), Algorithme génétique (GA).