CN114245436A - 无人机辅助移动边缘网络分簇方法及装置 - Google Patents
无人机辅助移动边缘网络分簇方法及装置 Download PDFInfo
- Publication number
- CN114245436A CN114245436A CN202111642458.3A CN202111642458A CN114245436A CN 114245436 A CN114245436 A CN 114245436A CN 202111642458 A CN202111642458 A CN 202111642458A CN 114245436 A CN114245436 A CN 114245436A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- cluster
- coordinates
- cluster head
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 167
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种无人机辅助移动边缘网络分簇方法及装置,所述方法包括:步骤1:将地面节点初始化为K个簇,得到K个簇头;步骤2:根据K个簇头,获取簇头多边形的点群中心,将点群中心作为无人机的坐标;步骤3:获取无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历得到每个簇中的最优簇头;步骤4:获取最优簇头对应的簇头坐标,结合贪婪算法得到对应的无人机坐标;步骤5:重复步骤3、步骤4直至无人机坐标达到预设精度,输出无人机坐标。采用本方法能够通过优化无人机的位置部署和地面节点的分簇策略,能有效地扩大无人机的覆盖范围,确保无人机能够从各个方向的地面节点收集信息,同时最小化***的总时延。
Description
技术领域
本发明涉及信息与通信工程技术领域,尤其涉及一种无人机辅助移动边缘网络分簇方法及装置。
背景技术
随着物联网技术的发展,许多在线移动应用程序逐渐走进人们的生活。但这些设备的计算资源、电池资源都是有限的,移动设备不能依靠自己有限的资源来满足所有的计算需求。各类移动设备,包括物联网设备产生的数据是海量的,传统的云计算将这些数据全部传输到云端会对网络带宽造成巨大压力,同时云计算也难以保证用户隐私数据的安全。基于此,人们提出了移动边缘计算(MEC)技术。MEC技术是指通过在网络边缘进行计算的一种新计算模型,具有超低时延、超高带宽、实时性强等特性。
现有的边缘计算网络架构中通常以固定基站作为边缘服务器。在许多现实生活场景下,例如在发生大型自然灾害过后,大量通信基础设施被破坏;再例如在一些野外环境或战场上,固定位置小型基站的部署就变得非常困难,同时也很难合理的确定部署时的分簇策略。
发明内容
针对现有技术中存在的问题,本发明实施例提供一种无人机辅助移动边缘网络分簇方法及装置。
本发明实施例提供一种无人机辅助移动边缘网络分簇方法,包括:
步骤1:获取预设范围中地面节点的分布密度,并根据所述分布密度将地面节点初始化为K个簇,得到K个簇头;
步骤2:根据所述K个簇头确定初始簇头的初始位置,根据所述初始位置得到对应的簇头多边形,获取所述簇头多边形的点群中心,将所述点群中心作为无人机的坐标;
步骤3:获取所述无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历所述分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头;
步骤4:获取所述最优簇头对应的簇头坐标,根据所述簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标;
步骤5:重复步骤3、步骤4,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当所述坐标差距小于预设差距时,输出所述无人机坐标。
在其中一个实施例中,所述方法还包括:
分别以分簇结果中的每个节点作为簇头,计算簇中各个节点到无人机的总时延,并将总时延最小时对应的节点作为最优簇头。
在其中一个实施例中,所述方法还包括:
根据簇头坐标得到对应的簇头多边形,获取所述簇头多边形的点群中心,并结合预设的四方向变步长贪婪算法得到对应的四方向无人机坐标;
分别计算四方向无人机坐标与各个最优簇头之间的时延,并将总时延最小时对应的无人机坐标作为四方向变步长贪婪算法输出的无人机坐标。
在其中一个实施例中,所述方法还包括:
步骤4.1,根据所述分布密度,获取所述地面节点中密度最大的节点作为初始节点,根据所述初始节点的影响范围划分初始簇,所述初始节点作为簇头;
步骤4.2,将所述地面节点去除所述初始簇中的所有节点,再次获取地面节点中密度最大的节点作为第二初始节点,根据所述第二初始节点的影响范围划分第二初始簇,所述第二初始节点作为簇头;
步骤4.3,重复步骤4.2 ,直至将地面节点初始化为K个簇,得到K个簇头。
在其中一个实施例中,所述方法还包括:
根据无人机的坐标,通过K均值聚类算法对地面节点重新分簇,得到分簇结果。
