Résumé:
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).
