یکی از چالش های بنیادی و اساسی برای ربات های متحرک، برنامه ریزی برای شناسایی مسیر می باشد که امروزه به طور ویژه مورد توجه و مطالعه محققین قرار گرفته است. مسیریابی ربات های چندگانه شامل، برنامه ریزی برای شناسایی مسیر برای هر ربات، با در نظر گرفتن عدم برخورد ربات ها در فضای حرکتی آن ها همراه با در نظر گرفتن کمترین حجم محاسبات مورد نیاز می باشد. در سال های اخیر الگوریتم های تکاملی و اکتشافی به طور گسترده ای در حال توسعه و تکامل بوده و از آن ها به عنوان ابزار جستجو و بهینه سازی استفاده شده است. الگوریتم جستجوی گرانشی الگوریتمی مبتنی بر جمعیت است که از قوانین نیوتن و حرکت برای بهینه سازی استفاده می کند. در این پایان نامه با رویکردی جدید مبتنی بر مدلسازی ریاضی و به دست آوردن تابع هدف همراه با استفاده از الگوریتم جستجوی گرانشی و الگوریتم جستجوی ذرات، مسئله برنامه ریزی برای شناسایی مسیر برای ربات های چندگانه حل شده است. نتایج شبیه سازی موفقیت این روش را تأیید می کند.

امروزه، استفاده از الگوریتم های ابتکاری برای حل مسائل مهندسی، پیشرفت چشم گیری داشته است. در سال های اخیر، تلفیق مباحث کوانتومی (که الهام گرفته از فیزیک کوانتوم می باشد) با الگوریتم های ابتکاری مطرح شده است. علت استفاده از مباحث کوانتومی، افزایش تنوع جمعیت در الگوریتم ها و گریز از بهینه محلی مسائل بهینه سازی می باشد. این تلفیق، سبب پیدایش الگوریتم های پیشنهادی متعددی شده است. از جمله این الگوریتم ها، الگوریتم کوانتوم ژنتیک (qga)، الگوریتم qpso، الگوریتم qgsa و غیره می باشد. الگوریتم فاخته (coa)، از جمله الگوریتم های ابتکاری بر پایه جمعیت اولیه و الهام گرفته از طبیعت است. این الگوریتم نسبت به بقیه الگوریتم ها دارای سرعت همگرایی بالا و دقت بهتری است. از این رو استفاده از مباحث کوانتومی در الگوریتم فاخته سبب افزایش قدرت این الگوریتم می شود. بدین منظور ابتدا در این پایان نامه روشی برای گسسته سازی الگوریتم فاخته ارائه شده است. با استفاده از الگوریتم باینری فاخته، اولین نسخه الگوریتم کوانتوم فاخته پیشنهاد شده است. جهت اطمینان از عملکرد الگوریتم پیشنهادی، بهینه سازی دسته ای از توابع محک و یک مسئله مهندسی توسط این الگوریتم در نظر گرفته شده است.