本发明实施例提供一种无人机辅助移动边缘网络分簇装置,包括:
第一获取模块,用于获取预设范围中地面节点的分布密度,并根据所述分布密度将地面节点初始化为K个簇,得到K个簇头;
第二获取模块,用于根据所述K个簇头确定初始簇头的初始位置,根据所述初始位置得到对应的簇头多边形,获取所述簇头多边形的点群中心,将所述点群中心作为无人机的坐标;
分簇模块,用于获取所述无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历所述分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头;
坐标计算模块,用于获取所述最优簇头对应的簇头坐标,根据所述簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标;
重复模块,用于重复分簇模块、坐标计算模块步骤,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当所述坐标差距小于预设差距时,输出所述无人机坐标。
在其中一个实施例中,所述装置还包括:
计算模块,用于分别以分簇结果中的每个节点作为簇头,计算簇中各个节点到无人机的总时延,并将总时延最小时对应的节点作为最优簇头。
在其中一个实施例中,所述装置还包括:
算法模块,用于根据簇头坐标得到对应的簇头多边形,获取所述簇头多边形的点群中心,并结合预设的四方向变步长贪婪算法得到对应的四方向无人机坐标;
第二计算模块,用于分别计算四方向无人机坐标与各个最优簇头之间的时延,并将总时延最小时对应的无人机坐标作为四方向变步长贪婪算法输出的无人机坐标。
本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述无人机辅助移动边缘网络分簇方法的步骤。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述无人机辅助移动边缘网络分簇方法的步骤。
本发明实施例提供的无人机辅助移动边缘网络分簇方法及装置,步骤1:获取预设范围中地面节点的分布密度,并根据分布密度将地面节点初始化为K个簇,得到K个簇头;步骤2:根据K个簇头确定初始簇头的初始位置,根据初始位置得到对应的簇头多边形,获取簇头多边形的点群中心,将点群中心作为无人机的坐标;步骤3:获取无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头;步骤4:获取最优簇头对应的簇头坐标,根据簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标;步骤5:重复步骤3、步骤4,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当坐标差距小于预设差距时,输出无人机坐标。这样能够通过优化无人机的位置部署和地面节点的分簇策略,能有效地扩大无人机的覆盖范围,确保无人机能够从各个方向的地面节点收集信息,同时最小化***的总时延。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中无人机辅助移动边缘网络分簇方法的流程图;
图2为本发明实施例中无人机辅助移动边缘网络分簇装置的结构图;
图3为本发明实施例中电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的无人机辅助移动边缘网络分簇方法的流程示意图,如图1所示,本发明实施例提供了一种无人机辅助移动边缘网络分簇方法,包括:
S101,步骤1:获取预设范围中地面节点的分布密度,并根据所述分布密度将地面节点初始化为K个簇,得到K个簇头。
具体地,确定需要部署基站节点的预设范围,在预设范围内随机生成任务需求的多个地面节点,并获取预设范围中地面节点的分布密度,根据分布密度将地面节点初始化为K个簇,得到K个簇头,其中,具体的步骤可以包括:
步骤4.1,根据分布密度,获取地面节点中密度最大的节点作为初始节点,根据初始节点的影响范围划分初始簇,初始节点作为簇头;
步骤4.2,将所述地面节点去除初始簇中的所有节点,再次获取地面节点中密度最大的节点作为第二初始节点,根据第二初始节点的影响范围划分第二初始簇,第二初始节点作为簇头;
步骤4.3,重复步骤4.2 ,直至将地面节点初始化为K个簇,得到K个簇头。
S102,步骤2:根据所述K个簇头确定初始簇头的初始位置,根据所述初始位置得到对应的簇头多边形,获取所述簇头多边形的点群中心,将所述点群中心作为无人机的坐标。
具体地,根据K个簇头确定初始簇头的初始位置,将初始位置进行连接,得到对应的簇头多边形,并获取簇头多边形的点群中心,其中,点群中心为到簇头多边形各个顶点最近的点,将点群中心作为无人机的坐标。
S103,步骤3:获取所述无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历所述分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头。
