ETD

• abc
• caos
• ga
• ils
• metaheuristic optimization
• ottimizzazione metaeuristica

Il focus centrale della tesi è lo sviluppo e la validazione di una procedura di taratura automatica
di un controllore di avvicinamento ILS tramite ottimizzazione metaeuristica basata su simulazione. Nel
dominio longitudinale viene definita un’architettura a più anelli e un vettore di guadagni da ottimizzare.
La funzione obiettivo definita combina accuratezza di inseguimento del glideslope, regolarità della risposta,
rispetto di vincoli e margini di stabilità, oltre a penalità sull’impiego degli attuatori. A parità di
budget computazionale si confrontano Genetic Algorithms (GA), Artificial Bee Colony (ABC) e Chaotic
ABC (C-ABC), adottando un protocollo sperimentale riproducibile su più seed. I risultati mostrano che
tutte le tecniche producono tarature pienamente utilizzabili e migliorano in modo netto la regolazione
manuale, con tracking più regolare e comandi più coerenti con i vincoli. Nel caso studiato, GA e ABC
risultano complessivamente comparabili, mentre C-ABC evidenzia un potenziale vantaggio in termini di
qualità o probabilità di ottenere soluzioni migliori, a fronte di un maggiore onere di configurazione. Infine,
una validazione in turbolenza Dryden conferma la stabilità e la robustezza delle tarature, evidenziando
l’importanza della dipendenza dallo scenario e della valutazione su più realizzazioni del disturbo.

The thesis focuses on developing and validating an automatic tuning procedure for an ILS approach controller through simulation-based metaheuristic optimization. In the longitudinal domain, a multi-loop architecture is defined and a gain vector is optimized. The objective function combines glideslope tracking accuracy, response smoothness, constraint compliance and stability margins, and penalizes excessive actuator usage. Under the same computational budget, Genetic Algorithms (GA), Artificial Bee Colony (ABC) and Chaotic ABC (C-ABC) are compared using a reproducible experimental protocol over multiple random seeds. Results show that all techniques yield fully usable tunings and clearly outperform manual tuning, with smoother tracking and commands more consistent with the constraints. In the studied case, GA and ABC are broadly comparable, while C-ABC shows potential advantages in solution quality or in the probability of reaching better solutions, at the cost of a higher configuration effort. Validation under Dryden turbulence confirms stability and robustness, highlighting scenario dependence and the need to test multiple disturbance realizations.