一种基于带有移动基站的分布式粒子群优化算法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115955679A(43)申请公布日2023.04.11(21)申请号202211668891.9(22)申请日2022.12.24(71)申请人常州工学院地址213031江苏省常州市新北区辽河路666号(72)发明人杜艳芝(51)Int.Cl.H04W16/18(2009.01)G06F30/25(2020.01)G06N3/006(2023.01)H04W24/02(2009.01)权利要求书3页说明书24页附图11页(54)发明名称一种基于带有移动基站的分布式粒子群优化算法(57)摘要本发明属于优化算法领域，尤其是一种基于带有移动基站的分布式粒子群优化算法，包括以下步骤：S1、群机器人系统的动态分组；S2、机器人代表的选择，S3、基站的定位：基站的定位可以被分为：基站的初始部署和基站的重新定位两个部分，本发明在每一次迭代时都能使最合适的机器人子群去搜索不同的目标，帮助群机器人系统在搜索的过程中能够有效地同时处理多个目标，代表所有的机器人将最优的数据信息传输到基站，引入了适当数量的可移动基站以减轻机器人系统的通信限制问题，缩短数据信息的传输距离，从而降低机器人系统在通讯过程中的能量耗费。CN115955679ACN115955679A权利要求书1/3页1.一种基于带有移动基站的分布式粒子群优化算法，其特征在于，包括以下步骤：S1、群机器人系统的动态分组：群机器人系统中所有的机器人个体被动态的分成一些小子群为之后的目标搜索做准备，一旦这些小子群分组完成，不同的子群将独立地对不同的目标进行搜索；S2、机器人代表的选择：从整个机器人群体中动态地选择出若干机器人代表；S3、基站的定位：基站的定位可以被分为：基站的初始部署和基站的重新定位两个部分；S4、数据的传输：在数据的传输阶段，选定的机器人代表们将自己所了解到的最优数据信息传输给基站，基站执行汇总与分析，将在它的通信范围内向所有的机器人广播新发现的最佳解。2.根据权利要求1所述的一种基于带有移动基站的分布式粒子群优化算法，其特征在于，所述S3中，其中，在第一次迭代中，需要决定引入合适数量的基站并且将这些基站进行初始地部署，在第二次迭代及以后的所有迭代中，基站会进行重新进行定位。3.根据权利要求1所述的一种基于带有移动基站的分布式粒子群优化算法，其特征在于，所述S1中，为了在搜索过程中同时且有效地处理多个目标，将机器人群动态地分为若干个小的机器人子群，一旦机器人分组完成，每个机器人子群将会独立地搜索特定的目标，每一次迭代开始时都会进行一次分组，机器人Ri能够响应目标Tj的概率计算方法如下：其中，I(TjRi)是机器人Ri能够检测到目标Tj发出信号的强度，nd表示机器人Ri能够检测到目标的数量，响应阈值(prt)用于确定每个机器人要搜寻的目标，首先是根据响应阈值prt将机器人分成若干个小子群，具体来说，如果p(TjRi)≥prt，则将机器人Ri分到搜索目标Tj的子群sj中，其次，如果子群si中的机器人的数量大于N/Nt，则将在子机器人群si中的对目标Tk具有高的响应概率的机器人添加到子机器群sk中，为了保持每个子群中机器人的个体的多样性并避免困于局部的极优解中，定义了机器人的质量相似度如下：其中，表示第k个子群中所有机器人的集合，在一个子群中的某个机器人的邻域机器人数量越多，这个机器人对应的目标函数取值和子群中的其它机器人的目标函数取值越接近，那么这个机器人的QSD的值越大。4.根据权利要求1所述的一种基于带有移动基站的分布式粒子群优化算法，其特征在于，所述S2中，为了从群机器人系统中选择合适数量的机器人代表来代替所有的机器人，将自己发现的最优信息数据传输给基站，提出RRS‑MT算法。5.根据权利要求4所述的一种基于带有移动基站的分布式粒子群优化算法，其特征在于，所述RRS‑MT算法是在RRS算法的基础上提出的，在RRS‑MT算法中，在选择机器人代表的2CN115955679A权利要求书2/3页时候仍然是考虑了机器人所处的位置对应的目标函数取值和机器人的能量水平，机器人代表所具有的邻居机器人数目越多，该机器人代表也就越具有代表性，在RRS‑MT算法中机器人代表的选择过程是在每个子群中独立地展开和进行的，在不同的子群中，采用的目标函数是不同的，因为不同子群中的机器人所搜索的目标对象是不同的，作为目标函数的搜索误差的计算公式也是不同的，为了保持足够数量的机器人代表以有效地代表所有的机器人，将设置为的下限，是t时刻在搜索目标Ti的子群中被选择为机器人代表的数量，显然，的取值是动态变化的，为了保证RRS‑MT算法在前期阶段中种群的多样性和后期阶段中的收敛速度，将的取值设计为动态的，具体表示如下：其中，和分别是的上限值和下限值