具体地,获取无人机的坐标,根据K均值聚类算法对地面节点重新分簇,得到分簇结果,并便利分簇结果中每个簇以及簇中的每个节点,得到每个簇中的最优簇头,其中,分别以分簇结果中的每个节点作为簇头,计算簇中各个节点到无人机的总时延,并将总时延最小时对应的节点作为最优簇头,另外,在计算总时延时,还需要获取其它基础属性数据,比如无人机工作载波频率等等,在此不多做赘述。
S104,步骤4:获取所述最优簇头对应的簇头坐标,根据所述簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标。
具体地,根据簇头坐标得到对应的簇头多边形,获取簇头多边形的点群中心,并结合预设的四方向变步长贪婪算法得到对应的四方向无人机坐标,分别计算四方向无人机坐标与各个最优簇头之间的时延,并将总时延最小时对应的无人机坐标作为四方向变步长贪婪算法输出的无人机坐标,另外,在计算总时延时,还需要获取其它基础属性数据,比如无人机工作载波频率等等,在此不多做赘述。
另外,上述步骤3及步骤4中的具体算法可以如下所示,算法分为a、b、c三个步骤:
步骤a,总时延的算法(包括公式1至公式13):
然后,将所有地面节点的数据吞吐量求和得到公式:
步骤b,相互作用的无人机位置部署和地面节点分簇两部分,通过分簇、簇头确定无人机坐标(包括公式14至公式20):
在实际应用中无人机的覆盖范围有限。在已知无人机位置的情况下,地面节点会根据无人机的位置形成稳定的分簇,以提高其传输速率,从而降低***的总时延,即:
无人机位置需要到所有簇头的距离和最小。则该公式(14)即为寻找K边形点群中位中心问题。
选取点群的平均中心作为无人机初始坐标位置:
步骤c,通过无人机坐标确定分簇、簇头(包括公式21至公式24);
将所有地面节点的平均传输速率按照从大到小排序,选择序列中平均传输速率最大的节点作为簇头节点并删除以其为中心半径为的地面节点,其中表示地面节点的覆盖半径。再将剩余节点重复上述步骤,直到检索完所有节点。最终即得到地面节点分簇的簇数和个簇头节点坐标。
S105,步骤5:重复步骤3、步骤4,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当所述坐标差距小于预设差距时,输出所述无人机坐标。
具体地,重复步骤3,步骤4,进行迭代,直至迭代过程中无人机坐标与前一重复步骤中的前一无人机坐标相比的坐标差距小于预设差距时,说明无人机的位置改变量达到所需精度时,得到最优的分簇、簇头以及无人机坐标。
即将地面节点分簇结果代入到公式(14),更新无人机位置部署;将更新后的无人机位置代入公式(15)更新地面分簇。如此迭代直到无人机位置不变即可得到***总时延最小时无人机的坐标以及地面分簇结果。
本发明实施例提供的一种无人机辅助移动边缘网络分簇方法,步骤1:获取预设范围中地面节点的分布密度,并根据分布密度将地面节点初始化为K个簇,得到K个簇头;步骤2:根据K个簇头确定初始簇头的初始位置,根据初始位置得到对应的簇头多边形,获取簇头多边形的点群中心,将点群中心作为无人机的坐标;步骤3:获取无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头;步骤4:获取最优簇头对应的簇头坐标,根据簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标;步骤5:重复步骤3、步骤4,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当坐标差距小于预设差距时,输出无人机坐标。这样能够通过优化无人机的位置部署和地面节点的分簇策略,能有效地扩大无人机的覆盖范围,确保无人机能够从各个方向的地面节点收集信息,同时最小化***的总时延。。
图2为本发明实施例提供的一种无人机辅助移动边缘网络分簇装置,包括:第一获取模块S201、第二获取模块S202、分簇模块S203、坐标计算模块S204、重复模块S205,其中:
第一获取模块S201,用于获取预设范围中地面节点的分布密度,并根据所述分布密度将地面节点初始化为K个簇,得到K个簇头。
第二获取模块S202,用于根据所述K个簇头确定初始簇头的初始位置,根据所述初始位置得到对应的簇头多边形,获取所述簇头多边形的点群中心,将所述点群中心作为无人机的坐标。
分簇模块S203,用于获取所述无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历所述分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头。
坐标计算模块S204,用于获取所述最优簇头对应的簇头坐标,根据所述簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标。
重复模块S205,用于重复分簇模块、坐标计算模块步骤,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当所述坐标差距小于预设差距时,输出所述无人机坐标。
在一个实施例中,装置还可以包括:
计算模块,用于分别以分簇结果中的每个节点作为簇头,计算簇中各个节点到无人机的总时延,并将总时延最小时对应的节点作为最优簇头。
