CN114938497B - 一种通信节点无人机多种群网络部署方法 - Google Patents

一种通信节点无人机多种群网络部署方法 Download PDF

Info

Publication number
CN114938497B
CN114938497B CN202210780120.2A CN202210780120A CN114938497B CN 114938497 B CN114938497 B CN 114938497B CN 202210780120 A CN202210780120 A CN 202210780120A CN 114938497 B CN114938497 B CN 114938497B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
communication node
population
deployment
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.)
Active
Application number
CN202210780120.2A
Other languages
English (en)
Other versions
CN114938497A (zh
Inventor
张晓明
吴航
汪长剑
李俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University
Original Assignee
Anhui University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui University filed Critical Anhui University
Priority to CN202210780120.2A priority Critical patent/CN114938497B/zh
Publication of CN114938497A publication Critical patent/CN114938497A/zh
Application granted granted Critical
Publication of CN114938497B publication Critical patent/CN114938497B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • 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)

Abstract

本发明涉及一种通信节点无人机多种群网络部署方法，与现有技术相比解决了集群通信无人机面对复杂环境难以得到有益效果且完成任务速度慢的缺陷。本发明包括以下步骤：通信节点无人机多种群的设定；待通信节点的位置获取；多种群协同进化算法离线优化集群通信节点无人机的部署；多种群协同进化算法下的通信节点无人机的网络部署。本发明基于并行的基础上发挥多种群的优势，提高了解决通信节点无人机网络的部署问题的效率和成功率，增强了通信节点无人机集群适应复杂环境的能力和完成任务的速度，更适合在现实环境中执行任务。

Description

一种通信节点无人机多种群网络部署方法
技术领域
本发明涉及无人机集群控制技术领域，具体来说是一种通信节点无人机多种群网络部署方法。
背景技术
随着科技的进步和时代的进步，无人机(UAV)已具有高机动性、体积小、和低成本的优点，使得UAV解决实际问题的例子大幅增加，UAV在诸多领域不断得到了广泛的应用。近些年，利用通信节点无人机实现高速无线通信有望在未来的通信***中发挥重要作用，即几架通信节点无人机组成一个通信节点无人机网络。比如自然灾害导致蜂窝电信基础设施可能会功能失常，为灾区与外界的建立无线网络进行信息交换。
与在自然灾害情况下可能被严重破坏的固定基础设施相比，基于通信节点无人机的基站易于部署，并且可以在目标区域提供紧急通信。此外，在大多数情况下群体无人机可以辅助建立短程视距(LoS)通信链路，这可能导致源和目的地之间可能的直接通信或长距离短程视距(LoS)链路上的高空平台(HAP)中继的显著性能改善，另一方面，通过动态调整无人机状态以最佳适应通信环境，无人机的机动性为性能增强提供了新的机会。
专利号为202210740998.3、专利名称为一种基于离散种子优化算法的通信节点无人机网络部署方法，其虽利用离散种子优化算法使得通信节点无人机可以有效部署，实现了多个通信节点无人机部署到合适的位置。但是，根据没有免费午餐定理，不存在某一个算法在所有场景中得到最优解，然而现实场景中情况多变且复杂，即如何解决所有场景下的待通信节点的通信需求问题亟待解决，且经过实验验证发现，单种群离散种子优化算法在解决通信节点无人机网络部署问题的算法性能确实不是很理想。
因此，如何设计出一种尽可能地解决所有复杂多变的通信节点无人机覆盖部署场景问题已经成为急需解决的技术问题。
发明内容
本发明的目的是为了解决现有技术中集群通信无人机面对复杂环境难以得到有益效果且完成任务速度慢的缺陷，提供一种基于多种群协同进化算法的通信节点无人机网络部署方法来解决上述问题。
为了实现上述目的，本发明的技术方案如下：
一种通信节点无人机多种群网络部署方法，包括以下步骤：
11)通信节点无人机多种群的设定：对通信节点无人机多种群进行设定，并分别对单种群通信节点无人机集群进行初始设置；
12)待通信节点的位置获取：根据待通信的二维兴趣区域对待通信节点的位置进行定位扫描获取；
13)多种群协同进化算法离线优化集群通信节点无人机的部署：通过多种群协同进化算法离线优化通信节点无人机的部署，在所有单种群中找出评分最高的集群通信节点无人机部署方案，为最终部署方案，即得到通信节点无人机集群的拓扑图结构；
14)多种群协同进化算法下的通信节点无人机的网络部署：根据最终部署方案的通信节点无人机集群的拓扑图结构，分别释放第一个、第二个通信节点无人机直至所有通信节点无人机释放完成。
所述对通信节点无人机多种群进行设定包括以下步骤：
21)设定通信节点无人机多种群协同进化算法的种群数量population_num；
22)设定离线优化过程中每个种群中通信节点无人机部署方案的数量P；
23)设定离线优化过程中多种群协同进化算法的最大迭代次数Imax；
24)设定离线优化过程中多种群间的迁移模式为优劣互助式迁移。
所述多种群协同进化算法离线优化集群通信节点无人机的部署包括以下步骤：
31)多种群通过随机算子生成若干个集群通信节点无人机部署方案：
多个种群中的每个种群同时通过随机算子生成P个集群通信节点无人机部署方案，其中P为多种群协同优化过程中单个种群的通信节点无人机部署方案数量；
32)多种群部署方案的评价：通过方案评分准则同时对每个种群中的P个通信节点无人机部署方案一一评价，分别统计出每个种群中每个通信节点无人机部署方案相应的评分，其中P为多种群协同优化过程中单个种群的通信节点无人机部署方案数量；
33)多种群父种方案的选择：分别对每个种群中P个通信节点无人机部署方案评分进行降序排列，分别对每个种群的P个通信节点无人机部署方案中按照评分从高到低的顺序依次选出z个高评分方案，将其作为各自种群的父种方案，其中P为多种群协同优化过程中单个种群通信节点无人机部署方案数量，z为每个单种群选择的父种方案的数量；
34)每个种群根据自身若干个父种生成若干个新的集群通信节点无人机部署方案；
35)通过方案评分准则分别对每个单种群生成的若干个集群通信节点无人机部署方案一一评价，分别得出相应的评分；
36)判断是否达到种群间迁移条件：如果达到种群间迁移条件，则对种群间进行互助式迁移；
37)判断是否满足通信覆盖的要求或是否已经达到最大迭代次数Imax，其中最大迭代次数Imax＝150；
如果没有，则按照步骤33)为每个种群从方案群体中重新选择各自新的父种方案，然后根据步骤34)为每个种群生成P个新的集群通信节点无人机部署方案，通过步骤35)评价每个种群的P个通信节点无人机部署方案，再根据步骤36)判断是否需要进行种群间迁移；
38)得到通信节点无人机集群网络覆盖方案，即得到通信节点无人机集群应部署的位置坐标，也即得到通信节点无人机集群的拓扑图结构。
所述多种群通过随机算子生成若干个集群通信节点无人机部署方案包括以下步骤：
41)开始通过随机算子离线生成第一个种群的通信节点无人机部署方案；
42)首先在目标区域内随机产生第一个通信节点无人机的位置，作为1号通信节点无人机；
43)保证2号通信节点无人机和1号通信节点无人机通信的前提下，随机生成2号通信节点无人机的位置；
44)保证3号通信节点无人机和1号通信节点无人机通信和2号通信节点无人机通信的前提下，随机生成3号通信节点无人机的位置；
45)保证k号无人机确保在能够和1,2,……,k-1号通信节点无人机通信的前提下随机生成其位置；
46)N号无人机确保在能够和1,2,……,N-1号通信节点无人机通信的前提下随机生成其位置；
47)直到所有任务无人机位置全部被分配，单个种群的通信节点无人机部署方案初始化完成；
48)离线生成第二个单种群的通信节点无人机部署方案，依次执行步骤42)至步骤47)使得第二个单种群的通信节点无人机部署方案初始化完成，其中离线生成第二个单种群的通信节点无人机部署方案的步骤42)至47)可以和离线生成第一个单种群的通信节点无人机部署方案的步骤42)至47)并行执行；
49)依次离线生成第三个单种群至最后一个单种群的通信节点无人机部署方案，分别依次执行步骤42)至步骤47)使得多种群中所有的单种群的通信节点无人机部署方案初始化完成。
所述多种群部署方案的评价包括以下步骤：
51)开始评价第一个种群的通信节点无人机部署方案；
52)统计整个通信节点无人机网络中待通信节点被覆盖的数量，记整个通信节点无人机网络覆盖的待通信节点数量为CO,CO计算公式如下：
其中，n为通信节点无人机的数量，Ci为第i个无人机覆盖的待通信节点的集合，表示集合/>的基数，集合Ci的计算公式如下：，
Ci＝{gj|d(ui,gj)≤r}，
其中ui代表第i个通信节点无人机，gj代表第j个通信节点，
r是通信节点无人机的覆盖半径；
53)分析无人机网络的容错率，
记整个无人机网络的容错率为FTO，定义如果一个无人机集合U构成的无人机网络容错率为m，那么从U中去掉任何m个无人机，它仍然保持一个连通的网络；
54)统计所有带通信节点的冗余度，
记所有带通信节点的冗余度和为RO，RO计算公式如下：
其中，k是带通信节点的数量，|tj|是集合tj的基数，|tj|即是第j个待通信节点的冗余度，集合tj的计算公式如下：
tj＝{ui|d(ui,gj)≤r}；
其中ui代表第i个通信节点无人机，gj代表第j个待通信节点，
r是通信节点无人机的覆盖半径；
55)对单种群中每个集群通信节点无人机部署方案分别执行步骤52)至步骤54)，分别计算每个部署方案的得分，得分计算公式为：
fitness＝a×CO·+b×FTO+c×RO，
其中，a、b、c均为可变参数；
单个种群的通信节点无人机部署方案评价完毕；
56)评价第二个种群的通信节点无人机部署方案：对第二个种群依次执行步骤52)至步骤55)，第二个种群的通信节点无人机部署方案评价完毕，其中第二个种群的通信节点无人机部署方案评价可以和第一个种群的通信节点无人机部署方案评价并行执行；
57)依次评价第三个种群至最后一个种群的通信节点无人机部署方案：分别依次执行步骤52)至步骤55)使得多种群中所有的单种群的通信节点无人机部署方案评价完成。
所述每个种群根据自身若干个父种生成若干个新的集群通信节点无人机部署方案包括以下步骤：
61)第一个种群开始根据自身若干个父种生成若干个新的集群通信节点无人机部署方案；
62)通过旋转生成新的集群通信节点无人机部署方案，
旋转是以群体无人机的位置为顶点，按照最小生成树形成的树形结构，称作群体无人机的拓扑结构，群体无人机形成的拓扑结构绕着拓扑中心旋转；
具体公式描述为：
其中
其中，n为通信节点无人机的数量，分别为新方案第i个通信节点无人机所在位置的横坐标、纵坐标，/>分别为父代第i个通信节点无人机所在位置的横坐标和纵坐标，xmean,ymean分别为群体无人机拓扑结构中心的横坐标和纵坐标，θ(取值范围：[-π,π])为每个通信节点无人机绕点(xmean,ymean)旋转的角度，为正值或负值，正值代表是逆时针旋转，负值则是顺时针旋转；
63)通过平移生成新的集群通信节点无人机部署方案，
平移为让群体无人机的拓扑结构整体朝着某一方向平移一段距离，具体公式描述为：
其中
Δx＝rand()×a
Δy＝rand()×β
其中，n为通信节点无人机的数量，分别为新方案第i个通信节点无人机所在位置的横坐标、纵坐标，/>分别为父代第i个通信节点无人机所在位置的横坐标和纵坐标，Δx为群体无人机的拓扑结构沿二维兴趣区域AOI中x轴方向的平移量，Δy为群体无人机的拓扑结构沿二维兴趣区域AOI中y轴方向的平移量，AOI_xmax,AOI_xmin为二维兴趣区域x轴方向边界的最大值和最小值；AOI_ymax,AOI_ymin为兴趣区域y轴方向边界的最大值和最小值，α限制着着群体无人机的拓扑结构沿二维兴趣区域AOI中x轴方向的平移量的上界，β限制着群体无人机的拓扑结构沿二维兴趣区域AOI中x轴方向的平移量的上界，rand()是在区间[-1,1]内的随机数生成器；
64)通过归一化交叉生成新的集群通信节点无人机部署方案，通过归一化让两个父种近似相似：
父种方案先按照逆时针顺序对无人机进行排序，如果无人机角度相同，再按照离原点的距离降序排列，通过对归一化后的两个父种方案交叉产生新的集群通信节点无人机部署方案；
具体公式描述为：
parent1＝{(x1,y1),(x2,y2),(x3,y3),...,(xn,yn)}
parent2＝{(x′1,y′1),(x′2,y′2),(x′3,y′3),...,(x′n,y′n)}
其中，n为通信节点无人机的数量，parent1,parent2分别代表归一化后的父种方案一和父种方案二，(xi,yi),(x′i,y′i),i＝1,2,3,...,n分别代表父种方案一和父种方案二归一化后的第i个通信节点无人机在直角坐标系中的坐标，这里的rand(0,1)是在区间[0,1]内的随机数生成器，为后代的第i个通信节点无人机在直角坐标系中的坐标；
单个种群根据若干个父种生成若干个新的集群通信节点无人机部署方案步骤执行完毕；
65)第二个种群根据自身若干个父种生成若干个新的集群通信节点无人机部署方案：对第二个种群依次执行步骤62)至步骤64)，第二个种群生成若干个新的集群通信节点无人机部署方案执行完毕，其中第二个种群生成若干个新的集群通信节点无人机部署方案步骤可以和第一个种群生成若干个新的集群通信节点无人机部署方案步骤并行执行；
66)依次对第三个种群至最后一个种群生成若干个新的集群通信节点无人机部署方案：分别依次执行步骤62)至步骤64)使得多种群中所有的单种群均生成若干个新的集群通信节点无人机部署方案。
所述判断是否达到种群间迁移条件包括以下步骤：
71)分别统计每个种群当代最优个体比上一代最优个体的适应度值增加幅度的大小；
72)当某个种群当代最优个体比上一代最优个体的适应度值增加幅度小于mig_value，称这个种群进化缓慢，当所有的种群中超过一半的种群满足进化缓慢，则达到了种群间迁移条件，反之没有达到种群间迁移条件；
其中max＝10，g为当前处在的进化代数；
73)如果达到种群间迁移条件，按照子种群的最优个体对子种群进行排名，然后对多个种群进行互助式迁移，互助式迁移为两两种群之间交换前50％的父种，具体用数学表达式描述为：
f(i)＝population_num-i+1,i＝1,2,…,population_num.
其中i、f(i)表示种群按照最优个体的排名，排名为f(i)的种群和排名为i的种群进行互助式交换前50％的父种，population_num为离线优化过程中多种群协同进化算法中子种群的数量。
有益效果
本发明的一种通信节点无人机多种群网络部署方法，与现有技术相比在基于并行的基础上发挥多种群的优势，提高解决通信节点无人机网络的部署问题的效率和成功率，增强了通信节点无人机集群适应复杂环境的能力和完成任务的速度，更适合在现实环境中执行任务。
根据没有免费午餐定理，不可能存在一个在所有可能的情况下都能得到最优解的单种群算法，因此使用所提出的多种群协同进化算法来保证在各种情况下的合适结果更为合适。利用不同种群中初始通信节点无人机网络布局不同，每个子种群在很大程度上独立进化，并基于互助迁移模型将其最佳个体交换给其他子种群。
本发明针对通信节点无人机网络部署这个NP-hard问题，设计了若干新颖且有效的通信节点无人机网络拓扑结构修改算子，设计了基于自适应迁移策略的多种群框架，本发明具有收敛速度快和全局寻优性能好的特点。
同时，本发明在超大规模的待通信节点情境下，将所提出的发明方法进行评估和分析：在其他元启发式算法不能执行此任务的状况下，我们所提出的方法性能稳定，鲁棒性好。本发明所涉及的离线快速优化模式提高了解决通信节点无人机网络的部署问题的效率和成功率，增强了通信节点无人机集群适应复杂环境的能力和完成任务的速度，更适合在现实环境中执行任务。
附图说明
图1为本发明的方法顺序图；
图2为本发明中拟解决的问题场景示意图；
图3为现有技术中通信节点无人机网络部署的方案俯视图；
图4为本发明中通过旋转生成新的集群通信节点无人机部署方案示意图；
图5为本发明中通过平移生成新的集群通信节点无人机部署方案示意图；
图6为本发明中通过归一化交叉生成新的集群通信节点无人机部署方案示意图；
图7为本发明中四个种群间进行互助式迁移示意图；
图8为现有仿真技术模拟的复杂的大规模的含有500个待通信节点的分布场景图；
图9为本发明方法在图8场景上的测试结果图；
图10为现有仿真技术模拟的一种复杂的超大规模的含有1000个待通信节点的分布场景图；
图11为本发明方法在图10场景上的测试结果图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：
如图1所示，本发明所述的一种通信节点无人机多种群网络部署方法，包括以下步骤：
第一步，通信节点无人机多种群的设定：对通信节点无人机多种群进行设定，并分别对单种群通信节点无人机集群进行初始设置。
对通信节点无人机多种群进行设定步骤如下：
(1)设定通信节点无人机多种群协同进化算法的种群数量population_num,本发明population_num设定为4；
(2)设定离线优化过程中每个种群中通信节点无人机部署方案的数量P，本发明P设定为60；
(3)设定离线优化过程中多种群协同进化算法的最大迭代次数Imax＝150；
(4)设定离线优化过程中多种群间的迁移模式为优劣互助式迁移。
对单种群通信节点无人机集群进行初始设置的步骤如下：
(1)设定通信节点无人机集合U＝{u1,u2,...,un}，其中n是无人机的数量。
(2)设定待通信节点集合G＝{g1,g2,...,gk}，其中k是二维兴趣区域中地面待通信节点的数量。
(3)设定每个通信节点无人机ui＝(xi,yi)，其中i＝1...n，(xi,yi)为通信节点无人机ui在AOI内投影的二维坐标。
(4)设定每个待通信节点gi＝(xj,yj)，其中j＝1...k，(xj,yj)为待通信节点gj在二维兴趣区域内的二维坐标。
(5)设定每个通信节点无人机的覆盖半径为r，
如果则表明待通信节点gi被通信节点无人机ui覆盖。
如图2所示是本发明中拟解决的问题场景示意图：从左至右，第一个通信节点无人机覆盖了5个待通信节点，第二个通信节点无人机覆盖了4个待通信节点，第三个通信节点无人机覆盖了6个待通信节点。
第二步，待通信节点的位置获取：根据待通信的二维兴趣区域对待通信节点的位置进行定位扫描获取。
(1)待通信节点无人机到达二维兴趣区域后，根据通信节点无人机的覆盖范围直径，将二维兴趣区域进行均等，划分为A1,A2,...,AM，其中M为划分的后的区域数量。
(2)若划分后的区域数量小于或等于给定群体通信节点无人机的数量，那么设定区域数量相等的通信节点无人机去完成待通信节点的位置获取工作，
设定通信节点无人机依次以直线路径到达二维兴趣区域边缘，每个UAV占据一个均等的划分区域，之后通信节点无人机在各自的区域进行横向飞行，通过自身配置的GPS定位***、无线信号探测器和红外传感器获取各自范围内的所有待通信节点的位置。
(3)若划分后的的区域数量大于给定群体通信节点无人机的数量，那么所有通信节点无人机均参与待通信节点的位置获取工作，且部分通信节点无人机执行多次待通信节点的位置获取工作；
将通信节点无人机与划分后的区域对应关系设定为：
其中，Area(UAVi)表示UAVi执行扫描工作的区域，并且保证Area(UAVi)有意义，即Area(UAVi)的取值集合为{A1,A2,...,AM}。
(4)所有划分区域被访问后，所有通信节点无人机整合所有的待通信节点的位置坐标。
第三步，多种群协同进化算法离线优化集群通信节点无人机的部署。通过多种群协同进化算法离线优化通信节点无人机的部署，在所有单种群中找出评分最高的集群通信节点无人机部署方案，为最终部署方案，即得到通信节点无人机集群的拓扑图结构。
在此，提出自适应迁移策略的多种群并行框架来解决通信节点无人机网络部署问题，在基于并行的基础上发挥多种群、多策略的优势，提高解决通信节点无人机网络的部署问题的效率和成功率，增强了通信节点无人机集群适应复杂环境的能力和完成任务的速度，更适合在现实环境中执行任务。
多种群协同进化算法离线优化集群通信节点无人机的部署包括以下步骤：
(1)多种群通过随机算子生成若干个集群通信节点无人机部署方案：
多个种群中的每个种群同时通过随机算子生成P个集群通信节点无人机部署方案，其中P为多种群协同优化过程中单个种群的通信节点无人机部署方案数量；
其具体步骤如下：
A1)开始通过随机算子离线生成第一个种群的通信节点无人机部署方案；
A2)首先在目标区域内随机产生第一个通信节点无人机的位置，作为1号通信节点无人机；
A3)保证2号通信节点无人机和1号通信节点无人机通信的前提下，随机生成2号通信节点无人机的位置；
A4)保证3号通信节点无人机和1号通信节点无人机和2号通信节点无人机通信的前提下，随机生成3号通信节点无人机的位置；
A5)保证k号无人机确保在能够和1,2,……,k-1号通信节点无人机通信的前提下随机生成其位置；
A6)N号无人机确保在能够和1,2,……,N-1号通信节点无人机通信的前提下随机生成其位置；
A7)直到所有任务无人机位置全部被分配，单个种群的通信节点无人机部署方案初始化完成；
A8)离线生成第二个单种群的通信节点无人机部署方案，依次执行步骤A2)至步骤A7)使得第二个单种群的通信节点无人机部署方案初始化完成，其中离线生成第二个单种群的通信节点无人机部署方案的步骤A2)至A7)可以和离线生成第一个单种群的通信节点无人机部署方案的步骤A2)至A7)并行执行；
A9)依次离线生成第三个单种群至最后一个单种群的通信节点无人机部署方案，分别依次执行步骤A2)至步骤A7)使得多种群中所有的单种群的通信节点无人机部署方案初始化完成。
(2)多种群部署方案的评价：通过方案评分准则同时对每个种群中的P个通信节点无人机部署方案一一评价，分别统计出每个种群中每个通信节点无人机部署方案相应的评分，其中P为多种群协同优化过程中单个种群的通信节点无人机部署方案数量；
多种群部署方案的评价包括以下步骤：
B1)开始评价第一个种群的通信节点无人机部署方案；
B2)统计整个通信节点无人机网络中待通信节点被覆盖的数量，记整个通信节点无人机网络覆盖的待通信节点数量为CO,CO计算公式如下：
其中，n为通信节点无人机的数量，Ci为第i个无人机覆盖的待通信节点的集合，表示集合/>的基数，集合Ci的计算公式如下：，
Ci＝{gj|d(ui,gj)≤r}，
其中ui代表第i个通信节点无人机，gj代表第j个通信节点，
r是通信节点无人机的覆盖半径；如图3所示，图3中部署方案的CO为|{a,b,c,d,e,f,g,h,i,j,k}|＝11。
B3)分析无人机网络的容错率，
记整个无人机网络的容错率为FTO，定义如果一个无人机集合U构成的无人机网络容错率为m，那么从U中去掉任何m个无人机，它仍然保持一个连通的网络；
如图3所示，图3中部署方案的CO为|{a,b,c,d,e,f,g,h,i,j,k}|＝11。
B4)统计所有带通信节点的冗余度，
记所有带通信节点的冗余度和为RO，RO计算公式如下：
其中，k是带通信节点的数量，|tj|是集合tj的基数，|tj|即是第j个待通信节点的冗余度，集合tj的计算公式如下：
tj＝{ui|d(ui,gj)≤r}；
其中ui代表第i个通信节点无人机，gj代表第j个待通信节点，
r是通信节点无人机的覆盖半径；
如图3所示，图3中部署方案待通信节点a的冗余度为1，待通信节点b的冗余度为1，待通信节点c的冗余度为2，待通信节点d的冗余度为2，待通信节点e的冗余度为1,待通信节点f的冗余度为3，待通信节点g的冗余度为2，待通信节点h的冗余度为3，待通信节点i的冗余度为1，待通信节点j的冗余度为2，待通信节点k的冗余度为1。其余的待通信节点没有被任何一个无人机覆盖，所以其余的待通信节点冗余度均为0。此无人机网络的冗余度RO＝1+1+2+2+1+1+3+2+3+1+2+1＝19。
B5)对单种群中每个集群通信节点无人机部署方案分别执行步骤B2)至步骤B4)，分别计算每个部署方案的得分，得分计算公式为：
fitness＝a×CO+b×FTO+c×RO，
其中，a、b、c均为可变参数；
如图3所示，图3中部署方案的得分fitness＝1000×11+100×1+1×19＝11119。
单个种群的通信节点无人机部署方案评价完毕。
B6)评价第二个种群的通信节点无人机部署方案：对第二个种群依次执行步骤B2)至步骤B5)，第二个种群的通信节点无人机部署方案评价完毕，其中第二个种群的通信节点无人机部署方案评价可以和第一个种群的通信节点无人机部署方案评价并行执行；
B7)依次评价第三个种群至最后一个种群的通信节点无人机部署方案：分别依次执行步骤B2)至步骤B5)使得多种群中所有的单种群的通信节点无人机部署方案评价完成。
(3)多种群父种方案的选择：分别对每个种群中P个通信节点无人机部署方案评分进行降序排列，分别对每个种群的P个通信节点无人机部署方案中按照评分从高到低的顺序依次选出z个高评分方案，将其作为各自种群的父种方案，其中z＝10％×P，P为多种群协同优化过程中单个种群通信节点无人机部署方案数量，z为每个单种群选择的父种方案的数量；
(4)每个种群根据自身若干个父种生成若干个新的集群通信节点无人机部署方案；
因为无人机网络的部署最优覆盖问题是基于离散变量的组合优化问题，而传统的进化算法如粒子群算法适用于求解连续优化问题，虽有改进的变体适用于离散问题的求解，但并没有针对无人机网络的部署覆盖问题提出的变体。且由没有免费午餐定理可知，并没有通用的算法适用于所有类型的离散问题求解，所以，要应用进化算法求解无人机网络的最优部署问题，则必须在遵守原有算法优化机理的前提下，对算法的后代生成算子重新设计，对算法进行改进和完善，从而有效地将进化算法用于解决无人机网络的最优部署这样的离散问题。
我们针对此问题设计了若干新颖且有效的通信节点无人机网络拓扑结构修改算子，直观简洁。针对无人机集群部署问题设计了独有的无人机集群部署方案生成算子，可以为其他多无人机部署场景提供借鉴。
在此,每个种群根据自身若干个父种生成若干个新的集群通信节点无人机部署方案具体步骤如下：
C1)第一个种群开始根据自身若干个父种生成若干个新的集群通信节点无人机部署方案；
C2)通过旋转生成新的集群通信节点无人机部署方案，
旋转是以群体无人机的位置为顶点，按照最小生成树形成的树形结构，称作群体无人机的拓扑结构，群体无人机形成的拓扑结构绕着拓扑中心旋转；图4为本发明中通过旋转生成新的集群通信节点无人机部署方案示意图，其中实线连接的六个深颜色通信节点无人机为原始集群通信节点无人机部署方案，虚线连接的六个浅颜色通信节点无人机为生成的新的集群通信节点无人机部署方案。
具体公式描述为：
其中
其中，n为通信节点无人机的数量，分别为新方案第i个通信节点无人机所在位置的横坐标、纵坐标，/>分别为父代第i个通信节点无人机所在位置的横坐标和纵坐标，xmean,ymean分别为群体无人机拓扑结构中心的横坐标和纵坐标，θ(取值范围：[-π,π])为每个通信节点无人机绕点(xmean,ymean)旋转的角度，为正值或负值，正值代表是逆时针旋转，负值则是顺时针旋转；
C3)通过平移生成新的集群通信节点无人机部署方案，
平移为让群体无人机的拓扑结构整体朝着某一方向平移一段距离，图5为本发明中通过平移生成新的集群通信节点无人机部署方案示意图，其中实线连接的五个深颜色通信节点无人机为原始集群通信节点无人机部署方案，虚线连接的五个浅颜色通信节点无人机为生成的新的集群通信节点无人机部署方案。
具体公式描述为：
其中
Δx＝rand()×α
Δy＝rand()×β
其中，n为通信节点无人机的数量，分别为新方案第i个通信节点无人机所在位置的横坐标、纵坐标，/>分别为父代第i个通信节点无人机所在位置的横坐标和纵坐标，Δx为群体无人机的拓扑结构沿二维兴趣区域AOI中x轴方向的平移量，Δy为群体无人机的拓扑结构沿二维兴趣区域AOI中y轴方向的平移量，AOI_xmax,AOI_xmin为二维兴趣区域x轴方向边界的最大值和最小值；AOI_ymax,AOI_ymin为兴趣区域y轴方向边界的最大值和最小值，α限制着着群体无人机的拓扑结构沿二维兴趣区域AOI中x轴方向的平移量的上界，β限制着群体无人机的拓扑结构沿二维兴趣区域AOI中x轴方向的平移量的上界，rand()是在区间[-1,1]内的随机数生成器；
C4)通过归一化交叉生成新的集群通信节点无人机部署方案，通过归一化让两个父种近似相似：
父种方案先按照逆时针顺序对无人机进行排序，如果无人机角度相同，再按照离原点的距离降序排列，通过对归一化后的两个父种方案交叉产生新的集群通信节点无人机部署方案；图6为本发明中通过归一化交叉生成新的集群通信节点无人机部署方案示意图，其中实线连接的五个深颜色通信节点无人机为集群通信节点无人机部署方案父种一，线段虚线连接的五个深颜色通信节点无人机为集群通信节点无人机部署方案父种二，点虚线连接的五个浅颜色通信节点无人机为生成的新的集群通信节点无人机部署方案。
具体公式描述为：
parent1＝{(x1,y1),(x2,y2),(x3,y3),...,(xn,yn)}
parent2＝{(x′1,y′1),(x′2,y′2),(x′3,y′3),...,(x′n,y′n)}
其中n为通信节点无人机的数量，parent1,parent2分别代表归一化后的父种方案一和父种方案二，(xi,yi),(x′i,y′i),i＝1,2,3,...,n分别代表父种方案一和父种方案二归一化后的第i个通信节点无人机在直角坐标系中的坐标，这里的rand(0,1)是在区间[0,1]内的随机数生成器，为后代的第i个通信节点无人机在直角坐标系中的坐标；
单个种群根据若干个父种生成若干个新的集群通信节点无人机部署方案步骤执行完毕；
C5)第二个种群根据自身若干个父种生成若干个新的集群通信节点无人机部署方案：对第二个种群依次执行步骤C2)至步骤C4)，第二个种群生成若干个新的集群通信节点无人机部署方案执行完毕，其中第二个种群生成若干个新的集群通信节点无人机部署方案步骤可以和第一个种群生成若干个新的集群通信节点无人机部署方案步骤并行执行；
C6)依次对第三个种群至最后一个种群生成若干个新的集群通信节点无人机部署方案：分别依次执行步骤C2)至步骤C4)使得多种群中所有的单种群均生成若干个新的集群通信节点无人机部署方案。
(5)通过方案评分准则分别对每个单种群生成的若干个集群通信节点无人机部署方案一一评价，分别得出相应的评分；
(6)判断是否达到种群间迁移条件：如果达到种群间迁移条件，则相应地对种群间进行互助式迁移；
判断是否达到种群间迁移条件包括以下步骤：
D1)分别统计每个种群当代最优个体比上一代最优个体的适应度值增加幅度的大小；
D2)当某个种群当代最优个体比上一代最优个体的适应度值增加幅度小于mig_value，称这个种群进化缓慢，当所有的种群中超过一半的种群满足进化缓慢，则达到了种群间迁移条件，反之没有达到种群间迁移条件；
其中max＝10，g为当前处在的进化代数；
D3)如果达到种群间迁移条件，按照子种群的最优个体对子种群进行排名，然后对多个种群进行互助式迁移，互助式迁移是两两种群之间交换前50％的父种，具体用数学表达式描述为：
f(i)＝population_num-i+1,i＝1,2,…,population_num.
其中i、f(i)表示种群按照最优个体的排名，排名为f(i)的种群和排名为i的种群进行互助式交换前50％的父种，population_num为离线优化过程中多种群协同进化算法中子种群的数量。
以四个子种群为例：第一名子种群前50％的父种和第四名子种群前50％的父种相互交换迁移，第二名子种群前50％的父种和第三名子种群前50％的父种相互交换迁移。图7为本发明中四个种群间进行互助式迁移示意图。
(7)判断是否满足通信覆盖的要求或是否已经达到最大迭代次数Imax，其中最大迭代次数Imax＝150；
如果没有，则按照步骤(3)为每个种群从方案群体中重新选择各自新的父种方案，然后根据步骤(4)为每个种群生成P个新的集群通信节点无人机部署方案，通过步骤(5)评价每个种群的P个通信节点无人机部署方案，再根据步骤(6)判断是否需要进行种群间迁移；
(8)得到通信节点无人机集群网络覆盖方案，即得到通信节点无人机集群应部署的位置坐标，也即得到通信节点无人机集群的拓扑图结构。
第四步，多种群协同进化算法下的通信节点无人机的网络部署：根据最终部署方案的通信节点无人机集群的拓扑图结构，分别释放第一个、第二个通信节点无人机直至所有通信节点无人机释放完成。
(1)在拓扑图顶点集合中随机选择第一个通信节点无人机的位置，随后1号通信节点无人机以直线轨迹运动至该位置，并在图顶点集合中删除1号通信节点无人机所处的位置顶点。
(2)随后在保证2号通信节点无人机和1号通信节点无人机能够通信的前提下，在拓扑图顶点集合中随机选择2号通信节点无人机的位置，2号通信节点无人机同样以直线轨迹运动至被分配的位置，并在图顶点集合中删除2号通信节点无人机所处的位置顶点。
(3)3号通信节点无人机确保和1号通信节点无人机或者2号通信节点无人机直接通信的前提下，在拓扑图顶点集合中随机选择其位置，3号通信节点无人机以直线轨迹运动至被分配的位置，并在图顶点集合中删除3号通信节点无人机所处的位置顶点。
(4)k号通信节点无人机确保和1、2、……、k-1号通信节点无人机中至少一个无人机直接通信的前提，在拓扑图顶点集合中随机选择其位置，k号无人机以直线轨迹运动至被分配的位置，并在图顶点集合中删除k号通信节点无人机所处的位置顶点。
(5)N号通信节点无人机确保和1、2、……、N-1号通信节点无人机中至少一个通信节点无人机直接通信的前提下,在拓扑图顶点集合中选择其位置，N号无人机以直线轨迹运动至被分配的位置，并在图顶点集合中删除N号无人机所处的位置顶点，所有通信节点无人机释放完成。
图8为现有仿真技术模拟的一种复杂的大规模的含有500个待通信节点的分布场景图，在兴趣区域内部随机生成了500个待通信节点的位置，凸显出此任务场景的难度，每个待通信节点都是无规则的杂乱无章的，等可能地出现在任何位置，图中的每个“.”代表着每个待通信节点，共500个“.”。
图9为本发明方法在图8场景上的测试结果，其中通信节点无人机数量为18，通信节点无人机的覆盖半径为250m，500个“.”代表500个待通信节点的位置，18个“*”代表着通过本方法优化18个通信节点无人机最终部署的位置，18个虚线圆形分别代表着18个通信节点无人机的覆盖范围，圆形半径为250m，由此可以看出场景中所有待通信节点均被覆盖，且此方案得分为502089，容错量为2，据我们所知当前国际最好的方法层次多种群遗传算法在此得分为501764，容错量为1，我们方法的容错量扩大到两倍。由此可看出本方法的实用性和优越性。
图10为现有仿真技术模拟的一种复杂的超大规模的含有1000个待通信节点的分布场景图，相比于图8的复杂大规模场景，图示场景待通信节点数量翻一番，问题难度是呈指数级上升，每个待通信节点也是等可能地出现在任何位置，更贴近现实生活中待通信节点会出现在任何位置的状况。场景图中的每个“.”代表着每个待通信节点，共1000个“.”。
图11为本发明方法在图10场景上的测试结果，其中通信节点无人机数量为18，通信节点无人机的覆盖半径为250m，1000个“.”代表1000个待通信节点的位置，18个“*”代表着通过本方法优化18个通信节点无人机最终部署的位置，18个虚线圆形分别代表着18个通信节点无人机的覆盖范围，圆形半径为250m，由此可以看出场景中所有待通信节点均被覆盖，且此方案得分为1003620，据我们所知当前国际最好的方法层次多种群遗传算法在此得分为1000309，覆盖了997个待通信节点，没有达到全覆盖。更能明显看出本方法的实用性和优越性。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.一种通信节点无人机多种群网络部署方法，其特征在于，包括以下步骤：
11)通信节点无人机多种群的设定：对通信节点无人机多种群进行设定，并分别对单种群通信节点无人机集群进行初始设置；
12)待通信节点的位置获取：根据待通信的二维兴趣区域对待通信节点的位置进行定位扫描获取；
13)多种群协同进化算法离线优化集群通信节点无人机的部署：通过多种群协同进化算法离线优化通信节点无人机的部署，在所有单种群中找出评分最高的集群通信节点无人机部署方案，为最终部署方案，即得到通信节点无人机集群的拓扑图结构；
所述多种群协同进化算法离线优化集群通信节点无人机的部署包括以下步骤：
131)多种群通过随机算子生成若干个集群通信节点无人机部署方案：
多个种群中的每个种群同时通过随机算子生成P个集群通信节点无人机部署方案，其中P为多种群协同优化过程中单个种群的通信节点无人机部署方案数量；
132)多种群部署方案的评价：通过方案评分准则同时对每个种群中的P个通信节点无人机部署方案一一评价，分别统计出每个种群中每个通信节点无人机部署方案相应的评分，其中P为多种群协同优化过程中单个种群的通信节点无人机部署方案数量；
133)多种群父种方案的选择：分别对每个种群中P个通信节点无人机部署方案评分进行降序排列，分别对每个种群的P个通信节点无人机部署方案中按照评分从高到低的顺序依次选出z个高评分方案，将其作为各自种群的父种方案，其中P为多种群协同优化过程中单个种群通信节点无人机部署方案数量，z为每个单种群选择的父种方案的数量；
134)每个种群根据自身若干个父种生成若干个新的集群通信节点无人机部署方案；
135)通过方案评分准则分别对每个单种群生成的若干个集群通信节点无人机部署方案一一评价，分别得出相应的评分；
136)判断是否达到种群间迁移条件：如果达到种群间迁移条件，则对种群间进行互助式迁移；
137)判断是否满足通信覆盖的要求或是否已经达到最大迭代次数Imax，其中最大迭代次数Imax＝150；
如果没有，则按照步骤133)为每个种群从方案群体中重新选择各自新的父种方案，然后根据步骤134)为每个种群生成P个新的集群通信节点无人机部署方案，通过步骤135)评价每个种群的P个通信节点无人机部署方案，再根据步骤136)判断是否需要进行种群间迁移；
138)得到通信节点无人机集群网络覆盖方案，即得到通信节点无人机集群应部署的位置坐标，也即得到通信节点无人机集群的拓扑图结构；
14)多种群协同进化算法下的通信节点无人机的网络部署：根据最终部署方案的通信节点无人机集群的拓扑图结构，分别释放第一个、第二个通信节点无人机直至所有通信节点无人机释放完成。
2.根据权利要求1所述的一种通信节点无人机多种群网络部署方法，其特征在于，所述对通信节点无人机多种群进行设定包括以下步骤：
21)设定通信节点无人机多种群协同进化算法的种群数量population_num；
22)设定离线优化过程中每个种群中通信节点无人机部署方案的数量P；
23)设定离线优化过程中多种群协同进化算法的最大迭代次数Imax；
24)设定离线优化过程中多种群间的迁移模式为优劣互助式迁移。
3.根据权利要求1所述的一种通信节点无人机多种群网络部署方法，其特征在于，所述多种群通过随机算子生成若干个集群通信节点无人机部署方案包括以下步骤：
31)开始通过随机算子离线生成第一个种群的通信节点无人机部署方案；
32)首先在目标区域内随机产生第一个通信节点无人机的位置，作为1号通信节点无人机；
33)保证2号通信节点无人机和1号通信节点无人机通信的前提下，随机生成2号通信节点无人机的位置；
34)保证3号通信节点无人机和1号通信节点无人机通信和2号通信节点无人机通信的前提下，随机生成3号通信节点无人机的位置；
35)保证k号无人机确保在能够和1,2,……,k-1号通信节点无人机通信的前提下随机生成其位置；
36)N号无人机确保在能够和1,2,……,N-1号通信节点无人机通信的前提下随机生成其位置；
37)直到所有任务无人机位置全部被分配，单个种群的通信节点无人机部署方案初始化完成；
38)离线生成第二个单种群的通信节点无人机部署方案，依次执行步骤32)至步骤37)使得第二个单种群的通信节点无人机部署方案初始化完成，其中离线生成第二个单种群的通信节点无人机部署方案的步骤32)至37)可以和离线生成第一个单种群的通信节点无人机部署方案的步骤32)至37)并行执行；
39)依次离线生成第三个单种群至最后一个单种群的通信节点无人机部署方案，分别依次执行步骤32)至步骤37)使得多种群中所有的单种群的通信节点无人机部署方案初始化完成。
4.根据权利要求1所述的一种通信节点无人机多种群网络部署方法，其特征在于，所述多种群部署方案的评价包括以下步骤：
41)开始评价第一个种群的通信节点无人机部署方案；
42)统计整个通信节点无人机网络中待通信节点被覆盖的数量，记整个通信节点无人机网络覆盖的待通信节点数量为CO,CO计算公式如下：
其中，n为通信节点无人机的数量，Ci为第i个无人机覆盖的待通信节点的集合，表示集合/>的基数，集合Ci的计算公式如下：，
Ci＝{gj|d(ui,gj)≤r}，
其中ui代表第i个通信节点无人机，gj代表第j个通信节点，
r是通信节点无人机的覆盖半径；
43)分析无人机网络的容错率，
记整个无人机网络的容错率为FTO，定义如果一个无人机集合U构成的无人机网络容错率为m，那么从U中去掉任何m个无人机，它仍然保持一个连通的网络；
44)统计所有带通信节点的冗余度，
记所有带通信节点的冗余度和为RO，RO计算公式如下：
其中，k是带通信节点的数量，|tj|是集合tj的基数，|tj|即是第j个待通信节点的冗余度，集合tj的计算公式如下：
tj＝{ui|d(ui,gj)≤r}；
其中ui代表第i个通信节点无人机，gj代表第j个待通信节点，
r是通信节点无人机的覆盖半径；
45)对单种群中每个集群通信节点无人机部署方案分别执行步骤42)至步骤44)，分别计算每个部署方案的得分，得分计算公式为：
fitness＝a×CO+b×FTO+c×RO，
其中，a、b、c均为可变参数；
单个种群的通信节点无人机部署方案评价完毕；
46)评价第二个种群的通信节点无人机部署方案：对第二个种群依次执行步骤42)至步骤45)，第二个种群的通信节点无人机部署方案评价完毕，其中第二个种群的通信节点无人机部署方案评价可以和第一个种群的通信节点无人机部署方案评价并行执行；
47)依次评价第三个种群至最后一个种群的通信节点无人机部署方案：分别依次执行步骤42)至步骤45)使得多种群中所有的单种群的通信节点无人机部署方案评价完成。
5.根据权利要求1所述的一种通信节点无人机多种群网络部署方法，其特征在于，所述每个种群根据自身若干个父种生成若干个新的集群通信节点无人机部署方案包括以下步骤：
51)第一个种群开始根据自身若干个父种生成若干个新的集群通信节点无人机部署方案；
52)通过旋转生成新的集群通信节点无人机部署方案，
旋转是以群体无人机的位置为顶点，按照最小生成树形成的树形结构，称作群体无人机的拓扑结构，群体无人机形成的拓扑结构绕着拓扑中心旋转；
具体公式描述为：
其中
其中，n为通信节点无人机的数量，分别为新方案第i个通信节点无人机所在位置的横坐标、纵坐标，/>分别为父代第i个通信节点无人机所在位置的横坐标和纵坐标，xmean,ymean分别为群体无人机拓扑结构中心的横坐标和纵坐标，θ(取值范围：[-π,π])为每个通信节点无人机绕点(xmean,ymean)旋转的角度，为正值或负值，正值代表是逆时针旋转，负值则是顺时针旋转；
53)通过平移生成新的集群通信节点无人机部署方案，
平移为让群体无人机的拓扑结构整体朝着某一方向平移一段距离，具体公式描述为：
其中
Δx＝rand()×α
Δy＝rand()×β
其中，n为通信节点无人机的数量，分别为新方案第i个通信节点无人机所在位置的横坐标、纵坐标，/>分别为父代第i个通信节点无人机所在位置的横坐标和纵坐标，Δx为群体无人机的拓扑结构沿二维兴趣区域AOI中x轴方向的平移量，Δy为群体无人机的拓扑结构沿二维兴趣区域AOI中y轴方向的平移量，AOI_xmax,AOI_xmin为二维兴趣区域x轴方向边界的最大值和最小值；AOI_ymax,AOI_ymin为兴趣区域y轴方向边界的最大值和最小值，α限制着群体无人机的拓扑结构沿二维兴趣区域AOI中x轴方向的平移量的上界，β限制着群体无人机的拓扑结构沿二维兴趣区域AOI中y轴方向的平移量的上界，rand()是在区间[-1,1]内的随机数生成器；
54)通过归一化交叉生成新的集群通信节点无人机部署方案，通过归一化让两个父种近似相似：
父种方案先按照逆时针顺序对无人机进行排序，如果无人机角度相同，再按照离原点的距离降序排列，通过对归一化后的两个父种方案交叉产生新的集群通信节点无人机部署方案；
具体公式描述为：
parent1＝{(x1,y1),(x2,y2),(x3,y3),...,(xn,yn)}
parent2＝{(x′1,y′1),(x′2,y′2),(x′3,y′3),...,(x′n,y′n)}
其中，n为通信节点无人机的数量，parent1,parent2分别代表归一化后的父种方案一和父种方案二，(xi,yi),(x′i,y′i),i＝1,2,3,...,n分别代表父种方案一和父种方案二归一化后的第i个通信节点无人机在直角坐标系中的坐标，这里的rand(0,1)是在区间[0,1]内的随机数生成器，为后代的第i个通信节点无人机在直角坐标系中的坐标；
单个种群根据若干个父种生成若干个新的集群通信节点无人机部署方案步骤执行完毕；
55)第二个种群根据自身若干个父种生成若干个新的集群通信节点无人机部署方案：对第二个种群依次执行步骤62)至步骤64)，第二个种群生成若干个新的集群通信节点无人机部署方案执行完毕，其中第二个种群生成若干个新的集群通信节点无人机部署方案步骤可以和第一个种群生成若干个新的集群通信节点无人机部署方案步骤并行执行；
56)依次对第三个种群至最后一个种群生成若干个新的集群通信节点无人机部署方案：分别依次执行步骤62)至步骤64)使得多种群中所有的单种群均生成若干个新的集群通信节点无人机部署方案。
6.根据权利要求1所述的一种通信节点无人机多种群网络部署方法，其特征在于，所述判断是否达到种群间迁移条件包括以下步骤：
61)分别统计每个种群当代最优个体比上一代最优个体的适应度值增加幅度的大小；
62)当某个种群当代最优个体比上一代最优个体的适应度值增加幅度小于mig_value，称这个种群进化缓慢，当所有的种群中超过一半的种群满足进化缓慢，则达到了种群间迁移条件，反之没有达到种群间迁移条件；
其中max＝10，g为当前处在的进化代数；
63)如果达到种群间迁移条件，按照子种群的最优个体对子种群进行排名，然后对多个种群进行互助式迁移，互助式迁移为两两种群之间交换前50％的父种，具体用数学表达式描述为：
f(i)＝populationnum-i+1,i＝1,2,…,populationnum，
其中i、f(i)表示种群按照最优个体的排名，排名为f(i)的种群和排名为i的种群进行互助式交换前50％的父种，population_num为离线优化过程中多种群协同进化算法中子种群的数量。
CN202210780120.2A 2022-07-04 2022-07-04 一种通信节点无人机多种群网络部署方法 Active CN114938497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210780120.2A CN114938497B (zh) 2022-07-04 2022-07-04 一种通信节点无人机多种群网络部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210780120.2A CN114938497B (zh) 2022-07-04 2022-07-04 一种通信节点无人机多种群网络部署方法

Publications (2)

Publication Number Publication Date
CN114938497A CN114938497A (zh) 2022-08-23
CN114938497B true CN114938497B (zh) 2023-10-24

Family

ID=82869120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210780120.2A Active CN114938497B (zh) 2022-07-04 2022-07-04 一种通信节点无人机多种群网络部署方法

Country Status (1)

Country Link
CN (1) CN114938497B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109819453A (zh) * 2019-03-05 2019-05-28 西安电子科技大学 基于改进遗传算法的成本最优化无人机基站部署方法
CN110430577A (zh) * 2019-08-06 2019-11-08 北京邮电大学 一种基于时间相关性的无人机基站群组部署方法
CN110493792A (zh) * 2019-09-29 2019-11-22 北京航空航天大学 一种无人机蜂群***的构建方法及***
CN113342060A (zh) * 2021-06-02 2021-09-03 南京臻融软件科技有限公司 一种基于相对定位的无人机群中继网络构建方法
CN113595619A (zh) * 2021-07-30 2021-11-02 中国电子科技集团公司第五十四研究所 一种无人机群通联与覆盖组合优化方法
CN113873434A (zh) * 2021-08-27 2021-12-31 北京邮电大学 面向通信网络热点区域容量增强的多空中基站部署方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL256934B (en) * 2015-07-27 2022-07-01 Genghiscomm Holdings Llc Airborne relays in cooperative multiple input and multiple output systems

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109819453A (zh) * 2019-03-05 2019-05-28 西安电子科技大学 基于改进遗传算法的成本最优化无人机基站部署方法
CN110430577A (zh) * 2019-08-06 2019-11-08 北京邮电大学 一种基于时间相关性的无人机基站群组部署方法
CN110493792A (zh) * 2019-09-29 2019-11-22 北京航空航天大学 一种无人机蜂群***的构建方法及***
CN113342060A (zh) * 2021-06-02 2021-09-03 南京臻融软件科技有限公司 一种基于相对定位的无人机群中继网络构建方法
CN113595619A (zh) * 2021-07-30 2021-11-02 中国电子科技集团公司第五十四研究所 一种无人机群通联与覆盖组合优化方法
CN113873434A (zh) * 2021-08-27 2021-12-31 北京邮电大学 面向通信网络热点区域容量增强的多空中基站部署方法

Also Published As

Publication number Publication date
CN114938497A (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
Qin et al. Autonomous exploration and mapping system using heterogeneous UAVs and UGVs in GPS-denied environments
Matarić et al. Challenges in evolving controllers for physical robots
CN105676642B (zh) 一种六自由度机器人工位布局与运动时间协同优化方法
CN112082552A (zh) 基于改进的混合粒子群优化算法的无人机航迹规划方法
CN108983823B (zh) 一种植保无人机集群协同控制方法
CN112437502B (zh) 基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法
CN108985516A (zh) 基于元胞自动机的室内路径规划方法
CN114610066A (zh) 复杂未知环境下分布式集群无人机编队飞行轨迹生成方法
CN110597059A (zh) 面向无人***的椋群式智能群体动态网络拓扑构建方法
CN113887134A (zh) 一种大规模轻量级的无人集群试验仿真平台及工作方法
Mahendrakar et al. Use of artificial intelligence for feature recognition and flightpath planning around non-cooperative resident space objects
CN115047910A (zh) 一种基于雁形阵的无人机编队巡航控制方法
Yang et al. An efficient spatial representation for path planning of ground robots in 3D environments
CN114980024B (zh) 一种基于离散种子优化算法的通信节点无人机网络部署方法
CN114938497B (zh) 一种通信节点无人机多种群网络部署方法
CN107703970A (zh) 无人机集群环绕追踪方法
CN117492469A (zh) 无人机集群的并行轨迹规划方法、装置、设备及介质
Claro et al. Energy efficient path planning for 3d aerial inspections
Matsuoka et al. Learning food-arrangement policies from raw images with generative adversarial imitation learning
CN109117571B (zh) 一种用于无人机集群的互联协作运动自动控制方法
Rubtsov et al. Simulation in MATLAB group control when conducting reconnaissance in areas
Humann et al. Evolutionary design of cellular self-organizing systems
CN114442670A (zh) 一种无人机集群自组织飞行方法、***及无人机
Chu et al. Track planning of multi-rotor unmanned aerial vehicle in the complex environment space
Ding et al. An improved pigeon-inspired optimisation for continuous function optimisation problems

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