一种多无人机网络覆盖优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115935560A(43)申请公布日2023.04.07(21)申请号202211310004.0(22)申请日2022.10.25(71)申请人南京航空航天大学地址210016江苏省南京市秦淮区御道街29号(72)发明人郭剑东邓德辉孙晓媛梁辰雨廖志翔(74)专利代理机构江苏圣典律师事务所32237专利代理师徐晓鹭(51)Int.Cl.G06F30/18(2020.01)G06F30/27(2020.01)G06N3/006(2023.01)权利要求书2页说明书8页附图7页(54)发明名称一种多无人机网络覆盖优化方法(57)摘要本发明提供一种多无人机网络覆盖优化方法，属于信息技术领域。该优化方法包括：1)以平衡优化算法为核心，对平衡池中的候选解采用莱维飞行方式进行搜索，生成局部种群，计算局部种群中粒子的适应度值，用更高适应度值的粒子代替原平衡池中的粒子；2)种群中粒子数量采取非线性递减策略，在迭代过程中，淘汰适应度值低的粒子，减少算法的运算量；3)将该新型平衡优化算法应用于多无人机网络覆盖问题，定义一组无人机在二维平面内的位置坐标编码为一个粒子。通过仿真实验表明，本发明提出的多无人机网络覆盖优化方法较好地平衡了全局搜索性能与局部优化性能，收敛速度较快，具备规划同构、异构多无人机的空间位置分布，有效地提高了网络覆盖率。CN115935560ACN115935560A权利要求书1/2页1.一种多无人机网络覆盖优化方法，其特征在于：所述方法包括以下步骤：对多无人机网络覆盖优化问题建模，将无人机在二维平面内的位置坐标编码为优化算法中的粒子，单个粒子维度设置为2n维，n为无人机数量，第一行为各无人机在二维平面内的横坐标值，第二行为纵坐标值；目标区域的边界设置为解空间的上界与下界；将目标区域的网络覆盖率设置为优化算法的目标函数；在平衡优化算法的基础上，对候选解采用莱维飞行方式生成局部种群，并依据适应度值对平衡池中的原候选解更新代替；并采用一种非线性递减种群中粒子数量的策略，动态调整迭代过程中粒子数量；对多无人机网络覆盖问题进行求解速度优化；将算法求解出的历史最优粒子进行解码，得到无人机群的空间位置分布及网络覆盖区域示意图。2.根据权利要求1所述的一种多无人机网络覆盖优化方法，其特征在于：对多无人机网络覆盖问题进行求解优化的具体过程为：S1设置初始种群及最终种群粒子数量，初始化改进平衡优化算法的参数；S2根据网络覆盖区域信息设置解空间上下界以及无人机的数量，生成初始种群粒子分布，并初始化平衡池；S3根据评价函数计算种群中单个粒子的适应度值，与平衡池中粒子进行比较，更新平衡池；S4计算指数项系数F及生成速率G，按照算法更新公式进行更新；S5对候选解采用莱维飞行的方式生成局部种群粒子，并依据适应度值对平衡池中的候选解进行更新；S6计算粒子适应度值，采取非线性递减的变种群粒子数量的策略，按照适应度值淘汰设定数量的粒子，计算下一次迭代过程粒子的数量；S7判断是否达到最大迭代次数，若已达到，则输出平衡池中的最优解，并将其确立为无人机在目标区域内的空间分布；否则返回步骤S3。3.根据权利1所述的一种多无人机网络覆盖优化方法，其特征在于：选取历史最优的四个粒子及其平均值构成平衡池：其中，Peq1，Peq2，Peq3，Peq4为历史最优的四个粒子，Peqave为四个粒子的平均状态；对所述平衡池中候选解采用莱维飞行方式生成局部种群，生成方式如下：式中，i＝1,2,3,4，分别对应平衡池中历史最优的四个粒子，Peqave为原平衡池中四个粒子的平均状态，j＝1,2,...,M，M为期望的局部种群的数量，step为以莱维飞行方式得到的步长：2CN115935560A权利要求书2/2页α为衰减因子，β为常数，μ，ν服从N(0,σ2)和N(0,1)的高斯分布，Γ为gamma函数；新的候选解的更新规则为，由式(10)分别生成历史最优的四个粒子的局部种群，计算局部种群中粒子的适应度值，与对应的候选解的适应度值进行比较，用适应度值更优的粒子代替对应的候选解。4.根据权利2所述的一种多无人机网络覆盖优化方法，其特征在于：在迭代过程中，采用一种非线性递减的变种群粒子数量的策略，每次迭代过程种群中的粒子数量为：式中,NIter为当前迭代过程粒子的数量，Ninitial为初始种群粒子的数量，Nend为最终种群粒子的数量，Iter为当前迭代次数，Max_iter为最大迭代次数，round为取整函数；每次迭代结束后，计算下一次迭代时种群的粒子数量，按照适应度值排序，淘汰设定适应度值低的粒子，剩余粒子作为下一次迭代时的初始种群。5.根据权利2所述的一种多无人机网络覆盖优化方法，其特征在于：将所有无人机覆盖区域的并集与目标区