在一个实施例中,装置还可以包括:
算法模块,用于根据簇头坐标得到对应的簇头多边形,获取所述簇头多边形的点群中心,并结合预设的四方向变步长贪婪算法得到对应的四方向无人机坐标。
第二计算模块,用于分别计算四方向无人机坐标与各个最优簇头之间的时延,并将总时延最小时对应的无人机坐标作为四方向变步长贪婪算法输出的无人机坐标。
关于无人机辅助移动边缘网络分簇装置的具体限定可以参见上文中对于无人机辅助移动边缘网络分簇方法的限定,在此不再赘述。上述无人机辅助移动边缘网络分簇装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)301、存储器(memory)302、通信接口(Communications Interface)303和通信总线304,其中,处理器301,存储器302,通信接口303通过通信总线304完成相互间的通信。处理器301可以调用存储器302中的逻辑指令,以执行如下方法:步骤1:获取预设范围中地面节点的分布密度,并根据分布密度将地面节点初始化为K个簇,得到K个簇头;步骤2:根据K个簇头确定初始簇头的初始位置,根据初始位置得到对应的簇头多边形,获取簇头多边形的点群中心,将点群中心作为无人机的坐标;步骤3:获取无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头;步骤4:获取最优簇头对应的簇头坐标,根据簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标;步骤5:重复步骤3、步骤4,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当坐标差距小于预设差距时,输出无人机坐标。
此外,上述的存储器302中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:步骤1:获取预设范围中地面节点的分布密度,并根据分布密度将地面节点初始化为K个簇,得到K个簇头;步骤2:根据K个簇头确定初始簇头的初始位置,根据初始位置得到对应的簇头多边形,获取簇头多边形的点群中心,将点群中心作为无人机的坐标;步骤3:获取无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头;步骤4:获取最优簇头对应的簇头坐标,根据簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标;步骤5:重复步骤3、步骤4,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当坐标差距小于预设差距时,输出无人机坐标。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种无人机辅助移动边缘网络分簇方法,其特征在于,包括:
步骤1:获取预设范围中地面节点的分布密度,并根据所述分布密度将地面节点初始化为K个簇,得到K个簇头;
步骤2:根据所述K个簇头确定初始簇头的初始位置,根据所述初始位置得到对应的簇头多边形,获取所述簇头多边形的点群中心,将所述点群中心作为无人机的坐标;
步骤3:获取所述无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历所述分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头;
步骤4:获取所述最优簇头对应的簇头坐标,根据所述簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标;
步骤5:重复步骤3、步骤4,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当所述坐标差距小于预设差距时,输出所述无人机坐标。
2.根据权利要求1所述的无人机辅助移动边缘网络分簇方法,其特征在于,所述遍历分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头,包括:
分别以分簇结果中的每个节点作为簇头,计算簇中各个节点到无人机的总时延,并将总时延最小时对应的节点作为最优簇头。
3.根据权利要求1所述的无人机辅助移动边缘网络分簇方法,其特征在于,所述根据簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标,包括:
根据簇头坐标得到对应的簇头多边形,获取所述簇头多边形的点群中心,并结合预设的四方向变步长贪婪算法得到对应的四方向无人机坐标;
分别计算四方向无人机坐标与各个最优簇头之间的时延,并将总时延最小时对应的无人机坐标作为四方向变步长贪婪算法输出的无人机坐标。
4.根据权利要求1所述的无人机辅助移动边缘网络分簇方法,其特征在于,所述根据所述分布密度将地面节点初始化为K个簇,得到K个簇头,包括:
步骤4.1,根据所述分布密度,获取所述地面节点中密度最大的节点作为初始节点,根据所述初始节点的影响范围划分初始簇,所述初始节点作为簇头;