تکنیک¬های مدلسازی اغلب منجر به سیستم¬های دینامیکی با مرتبه¬ی بسیار بالا می¬شوند. بنابراین مطلوب است که سیستمی با مرتبه¬ی پایین و پیچیدگی کمتر که رفتار ورودی – خروجی آن، رفتار سیستم اصلی را تقریب می¬زند پیدا کنیم. در این پایان¬نامه سیستم¬های دینامیکی خطی و تغییرناپذیر با زمان چند ورودی – چند خروجی را در نظر می¬گیریم. اساس این پایان¬نامه کاهش مرتبه مبتنی بر روش¬های تصویرسازی است. در این روش¬ها مدل کاهش یافته از طریق تصویر کردن مدل ابعاد وسیع به یک زیرفضای کرایلف با ابعاد کوچکتر بدست می¬آید. در حالی که بیشتر روش¬های کاهش مرتبه مبتنی بر زیرفضای کرایلف بر اساس بسط سری تیلور حول یک فرکانس مناسب می باشد، در این پایان¬نامه به منظور بهبود نتایج حاصل از روش ¬های کرایلف و تسریع در همگرایی مدل مرتبه ¬ی بالا و مدل کاهش یافته، از توابع متعامد گویا برای بسط تابع انتقال استفاده شده و دو روش برای کاهش مرتبه¬ی سیستم¬های ابعاد وسیع ارائه نموده¬ایم. در روش پیشنهادی اول از توابع لاگر برای بسط تابع انتقال سیستم استفاده نمود ه¬ایم. از آنجا که ضرایب بسط سری لاگر که به پارامتر آلفا از تابع لاگر وابسته¬اند، یک زیرفضای کرایلف تشکیل می¬دهند، مقادیر مختلفی برای پارامتر آلفا به صورت تطبیقی می¬کنیم. پارامترهای آلفا با استفاده از الگوریتم جستجوی هارمونی و از طریق مینیمم سازی یک تابع هدف تعیین می¬شوند. سپس با استفاده از این پارامترهای آلفا یک زیرفضای کرایلف گویا تشکیل داده و با تصویر کردن مدل ابعاد وسیع به این زیرفضا، مدل کاهش یافته را بدست می-آوریم. در روش پیشنهادی دوم، به منظور بهبود نتایج و ارائه¬ی یک روش دقیق¬تر برای تقریب دینامیک¬های سیستم، توابع متعامد کوتز جایگزین توابع لاگر شده و الگوریتمی مشابه با روش اول ارائه شده است. در پایان، روش¬های پیشنهادی بر روی برخی مدل¬ها و سیستم¬های ابعاد وسیع پیاده¬سازی نموده و با برخی روش¬¬ها¬ی پیشین کاهش مرتبه¬ی سیستم¬های چند متغیره مقایسه نموده¬ایم. نتایج نشان دهنده¬ی دقت بالاتر روش¬های پیشنهادی می¬باشد.

سیستم های کنترلی تحت شبکه به سامانه هایی گفته می شود که در آن ها حلقه ی کنترل از طریق یک شبکه بسته می شود. استفاده از این پیکربندی دارای محاسن فراوانی می باشد. در کنار بسیاری مزایا، این سیستم ها درعمل در معرض نامعینی های شبکه قرار گرفته که منجر به ایجاد خطا در داده دریافتی می گردند. از جمله این نامعینی ها می توان به تاخیر، از دست دادن بسته های داده و نقصان در اندازه گیری نام برد. از سوی دیگر وجود خطا در حسگر و عملگر بخش جداناپذیری از هر فرآیند صنعتی می باشد. وجود تفاوت بنیادین میان ساختار این دو نوع خطا، روش های شناسایی و راهکارهای رویارویی با آن ها را متمایز می سازد. مدل سازی رفتار شبکه به شکل یک سامانه سوییچ شونده، طراحی یک رویتگر با ورودی نامشخص برای تخمین حالات و محاسبه خروجی سیستم آلوده به خطای حسگر وعملگر گام نخستین در به کارگیری روش مانده ها جهت تعیین محل خطای حسگر و عملگر می باشد. طراحی یک فیلتر جهت پالایش سیگنال دریافتی از شبکه و در نهایت ارسال آن به سیستم خطایاب حرکت بعدی در این راستا می باشد. جهت محک زدن روش پیشنهادی، با ارائه دو نمونه؛ کارکرد روش ذکرشده آزمایش می شود. یکی از مثال های آورده شده ، برآمده از مدل سازی حلقه کنترل سطح درام فشار پایین بویلر شماره 1 نیروگاه سیکل ترکیبی کرمان بوده که بعد عملی جستار مطرح شده را آشکارتر می نماید. ازجمله نقاط قوت این روش می توان به استقلال کامل، نسبت به ورودی سیستم و نوع خطای حسگر و عملگر نام برد. از دیگر ویژگی های روش پیشنهادی، کارکرد دقیق علی رغم تصادفی بودن زمان و نوع خطا در شبکه کنترلی می باشد.

. بسیاری از سیستم های واقعی غیرخطی اند و خطی سازی مبنایی برای بسیاری از رویتگرهای طراحی شده می باشد. فیلتر کالمن توسعه یافته (ekf) و فیلتر کالمن نمونه بردار (ukf) دو رویتگر متداول برای سیستم های غیرخطی هستند که در حضور غیرخطی های سخت (hard nonlinearity) مثل اشباع عملکردی ضعیف دارند. برای این دسته از سیستم ها در این پایان نامه طراحی رویتگر هایبرید پیشنهاد و اثبات همگرایی آن ضمیمه شده است.