Análise comparativa de algoritmos meta-heurísticos na solução de posicionamento de UAV-BS

Em desastres naturais, a infraestrutura de comunicação costuma ser comprometida, dificultando ações de resgate e suporte. Nesse cenário, Veículos Aéreos Não Tripulados (UAV), atuando como Estações Base (UAV-BS), surgem como alternativa promissora para restabelecer a conectividade. Embora diversos estudos explorem algoritmos meta-heurísticos para otimizar o posicionamento desses UAVs, muitos utilizam cenários idealizados, ignorando a distribuição aleatória de usuários típica de situações emergenciais. Este trabalho realiza uma análise comparativa entre cinco algoritmos meta-heurísticos: Algoritmo Genético (AG), Enxame de Partículas (PSO), Colônia de Abelhas (ABC), Colônia de Formigas (ACO) e Ensino-Aprendizagem (TLBO), considerando métricas como cobertura de usuários, vazão, tempo de execução e qualidade do sinal. Os testes estatísticos indicaram diferenças significativas entre os métodos. O PSO e o TLBO obtiveram os melhores desempenhos gerais, enquanto o ACO teve o pior resultado em cobertura e tempo. O TLBO se mostrou o mais equilibrado, mas o PSO foi superior em cenários que priorizam economia no número de UAVs. O estudo oferece subsídios para decisões mais eficazes em redes móveis emergenciais.