步骤4.2,将所述地面节点去除所述初始簇中的所有节点,再次获取地面节点中密度最大的节点作为第二初始节点,根据所述第二初始节点的影响范围划分第二初始簇,所述第二初始节点作为簇头;
步骤4.3,重复步骤4.2 ,直至将地面节点初始化为K个簇,得到K个簇头。
5.根据权利要求1所述的无人机辅助移动边缘网络分簇方法,其特征在于,所述获取无人机的坐标,根据预设算法对所述地面节点重新分簇,得到分簇结果,包括:
根据无人机的坐标,通过K均值聚类算法对地面节点重新分簇,得到分簇结果。
6.一种无人机辅助移动边缘网络分簇装置,其特征在于,所述装置包括:
第一获取模块,用于获取预设范围中地面节点的分布密度,并根据所述分布密度将地面节点初始化为K个簇,得到K个簇头;
第二获取模块,用于根据所述K个簇头确定初始簇头的初始位置,根据所述初始位置得到对应的簇头多边形,获取所述簇头多边形的点群中心,将所述点群中心作为无人机的坐标;
分簇模块,用于获取所述无人机的坐标,根据预设算法对地面节点重新分簇,得到分簇结果,并遍历所述分簇结果中的每个簇以及簇中的每个节点,得到每个簇中的最优簇头;
坐标计算模块,用于获取所述最优簇头对应的簇头坐标,根据所述簇头坐标,结合预设的四方向变步长贪婪算法得到对应的无人机坐标;
重复模块,用于重复分簇模块、坐标计算模块步骤,直至无人机坐标与前一重复步骤中的前一无人机坐标相比,得到坐标差距,当所述坐标差距小于预设差距时,输出所述无人机坐标。
7.根据权利要求6中所述的无人机辅助移动边缘网络分簇装置,其特征在于,所述装置还包括:
计算模块,用于分别以分簇结果中的每个节点作为簇头,计算簇中各个节点到无人机的总时延,并将总时延最小时对应的节点作为最优簇头。
8.根据权利要求6中所述的无人机辅助移动边缘网络分簇装置,其特征在于,所述装置还包括:
算法模块,用于根据簇头坐标得到对应的簇头多边形,获取所述簇头多边形的点群中心,并结合预设的四方向变步长贪婪算法得到对应的四方向无人机坐标;
第二计算模块,用于分别计算四方向无人机坐标与各个最优簇头之间的时延,并将总时延最小时对应的无人机坐标作为四方向变步长贪婪算法输出的无人机坐标。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述无人机辅助移动边缘网络分簇方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述无人机辅助移动边缘网络分簇方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111642458.3A CN114245436B (zh) | 2021-12-30 | 2021-12-30 | 无人机辅助移动边缘网络分簇方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111642458.3A CN114245436B (zh) | 2021-12-30 | 2021-12-30 | 无人机辅助移动边缘网络分簇方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114245436A true CN114245436A (zh) | 2022-03-25 |
CN114245436B CN114245436B (zh) | 2024-04-02 |
Family
ID=80744371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111642458.3A Active CN114245436B (zh) | 2021-12-30 | 2021-12-30 | 无人机辅助移动边缘网络分簇方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114245436B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710348A (zh) * | 2018-05-14 | 2018-10-26 | 西安工业大学 | 一种无人机群控制***及其无人机设备 |
CN112714416A (zh) * | 2020-11-30 | 2021-04-27 | 中南大学 | 一种基于信任的任务卸载方法 |
CN112995913A (zh) * | 2021-03-08 | 2021-06-18 | 南京航空航天大学 | 一种无人机轨迹、用户关联和资源分配联合优化方法 |
CN113316091A (zh) * | 2021-05-28 | 2021-08-27 | 北京邮电大学 | 一种应用于无人机集群的信息发送方法及装置 |
CN113543068A (zh) * | 2021-06-07 | 2021-10-22 | 北京邮电大学 | 一种基于层次化分簇的林区无人机网络部署方法与*** |
-
2021
- 2021-12-30 CN CN202111642458.3A patent/CN114245436B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710348A (zh) * | 2018-05-14 | 2018-10-26 | 西安工业大学 | 一种无人机群控制***及其无人机设备 |
