<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه علوم و فنون هوایی شهید ستاری - انجمن هوافضای ایران

مدیر مسئول:
دکتر علی نوری

سردبیر:
دکتر حمیدرضا زارعی

جانشین سردبیر:
دکتر وحید خلفی

دبیر تخصصی و مدیر اجرایی:
دکتر میثم نوری نیارکی

ویراستار انگلیسی:
دکتر روح اله ملکی</PublisherName>
				<JournalTitle>نشریه علمی پژوهشی مهندسی هوانوردی</JournalTitle>
				<Issn>17359449</Issn>
				<Volume>28</Volume>
				<Issue>1</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>UAV Resource Allocation and Management Based on Symbiotic Algorithms</ArticleTitle>
<VernacularTitle>تخصیص و مدیریت منابع پهپاد مبتنی بر الگوریتم‌های همزیستی</VernacularTitle>
			<FirstPage>136</FirstPage>
			<LastPage>155</LastPage>
			<ELocationID EIdType="pii">238577</ELocationID>
			
<ELocationID EIdType="doi">10.22034/joae.2026.545409.1293</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>بهنام</FirstName>
					<LastName>درستکار یاقوتی</LastName>
<Affiliation>استادیار گروه فناوری اطلاعات و ارتباطات،  دانشگاه جامع علوم انتظامی امین، تهران، ایران</Affiliation>
<Identifier Source="ORCID">0000-0003-2410-7235</Identifier>

</Author>
<Author>
					<FirstName>حکیمه</FirstName>
					<LastName>مظاهری</LastName>
<Affiliation>دکتری، دانشکده مهندسی برق و کامپیوتر دانشگاه کاشان، کاشان، ایران</Affiliation>
<Identifier Source="ORCID">0000-0002-5913-1027</Identifier>

</Author>
<Author>
					<FirstName>علی</FirstName>
					<LastName>نوراله</LastName>
<Affiliation>استادیار، دانشکده مهندسی کامپیوتر ، دانشگاه تربیت دبیرشهید رجایی، تهران، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>09</Month>
					<Day>05</Day>
				</PubDate>
			</History>
		<Abstract>Resource allocation in multi-UAV systems is one of the fundamental challenges in intelligent mission planning due to the limited processing power, memory capacity, and communication bandwidth of unmanned aerial vehicles. Inefficient allocation of these resources can lead to data redundancy, increased computational cost, and reduced spatial accuracy. To address this challenge, this study introduces a biologically inspired CORES algorithm, which integrates dynamic quadtree data structures with coexistence modeling of living organisms to achieve adaptive and balanced resource utilization. In the simulation experiments, synthetic environmental datasets representing terrestrial, aquatic, and vegetated areas were used. A total of 150 independent runs were performed under varying combinations of field-of-view, decision threshold, and memory budget parameters. Quantitative results show that CORES improves the average data quality index by up to 18% and the spatial overlap index by up to 23% compared with baseline methods. Qualitative observations also indicate more uniform data distribution and better spatial coverage. Overall, CORES demonstrates strong adaptability and efficiency for dynamic resource allocation in UAV-based systems.</Abstract>
			<OtherAbstract Language="FA">تخصیص منابع در سامانه‌های چندپهپادی به‌دلیل محدودیت توان پردازشی، حافظه و پهنای باند ارتباطی، از چالش‌های اساسی در مأموریت‌های هوشمند محسوب می‌شود. تخصیص غیربهینه‌ی این منابع می‌تواند منجر به تکرار داده، افزایش هزینه محاسباتی و کاهش دقت پوشش محیطی شود. این پژوهش با هدف رفع این چالش، الگوریتمی الهام‌گرفته از تعاملات زیستی با عنوان الگوریتم همزیستی CORES را معرفی می‌کند که با بهره‌گیری از ساختار داده‌ی چهاردرخت پویا و مدل‌سازی رفتار هم‌زیستان در طبیعت، فرایند تخصیص منابع را به‌صورت تطبیقی بهینه می‌سازد. در شبیه‌سازی‌ها، داده‌های محیطی مصنوعی شامل نواحی زمینی، آبی و پوشش گیاهی مورد استفاده قرار گرفت و ۱۵۰ اجرای مستقل تحت ترکیب‌های مختلف پارامترهای میدان دید، آستانه‌ی تصمیم و بودجه‌ی حافظه انجام شد. نتایج کمی نشان داد که الگوریتم CORES توانست میانگین شاخص کیفیت داده را تا ۱۸٪ و شاخص انطباق مکانی را تا ۲۳٪ نسبت به روش‌های پایه بهبود دهد. از نظر کیفی نیز، توزیع یکنواخت‌تر داده‌ها و کاهش هم‌پوشانی فضایی به‌دست آمد. این نتایج بیانگر آن است که الگوریتم CORES با الهام از تعاملات زیستی می‌تواند تخصیص منابع را در سامانه‌های پهپادی به‌صورت پویا، کارآمد و سازگار با تغییرات محیطی انجام دهد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">تخصیص منابع</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">چهاردرخت پویا</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پهپادها</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهینه‌سازی چندهدفه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدیریت داده‌های محیطی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.joae.ir/article_238577_57d625d904e773fa4443452da8df29e7.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
