基于全局最优人工蜂群算法的无人机基站部署方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112261623A(43)申请公布日2021.01.22(21)申请号202010961131.1(22)申请日2020.09.14(71)申请人山东师范大学地址250014山东省济南市历下区文化东路88号(72)发明人陆佃杰李佳流源张桂娟吕蕾吕晨田杰艾鑫伟刘弘(74)专利代理机构济南圣达知识产权代理有限公司37221代理人黄海丽(51)Int.Cl.H04W4/70(2018.01)H04W16/18(2009.01)H04W28/02(2009.01)G06N3/00(2006.01)权利要求书2页说明书11页附图5页(54)发明名称基于全局最优人工蜂群算法的无人机基站部署方法及系统(57)摘要本发明公开了基于全局最优人工蜂群算法的无人机基站部署方法及系统，包括：构建一个D2D网络，所述D2D网络上分布若干个用户终端UE；在D2D网络的基础上，将无人机基站UAV‑BS的网络覆盖问题构建成目标函数和约束条件；所述目标函数为：最大化总体网络的吞吐量和总体网络的终端用户UE数量；其中，总体网络既包括用户终端UE之间通信的D2D网络，也包括用户终端UE与无人机基站UAV‑BS通信的网络；通过全局最优人工蜂群算法，对目标函数进行求解，得到无人机基站部署的坐标位置；基于所得到的无人机基站部署的坐标位置，完成无人机基站的部署。CN112261623ACN112261623A权利要求书1/2页1.基于全局最优人工蜂群算法的无人机基站部署方法，其特征是，包括：构建一个D2D网络，所述D2D网络上分布若干个用户终端UE；在D2D网络的基础上，将无人机基站UAV-BS的网络覆盖问题构建成目标函数和约束条件；所述目标函数为：最大化总体网络的吞吐量和总体网络的终端用户UE数量；其中，总体网络既包括用户终端UE之间通信的D2D网络，也包括用户终端UE与无人机基站UAV-BS通信的网络；通过全局最优人工蜂群算法，对目标函数进行求解，得到无人机基站部署的坐标位置；基于所得到的无人机基站部署的坐标位置，完成无人机基站的部署。2.如权利要求1所述的方法，其特征是，所述目标函数等于总体网络的吞吐量与总体网络的终端用户通信数量的加权求和结果，权重为权衡总体网络吞吐量和用户终端UE数量的参数。3.如权利要求2所述的方法，其特征是，所述总体网络的终端用户通信数量，等于直接与无人机基站UAV-BS通信的终端用户数量和通过D2D网络进行通信的终端用户数量之和。4.如权利要求2所述的方法，其特征是，所述总体网络的吞吐量，等于直接与无人机基站UAV-BS通信的终端用户的网络吞吐量和通过D2D网络进行通信的终端用户的网络吞吐量之和。5.如权利要求1所述的方法，其特征是，所述约束条件为：权衡总体网络吞吐量和用户终端UE数量的参数大于零且小于1；无人机基站UAV-BS的网络吞吐量小于等于其容量；参与用户终端UE与无人机基站UAV-BS通信的用户终端UE的信号与干扰加噪声比SINR大于等于设定的阈值；在D2D网络中，存在通信关系的用户终端UE的信号与干扰加噪声比SINR大于等于设定的阈值。6.如权利要求1所述的方法，其特征是，所述信号与干扰加噪声比SINR，在用户终端UE与无人机基站UAV-BS通信过程中，是指用户终端在无人机基站UAV-BS覆盖范围内的接收功率和干扰功率与信道噪声之比；或者，所述信号与干扰加噪声比SINR，在D2D网络中，是指当前用户终端UE在接收到上一跳用户终端的接收功率和干扰功率与信道噪声之比；或者，所述接收功率，在用户终端UE与无人机基站UAV-BS通信过程中，是指用户终端从无人机基站UAV-BS接收的功率；或者，所述接收功率，在在D2D网络中，是指当前用户终端UE从它的上一跳用户终端UE中接收的功率。7.如权利要求1所述的方法，其特征是，通过全局最优人工蜂群算法，对目标函数进行求解，得到无人机基站部署的坐标位置；具体步骤包括：参数初始化，在规定场景内随机产生若干解，每个解包括设定数量的UAV-BS的三维坐标；2CN112261623A权利要求书2/2页记录步骤：记录所有解中最大适应度值和适应度值最大的解；引领蜂阶段：基于当前无人机基站UAV-BS附近的解和适应度值最大的解来搜索一个新解，若新解具有更大的适应度值，则将其目标值记录下来并将当前解替换成新解；跟随蜂阶段：采用轮盘赌按概率基于当前解附近的解和全局最优解搜索一个新解，若新解具有更大的适应度值，则将其适应度值记录下来并将当前解替换成新解；侦察蜂阶段：若搜索次数是否超过了规定的次数，则在规定场景内随机产生新解替代当前解；判断步骤：判断是否达到了迭代总次数，若达到了则输出记录的最大适应度值和对应的一组UAV-BS坐标，否则重新