CN112714416A (zh) * | 2020-11-30 | 2021-04-27 | 中南大学 | 一种基于信任的任务卸载方法 |
CN112995913A (zh) * | 2021-03-08 | 2021-06-18 | 南京航空航天大学 | 一种无人机轨迹、用户关联和资源分配联合优化方法 |
CN113316091A (zh) * | 2021-05-28 | 2021-08-27 | 北京邮电大学 | 一种应用于无人机集群的信息发送方法及装置 |
CN113543068A (zh) * | 2021-06-07 | 2021-10-22 | 北京邮电大学 | 一种基于层次化分簇的林区无人机网络部署方法与*** |
Also Published As
Publication number | Publication date |
---|---|
CN114245436B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020147456A1 (zh) | 无人机路径优化方法、设备及存储介质 | |
US9426233B2 (en) | Multi-objective server placement determination | |
CN112351503A (zh) | 基于任务预测的多无人机辅助边缘计算资源分配方法 | |
WO2021238305A1 (zh) | 一种基于强化学习的通用分布式图处理方法及*** | |
Liu et al. | Efficient deployment of UAVs for maximum wireless coverage using genetic algorithm | |
CN116112981A (zh) | 一种基于边缘计算的无人机任务卸载方法 | |
CN114268967A (zh) | 无人机辅助移动边缘网络用户匹配方法及装置 | |
Parvaresh et al. | A continuous actor–critic deep Q-learning-enabled deployment of UAV base stations: Toward 6G small cells in the skies of smart cities | |
CN114896072A (zh) | 基于深度强化学习的无人机辅助移动边缘计算优化方法 | |
Hwang et al. | Deep reinforcement learning approach for uav-assisted mobile edge computing networks | |
CN114641006A (zh) | 一种基于二进制蜻蜓优化算法的认知无线电网络的频谱分配方法 | |
Liwang et al. | Graph-represented computation-intensive task scheduling over air-ground integrated vehicular networks | |
CN117858015A (zh) | 基于深度强化学习的空中边缘计算数据安全传输及资源分配方法 | |
CN114245436A (zh) | 无人机辅助移动边缘网络分簇方法及装置 | |
CN116709290A (zh) | 一种基于无人机边缘计算的灾害地区应急通信方法及*** | |
CN116249202A (zh) | 一种物联网设备的联合定位与计算支持方法 | |
CN115967430A (zh) | 一种基于深度强化学习的成本最优空地网络任务卸载方法 | |
CN116562364A (zh) | 基于知识蒸馏的深度学习模型协同推演方法、装置及设备 | |
CN114815886A (zh) | 基于区块链和遗传算法的集群无人机避障方法及*** | |
CN111935824B (zh) | 无线资源分配策略更新方法、装置、设备及存储介质 | |
CN113824486A (zh) | 无人机通信***的性能评估方法、装置、计算机设备和存储介质 | |
Wu et al. | Task delay minimization in multi-UAV-assisted mobile edge computing system | |
CN115209424B (zh) | 一种基于椭圆覆盖模型的无人机基站分流部署方法 | |
CN116341685B (zh) | 基于联合注意力的分布式计算卸载模型训练方法和*** | |
Lee et al. | Competitive Game Theoretic Clustering-Based Multiple UAV-Assisted NB-IoT Systems. Electronics 2021, 10, 356 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |