CN115268498A - 多无人机辅助物联网网络的数量和任务完成时间优化方法 - Google Patents
多无人机辅助物联网网络的数量和任务完成时间优化方法 Download PDFInfo
- Publication number
- CN115268498A CN115268498A CN202211033595.1A CN202211033595A CN115268498A CN 115268498 A CN115268498 A CN 115268498A CN 202211033595 A CN202211033595 A CN 202211033595A CN 115268498 A CN115268498 A CN 115268498A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- internet
- aerial vehicle
- things
- point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000005540 biological transmission Effects 0.000 claims abstract description 66
- 238000013480 data collection Methods 0.000 claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 239000000725 suspension Substances 0.000 claims description 80
- 239000003016 pheromone Substances 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 17
- 230000007704 transition Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000006855 networking Effects 0.000 description 16
- 238000001341 grazing-angle X-ray diffraction Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004904 shortening Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种多无人机辅助物联网网络的数量和任务完成时间优化方法,包括:根据多无人机辅助物联网的数据收集问题,构建多无人机任务分配模型;采用改进的蚁群算法得到物联网设备之间的最佳服务顺序,以此联合优化无人机的任务分配和数量,确定最小化无人机的数量,得到无人机飞行最短路径的轨迹轮廓;构建边飞边收集模式和飞行‑悬停‑收集模式相结合的无人机数据收集模型,采用物联网设备传输区域内飞入点、悬停点和飞出点的联合优化算法,优化得到无人机飞行最短路径的轨迹,进而确定最小化无人机最大任务完成时间。本发明通过联合优化无人机的任务分配、悬停位置和轨迹,求解得到最小化的无人机数量和最大任务完成时间。
Description
技术领域
本发明属于移动通信技术领域,尤其涉及一种多无人机辅助物联网网络的数量和任务完成时间优化方法。
背景技术
随着移动通信技术的飞速发展,现代信息产业下物联网应用技术的突出表现受到广泛关注,物联网在移动检测应用场景中发挥着重要的作用。在物联网网络中,许多的地面物联网设备(GIDs)被部署在兴趣点(PoI)密集的区域中监测信息,全局控制器或网关可用于连接大量地面物联网设备,并从中收集数据以进行下一步分析。然而,物联网设备的广泛分布性以及多样化的需求给物联网网络中的数据收集带来了新的挑战。
无人机(UAV)作为一种新型的移动平台,可以作为传统地面通信***的补充,改善地面无线设备的通信连接、覆盖范围和传输质量,因其机动性和灵活性在与物联网设备关联的通信网络中发挥着重要的作用。由于无人机对物联网性能的显著改善,无人机辅助物联网的***也受到了越来越多的关注,无人机辅助物联网数据采集***是其中的一个重要应用。在某些紧急情况下,如灾害救援、工业灾难和军事监视,无人机收集数据的任务完成时间有严格的期限要求。另外,有限的能源和缓存容量也对无人机的数据收集提出了新的挑战。
虽然无人机在辅助物联网的数据采集中存在巨大潜力,但是,仍旧存在如何在物联网网络中设置恰当的无人机数量的问题。由于任务量的不确定性和无人机电量及其缓存容量的有限性,固定数量的无人机可能无法在达到预期目标的情况下完成数据收集任务,同时,无人机的购买和维护成本在整个网络中的开销占比很大,过多的无人机又将会带来不必要的网络开销。
无人机在物联网网络中的应用尤其是数据收集收到了广泛关注,但是由于任务的紧急性和网络成本的有限性,无人机的数量和任务完成时间有较大限制。而且针对任务完成时间,现有的技术方案主要研究无人机的路径规划,以缩短任务完成时间,其分析过程中并未考虑无人机在不同的数据收集模式下的时间,实际上,无人机进行数据收集的时间也会极大地影响任务完成时间,即,现有的无人机辅助物联网的路径规划考虑因素并不全面。
发明内容
为解决上述现有技术的不足,本发明提供了一种多无人机辅助物联网网络的数量和任务完成时间优化方法,在考虑无人机数据收集模式和数据收集时间的基础上,通过联合优化无人机的任务分配、悬停位置和轨迹,最小化无人机的数量和最大任务完成时间,实现满足缩短无人机最大任务时间需求的同时,减少网络成本开销。
第一方面,本公开提供了一种多无人机辅助物联网网络的数量和任务完成时间优化方法,包括以下步骤:
根据多无人机辅助物联网的数据收集问题,构建多无人机任务分配模型,结合实际物联网中物联网设备的数量,初步确定所需无人机的数量;所述无人机任务分配模型包含以最小化无人机数量和最大任务完成时间的目标函数和约束条件;
采用改进的蚁群算法得到物联网设备之间的最佳服务顺序,以此联合优化无人机的任务分配和数量,确定最小化无人机的数量,得到无人机飞行最短路径的轨迹轮廓;
构建边飞边收集模式和飞行-悬停-收集模式相结合的无人机数据收集模型,采用物联网设备传输区域内飞入点、悬停点和飞出点的联合优化算法,优化得到无人机飞行最短路径的轨迹,进而确定最小化无人机最大任务完成时间。
进一步的技术方案,所述采用改进的蚁群算法得到物联网设备之间的最佳服务顺序,包括:
根据无人机对地面物联网设备的服务时间及该服务时间对两物联网设备预设悬停点间距离的影响程度,初始化每两个物联网设备预设悬停点间的信息素浓度;
基于初始化的每两个物联网设备预设悬停点间的信息素浓度,通过循环迭代得到物联网设备之间的最佳服务顺序。
进一步的技术方案,所述循环迭代包括以下步骤:
步骤1.1、若当前无人机检测到物联网中没有满足信噪比和能量要求的物联网设备时,将初始点添加到当前轨迹的末端,确定当前无人机的轨迹轮廓,否则执行步骤1.2;
步骤1.2、基于当前轨迹轮廓上的信息素计算启发式信息以及每个满足信噪比和能量条件的物联网设备的转移概率;
步骤1.3、根据轮盘赌法选择下一步的物联网设备,然后重新执行步骤1.1进行循环迭代,最终得到当前无人机的轨迹轮廓。
进一步的技术方案,所述联合优化无人机的任务分配和数量,确定最小化无人机的数量,得到无人机飞行最短路径的轨迹轮廓,包括以下步骤:
步骤2.1、各无人机按顺序搜索当前无人机的轨迹,若物联网中没有未访问过的物联网设备,则转至步骤2.3,否则执行步骤2.2;
步骤2.2、若物联网还有未访问过的地面物联网设备,则在物联网设备中增加一个新的无人机,并重新计算每个物联网设备的传输速率,然后转至步骤2.1;
步骤2.3、根据无人机遍历悬停点的路径集合获得当前解,根据适应度评价函数衡量当前解的质量,选择目标值最小的飞行路径作为当前迭代的最优路径,然后更新全局最优解,并更新信息素的值;
步骤2.4、重新执行步骤2.1进行循环迭代,直到达到迭代次数。
进一步的技术方案,所述无人机任务分配模型的目标函数中,无人机的最大任务完成时间包括无人机对每个物联网设备的飞行时间和收集时间;所述收集时间包括无人机飞入收集时间、飞出收集时间和悬停收集时间。
进一步的技术方案,基于无人机数据收集模型,采用物联网设备传输区域内飞入点、悬停点和飞出点的联合优化算法,将物联网设备的传输区域分为重叠和不重叠两种情况,分别优化确定无人机的飞入点、飞出点和悬停点,进而得到无人机对每个物联网设备的收集时间,确定最小化无人机最大任务完成时间。
进一步的技术方案,当物联网设备的传输区域不重叠时,无人机在GIDm处的数据收集时间表示为:
其中,将悬停点投影到二维平面上,l是从悬停点OHm到地面物联网设备m的距离,表示无人机从飞入点FIPm到悬停点OHm的收集时间,thov(l)是无人机在悬停点OHm的收集时间,和Rh(t,l)分别表示飞入、飞出和悬停的传输速率,Cm表示物联网设备m处需要收集的数据量。
进一步的技术方案,当物联网设备的传输区域重叠时,无人机在GIDm处的数据收集时间表示为:
其中,将悬停点OHm投影到二维平面上,l是从悬停点OHm到地面物联网设备m的距离,表示无人机从飞入点FIPm到悬停点OHm的收集时间,表示无人机从悬停点OHm到飞出点FOPm的收集时间,thov(l)是无人机在悬停点OHm的收集时间,和Rh(t,l)分别代表飞入、飞出和悬停的传输速率,Cm表示物联网设备m处需要收集的数据量。
第二方面,本公开还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述方法的步骤。
第三方面,本公开还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述方法的步骤。
以上一个或多个技术方案存在以下有益效果:
1.本发明提供了一种多无人机辅助物联网网络的数量和任务完成时间优化方法,在考虑无人机数据收集模式和数据收集时间的基础上,通过联合优化无人机的任务分配、悬停位置和飞行轨迹,最小化无人机的数量和最大任务完成时间,实现满足缩短无人机最大任务时间需求的同时,减少网络成本开销。
2.本发明所述优化方法在优化确定无人机的数量及其轨迹轮廓后,将物联网设备的传输区域分为重叠和不重叠两种情况进行分析,基于收集时间最小化,分别优化确定无人机对每个物联网设备传输区域的飞入点、飞出点和悬停点,进而确定无人机最终的飞行轨迹,此时完成最小化无人机最大任务完成时间。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例一中无人机数据收集场景的示意图;
图2为本发明实施例一所述优化方法的流程图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
无人机在物联网网络中的应用尤其是数据收集受到广泛关注,由于网络成本的有限性和任务的紧急性,无人机的数量和任务完成时间有较大的限制。现有的技术方案通常仅关注无人机的路径规划,以此缩短任务完成时间,然而在不同的数据收集模式下,收集时间也会极大地影响任务完成时间。因此,针对由多个无人机支持的物联网网络中的地面物联网设备的数据收集,本实施例公开了一种多无人机辅助物联网网络的无人机数量和任务完成时间优化方法,通过联合优化无人机的分配、悬停位置和轨迹,最大限度地减少无人机的数量和无人机的最大任务完成时间。
本实施例提供了一种多无人机辅助物联网网络的数量和任务完成时间优化方法,如图2所示,包括以下步骤:
根据多无人机辅助物联网的数据收集问题,构建多无人机任务分配模型,结合实际物联网中物联网设备的数量,初步确定所需无人机的数量;所述无人机任务分配模型包含以最小化无人机数量和最大任务完成时间的目标函数和约束条件;
采用改进的蚁群算法得到物联网设备之间的最佳服务顺序,以此联合优化无人机的任务分配和数量,确定最小化无人机的数量,得到无人机飞行最短路径的轨迹轮廓;
构建边飞边收集模式和飞行-悬停-收集模式相结合的无人机数据收集模型,采用物联网设备传输区域内飞入点、悬停点和飞出点的联合优化算法,优化得到无人机飞行最短路径的轨迹,进而确定最小化无人机最大任务完成时间。
在本实施例中,如图1所示,针对在某些地面物联网设备较为分散的场景,首先根据多无人机辅助物联网的数据收集问题,构建多无人机任务分配模型。在多无人机支持的物联网网络地面物联网设备的数据收集中,需要同时考虑无人机的数量和无人机完成任务的时间,保证在以最小化无人机数量的同时,实现最小化无人机完成数据收集任务时间。因此,针对无人机支持的物联网网络提出多无人机辅助的数据收集问题,以最小化无人机数量和最大任务完成时间为目标函数,构建多无人机任务分配模型,通过联合优化无人机的分配、悬停位置和轨迹,最大限度地减少无人机的数量和无人机最大任务完成时间。此处的最大任务时间是指多无人机辅助物联网数据收集的过程中,各个无人机进行数据收集任务的最大任务完成时间,多个无人机负责完成该区域内所有地面物联网设备的数据收集任务。
上式中,Nu表示无人机的数量,Un(t)表示无人机n的轨迹,Mn表示无人机n服务的地面物联网设备的数量,αm,k[n]表示无人机n在相邻地面物联网设备m和k之间的关联和调度状态,αm,k[n]=1表示无人机n从悬停点m飞到悬停点k,是地面物联网设备中关联状态和序列集合,αm,0[n]表示无人机n在地面物联网设备m和初始点(即数据中心)之间的关联和调度状态,目标函数P1表示满足所有地面物联网设备数据收集的最小化无人机数量;表示无人机从物联网设备m飞到物联网设备k的飞行时间,表示无人机从最后一个物联网设备m返回数据中心的飞行时间,表示无人机在物联网设备m处的数据收集时间,目标函数P2表示最小化多无人机中各个无人机完成地面物联网设备数据收集的最大任务完成时间。
多无人机任务分配模型还包括多个约束条件,具体为:
C1:γmn(t)≥γth
C5:En≤Eth
其中,约束C1表示当无人机n与地面物联网设备m之间的信噪比γmn等于信噪比阈值γth时,物联网设备具有最大的传输半径R,在传输范围内,信噪比γmn大于等于信噪比阈值γth,无人机可以持续从物联网设备中收集数据。
约束C2表示悬停点位于物联网设备的传输区域内,其中,OHm表示物联网设备m传输区域内的悬停点OH的坐标,R表示物联网设备m的最大传输半径,h表示悬停点OH距离地面的高度。
约束C3表示将M个物联网设备的数据收集任务分配给Nu个无人机,Nu表示无人机的数量。
约束C5表示无人机完成数据收集任务的能量上限,每个无人机的携带的电池能量En的上限均为Eth。
约束C6表示无人机预定轨迹内可服务的无人机的数量上限。
约束C7表示所有无人机的任务完成时间不能超过给定的总的任务完成时间延迟,Sn表示总的任务完成时延。
约束C8表示αm,k[n]和αm,0[n]是二进制变量。
约束C9表示每个物联网设备只与一个无人机传输数据。
约束C10和C11表示无人机是出发点也是终点,无人机从数据中心出发最后返回数据中心,而且无人机关于数据中心没有数据收集时间。其中,βm,k[n]表示无人机n访问的所有地面物联设备之间关联的流变量,M表示地面物联网设备的数量。
基于上述多无人机任务分配模型,通过联合优化无人机的分配、飞入点、飞出点、悬停点和飞行轨迹来求解上述多无人机任务分配模型。
通过上述约束条件,结合实际物联网中物联网设备的数量,以及无人机的物理参量如电量及其缓存容量等,初步确定辅助该物联网所需的无人机数量,即预设采集地面物联网数据所需的无人机数量。
在上述无人机任务分配模型构建完成后,对该模型进行求解,在本实施例中,采用改进的蚁群算法得到物联网设备之间的最佳服务顺序,以此联合优化无人机的任务分配和数量,确定最小化无人机的数量,得到无人机飞行最短路径的轨迹轮廓。
由于无人机的轨迹受无人机的数量、任务分配顺序和无人机悬停点的影响,因此,先通过改进的蚁群算法优化无人机的数量和任务分配顺序,得到最小化的无人机数量以及无人机飞行最短路径的大致轨迹即轨迹轮廓;然后,在该轨迹轮廓的基础上,通过联合优化无人机的悬停点,进一步优化无人机的轨迹,以达到最小化无人机的最大任务完成时间和无人机的数量的目的。
首先,初始化每两个物联网预设的悬停点间的信息素浓度。传统蚁群优化算法信息素的初始化是简单且容易操作的均匀分布,但是在算法的初始阶段,任意两悬停点之间相同的信息素使得解的搜索范围大,收敛性低。因此,在本实施例中,对传统的蚁群优化算法进行改进,通过根据问题解的影响因素在两悬停点之间非均匀地分布信息素来指导蚁群在迭代过程中的全局定向搜索。需要明确的是,此时悬停点的位置是预设的,该预设的悬停点的位置位于物联网设备的正上方,后续还需要对该预设的悬停点进行优化,以此确定最终的无人机飞行轨迹。
其中,Tk表示无人机对地面物联网设备k的服务时间,w1和w2分别表示无人机对地面物联网设备的服务时间和两悬停点间距离的影响程度,w1,w2∈[0,1]且w1+w2=1。
在完成悬停点信息素初始化后,通过循环迭代得到物联网设备之间的最佳服务顺序,具体步骤包括:
Step1-1、若当前无人机检测到物联网中没有满足信噪比和能量要求的物联网设备时,将初始点(即数据中心)添加到当前轨迹的末端,确定当前无人机的轨迹轮廓,此处的轨迹轮廓是指大致轨迹,即确定当前无人机飞过的地面物联设备;否则执行Step 1-2。
Step1-2、基于当前轨迹轮廓上的信息素计算启发式信息和每个满足信噪比和能量条件的物联网设备的转移概率。
启发式信息Φmk(t+1)反映了在第(t+1)次迭代的悬停点搜索过程中子路径αm,k[n]上的预先确定性因素。使用无人机的数量Nu、悬停点之间的最短路径的长度以及从出发到当前悬停点的总能量消耗来定义该启发式信息,即第(t+1)次迭代中的启发式信息为:
转移概率是指利用Rmk(t+1)描述在第(t+1)次迭代的悬停点搜索过程中选择某个悬停点k作为当前悬停点m的下一个悬停点的概率,其中,α和β分别描述信息素浓度τmk(t+1)和启发式信息Φmk(t+1)的重要程度,该转移概率为:
Step1-3、根据轮盘赌法选择下一步的物联网设备,然后重新执行Step1-1进行循环迭代。由于每个地面物联网设备分别对应一个悬停点,通过信息素浓度和启发式信息确定转移概率,进而得到无人机遍历悬停点的路径集合,从而确定了无人机飞过的地面物联网设备的最优顺序。
之后,由于上述无人机飞行路径的确定是在初步确定辅助该物联网所需的无人机数量的基础上进行的,因此,在通过上述方案得到针对预设个数的无人机,各无人机遍历悬停点的路径集合后,对无人机的数量及轨迹轮廓进行优化,具体包括以下步骤:
Step2-1、每个无人机都会按照顺序搜索当前无人机的轨迹,若物联网中没有未访问过的物联网设备,则转至Step2-3,否则转至Step 2-2。
Step2-2、若还有未访问过的地面物联网设备,则在物联网设备中增加一个新的无人机,并重新计算每个物联网设备的传输速率,然后转到Step2-1。
Step2-3、根据无人机遍历悬停点的路径集合获得当前解cur(即最优顺序这一路径),将该当前解作为全局最优解,在每次完成步骤Step2-1和Step2-2的迭代后,根据适应度评价函数衡量当前解的质量,选择目标值最小的飞行路径作为当前迭代的最优路径,即对上述得到的最优顺序进一步优化,然后以该最优路径更新全局最优解,同时更新信息素的值,使得下次迭代得到的路径集合更优。
具体的,适应度评价函数的目标值最小化表示为:
其中,S表示所有无人机收集序列的集合,Sn表示无人机n的收集序列,分别表示无人机数量和任务完成时间的标称值,ωT分别反映无人机数量和无人机最大任务完成时间的相对重要性。在重叠和非重叠传输区域的两种情况下,无人机n关于地面物联网设备m的服务时间表示为:
其中,a和b分别表示飞行距离和收集距离的权重系数,R是地面物联网设备传输区域的半径。
选择目标值最小的飞行路径作为当前迭代的最优路径,然后以该最优路径更新全局最优解,同时更新信息素的值,具体的,将得到的第一个当前解作为全局最优解的初始值,信息素更新的规则定义为:
τmk(t+1)=(1-ρ)τmk(t)+Δτmk(t)
其中,Ecur(t)表示从初始点出发到当前解的总能量消耗,悬停点m与悬停点k之间的子路径表示为em,k,Sn(UAVmk,v0)表示无人往返数据中心v0的路径集,定义路径共享度psd(Sn(UAVmk,v0),em,k)表示Sn(UAVmk,v0)中通过em,k的路径条数,εmk(t)表示UAVmk往返数据中心v0路径集时目标值的偏差值之和。
Step2-4、直到达到迭代次数,否则更新全局信息素,然后重新执行Step2-1进行循环迭代。
通过上述改进的蚁群算法,得到物联网设备之间的最佳服务顺序,通过多次循环迭代,确定最小化无人机的数量,得到各个无人机飞行最短路径的轨迹轮廓。
最后,在确定了各无人机飞过相应地面物联网设备的最优顺序后,需要再求解最小化无人机最大任务完成时间,此时需要考虑单个无人机的任务完成时间,而任务完成时间的确定最重要的是确定数据收集时间,因此,为了进一步优化无人机的最大任务完成时间,在本实施例中,考虑到无人机对每个物联网设备的飞行服务时间和收集服务时间相互作用,构建了边飞边收集模式和飞行-悬停-收集模式相结合的无人机数据收集模型,采用物联网设备传输区域内飞入点、悬停点和飞出点的联合优化算法,优化得到无人机飞行最短路径的轨迹,进而确定最小化无人机最大任务完成时间。
为达到最小化无人机的任务完成时间的目的,将进行无人机在各物联网设备的传输区域的飞入点FIP、飞出点FOP和悬停点OH的联合优化。由于前一个物联网设备的飞出点也是后一个物联网设备的飞入点,所以一个物联网设备的飞入点和飞出点由无人机在与之相邻物联网设备之间的飞行轨迹决定,即各物联网设备的服务时间是相互耦合的。
由此,可将无人机n的最小化最大任务完成时间重新表示为最小化无人机对每个物联网设备的飞行时间和收集时间之和:
s.t.C1,C2,C4,C5,C7
d1min≤dm1≤d1max
其中,dm1表示上一个地面物联网设备传输区域的飞出点到下一个物联网设备传输区域的飞入点的飞行距离,d1min表示上一个地面物联网设备传输区域的飞出点到下一个地面物联网设备传输区域的飞入点的最短距离,d1max表示上一个地面物联网设备传输区域的飞出点到下一个地面物联网设备传输区域的飞入点的最长距离。当前者和后者的传输区域重叠时,上一个地面物联网设备传输区域的飞出点和下一个地面物联网设备传输区域的飞入点可能会重叠,此时dm1等于0。
传输区域的飞入点和飞出点比较容易确定,当前一个地面物联网设备的传输区域和后一个地面物联网设备的传输区域重叠时,前一个地面物联网设备传输区域的飞出点也是后一个地面物联网设备传输区域的飞入点,而数据中心是第一个飞出点和最后一个飞入点。
当地面物联网设备的传输区域不重叠时,将[d1min,d1max]划分成很小的子区间,并且计算的值,根据该部分目标函数值,获得飞入点;同样,将[d2min,d2max]划分成很小的子区间,并且计算,根据该部分目标函数值,获得飞出点。
上述目标函数中,最重要的在于无人机在物联网设备m处的数据收集时间,针对无人机对每个物联网设备的收集时间,采用边飞边收集和飞行-悬停-收集结合的方案进行数据收集,为了便于分析讨论,在本实施例中,将无人机在物联网设备传输区域内消耗的时间归为数据收集时间。无人机n飞入地面物联网设备m的以R为半径的传输区域,当传输区域的飞入点和飞出点确定后,优化无人机的悬停点成为优化数据收集时间的关键。
在上述分析过程中,仅考虑无人机以最佳速度vopt飞行时的数据收集时间,但实际上无人机从飞入到悬停和从悬停到飞出分别需要进行减速和加速。为了简单起见,假设无人机的加速和减速阶段的加速度都是相同的,ε表示无人机从0加速到vopt的时间,,a是无人机的加速度。物联网设备的数据收集时间是飞入收集时间、飞出收集时间和悬停收集时间三部分的总和,根据无人机在单个物联网设备的收集时间问题,构建边飞边收集模式和飞行-悬停-收集模式相结合的无人机数据收集模型:
该无人机数据收集模型的约束条件为:
τhov(OHm)≥0 (2)
约束(2)表示无人机在飞行-悬停-收集模式(HM)下的收集时间大于等于0。根据物联网设备数据量的大小,无人机可能没有飞行-悬停-收集模式(HM)下的数据收集时间,HM模式适用于物联网设备中数据量较大的场景。
约束(3)表示如果无人机的数据量较小,仅需要边飞边收集模式(FM)就可以完成数据收集,则不需要考虑无人机的加减速。
约束(4)限制物联网设备的数据量,进一步简化计算。
约束(5)表示无人机n服务地面物联网设备消耗的能量总和小于每个无人机的能量上限。
结合无人机的数据收集模型可知,悬停点和地面物联网设备之间的距离越短,传输速率越高,无人机在飞行-悬停-收集模式下的收集时间缩短,但是整体的收集时间可能会延长。因此,为了更好地优化无人机的悬停位置,将物联网设备的传输区域分为重叠和不重叠两种情况进行讨论。
引理一:物联网设备间的传输区域不重叠时最佳悬停点(OHm)位于FIPm和FOPm之间弦的中垂线上。无人机在传输区域的轨迹表现为一条对称的轨迹。
将引理一应用于最小化物联网设备中数据的收集时间,因为轨迹的对称性,无人机在飞入和飞出阶段的数据收集量是相同的,所以,无人机在GIDm处的数据收集时间可以表示为:
其中,将悬停点投影到二维平面上,l(0≤l≤lmax)是从悬停点OHm到地面物联网设备m的距离,表示无人机从飞入点FIPm到悬停点OHm的收集时间,thov(l)是无人机在悬停点OHm的收集时间,和Rh(t,l)分别表示飞入、飞出和悬停的传输速率,Cm表示物联网设备m处需要收集的数据量。当l=0时,悬停点OHm位于地面物联网设备m正上方,当l=lmax时,悬停点OHm位于Qm。Qm为飞入点FIPm和飞出点FOPm之间的中点,坐标表示为
当物联网设备的传输区域不重叠时,基于三角形中的费马点建立了无人机的收集轨迹。无人机在物联网设备的传输区域内,无人机在(边飞边收集)FM下的收集时间与轨迹长度成正比,无人机在(飞行-悬停-收集)HM下的收集时间与传输距离成正比。根据等腰三角形的性质,等腰三角形的费马点以飞入点、飞出点和悬停点三点为顶点的三角形的中垂线上。所以,当悬停点OHm位于物联网设备m正上方时,无人机在物联网设备传输区域内的轨迹最长,当悬停点OHm位于Qm时,无人机在物联网设备的传输区域内的轨迹最短,将悬停点OHm优化问题转化为可以通过凸优化技术解决的凸问题。
当物联网设备的传输区域重叠时,因为重叠时无人机在传出区域内的轨迹是不对称的,因此,无人机在GIDm处的数据收集时间可以表示为:
上式中,将悬停点OHm投影到二维平面上,l是从悬停点OHm到地面物联网设备m的距离,表示无人机从飞入点FIPm到悬停点OHm的收集时间,表示无人机从悬停点OHm到飞出点FOPm的收集时间,是无人机在悬停点OHm的收集时间,和Rh(t,l)分别代表飞入、飞出和悬停的传输速率,Cm表示物联网设备m处需要收集的数据量。
当物联网设备的传输区域重叠时,以GIDm、FIPm和FOPm三点为顶点作一个等腰三角形,l=||OHm-FIPm||+||OHm-FOPm||(lmmin≤l≤lmax)。当l=lmin,OHm位于Qm,Qm是FIPm和FOPm的中点,当l=lmax,OHm位于GIDm的正上方。将[lmin,lmax]划分成很小的子区间,并且计算的值,根据该部分的目标函数值,获得悬停点OHm。
在给定无人机的飞入点FIP和飞出点FOP的情况下,通过优化无人机的悬停点,最小化单个物联网设备的数据收集时间,进而最小化整个无人机轨迹上的数据收集时间。
通过上述方案,当确定无人机的大致数量和各个无人机服务地面物联网设备的大致数量之后,通过联合优化无人机的飞行轨迹和悬停位置,进一步优化无人机的数量和各个无人机的最大任务完成时间,最终求解得到最优的无人机数量和无人机的飞行路径(包括飞过的地面物联网设备及其飞行顺序,以及每个地面物联网设备的飞入点、飞出点和悬停点),实现满足缩短无人机最大任务时间需求的同时,减少网络成本开销。
实施例二
本实施例提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如上所述多无人机辅助物联网网络的数量和任务完成时间优化方法中的步骤。
实施例三
本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成如上所述多无人机辅助物联网网络的数量和任务完成时间优化方法中的步骤。
以上实施例二至三中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种多无人机辅助物联网网络的数量和任务完成时间优化方法,其特征是,包括:
根据多无人机辅助物联网的数据收集问题,构建多无人机任务分配模型,结合实际物联网中物联网设备的数量,初步确定所需无人机的数量;所述无人机任务分配模型包含以最小化无人机数量和最大任务完成时间的目标函数和约束条件;
采用改进的蚁群算法得到物联网设备之间的最佳服务顺序,以此联合优化无人机的任务分配和数量,确定最小化无人机的数量,得到无人机飞行最短路径的轨迹轮廓;
构建边飞边收集模式和飞行-悬停-收集模式相结合的无人机数据收集模型,采用物联网设备传输区域内飞入点、悬停点和飞出点的联合优化算法,优化得到无人机飞行最短路径的轨迹,进而确定最小化无人机最大任务完成时间。
2.如权利要求1所述的多无人机辅助物联网网络的数量和任务完成时间优化方法,其特征是,所述采用改进的蚁群算法得到物联网设备之间的最佳服务顺序,包括:
根据无人机对地面物联网设备的服务时间及该服务时间对两物联网设备预设悬停点间距离的影响程度,初始化每两个物联网设备预设悬停点间的信息素浓度;
基于初始化的每两个物联网设备预设悬停点间的信息素浓度,通过循环迭代得到物联网设备之间的最佳服务顺序。
3.如权利要求2所述的多无人机辅助物联网网络的数量和任务完成时间优化方法,其特征是,所述循环迭代包括以下步骤:
步骤1.1、若当前无人机检测到物联网中没有满足信噪比和能量要求的物联网设备时,将初始点添加到当前轨迹的末端,确定当前无人机的轨迹轮廓,否则执行步骤1.2;
步骤1.2、基于当前轨迹轮廓上的信息素计算启发式信息以及每个满足信噪比和能量条件的物联网设备的转移概率;
步骤1.3、根据轮盘赌法选择下一步的物联网设备,然后重新执行步骤1.1进行循环迭代,最终得到当前无人机的轨迹轮廓。
4.如权利要求1所述的多无人机辅助物联网网络的数量和任务完成时间优化方法,其特征是,所述联合优化无人机的任务分配和数量,确定最小化无人机的数量,得到无人机飞行最短路径的轨迹轮廓,包括以下步骤:
步骤2.1、各无人机按顺序搜索当前无人机的轨迹,若物联网中没有未访问过的物联网设备,则转至步骤2.3,否则执行步骤2.2;
步骤2.2、若物联网还有未访问过的地面物联网设备,则在物联网设备中增加一个新的无人机,并重新计算每个物联网设备的传输速率,然后转至步骤2.1;
步骤2.3、根据无人机遍历悬停点的路径集合获得当前解,根据适应度评价函数衡量当前解的质量,选择目标值最小的飞行路径作为当前迭代的最优路径,然后更新全局最优解,并更新信息素的值;
步骤2.4、重新执行步骤2.1进行循环迭代,直到达到迭代次数。
5.如权利要求1所述的多无人机辅助物联网网络的数量和任务完成时间优化方法,其特征是,所述无人机任务分配模型的目标函数中,无人机的最大任务完成时间包括无人机对每个物联网设备的飞行时间和收集时间;所述收集时间包括无人机飞入收集时间、飞出收集时间和悬停收集时间。
6.如权利要求5所述的多无人机辅助物联网网络的数量和任务完成时间优化方法,其特征是,基于无人机数据收集模型,采用物联网设备传输区域内飞入点、悬停点和飞出点的联合优化算法,将物联网设备的传输区域分为重叠和不重叠两种情况,分别优化确定无人机的飞入点、飞出点和悬停点,进而得到无人机对每个物联网设备的收集时间,确定最小化无人机最大任务完成时间。
9.一种电子设备,其特征是:包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如权利要求1-8中任一项所述的一种多无人机辅助物联网网络的数量和任务完成时间优化方法的步骤。
10.一种计算机可读存储介质,其特征是:用于存储计算机指令,所述计算机指令被处理器执行时,完成如权利要求1-8中任一项所述的一种多无人机辅助物联网网络的数量和任务完成时间优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211033595.1A CN115268498A (zh) | 2022-08-26 | 2022-08-26 | 多无人机辅助物联网网络的数量和任务完成时间优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211033595.1A CN115268498A (zh) | 2022-08-26 | 2022-08-26 | 多无人机辅助物联网网络的数量和任务完成时间优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115268498A true CN115268498A (zh) | 2022-11-01 |
Family
ID=83754640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211033595.1A Pending CN115268498A (zh) | 2022-08-26 | 2022-08-26 | 多无人机辅助物联网网络的数量和任务完成时间优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115268498A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116301045A (zh) * | 2023-03-21 | 2023-06-23 | 大连海事大学 | 一种面向时空约束网络的无人机数据采集任务分配方法 |
-
2022
- 2022-08-26 CN CN202211033595.1A patent/CN115268498A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116301045A (zh) * | 2023-03-21 | 2023-06-23 | 大连海事大学 | 一种面向时空约束网络的无人机数据采集任务分配方法 |
CN116301045B (zh) * | 2023-03-21 | 2024-04-12 | 大连海事大学 | 一种面向时空约束网络的无人机数据采集任务分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230049845A1 (en) | Air transportation systems and methods | |
Zhang et al. | Energy-efficient trajectory optimization for UAV-assisted IoT networks | |
CN106813666B (zh) | 车辆搭载无人机的双层路径构建方法及*** | |
US11572166B2 (en) | Unmanned aerial vehicle operation systems | |
CN110602633B (zh) | 一种面向爆发性流量的移动边缘计算无人机群辅助通信方法 | |
CN108664038B (zh) | 一种多无人机分布式合同竞拍在线任务规划方法 | |
CN110650039B (zh) | 一种基于多峰优化的无人机群辅助车辆网络协同通信模型 | |
CN111885504B (zh) | 一种辅助移动车辆无线通信的无人机轨迹优化方法 | |
Kim et al. | CBDN: cloud-based drone navigation for efficient battery charging in drone networks | |
CN111757361B (zh) | 一种雾网络中基于无人机辅助的任务卸载方法 | |
CN107180309B (zh) | 一种空天地观测资源的协同规划方法 | |
CN109885088A (zh) | 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法 | |
Kim et al. | Machine learning based edge-assisted UAV computation offloading for data analyzing | |
CN114911255B (zh) | 一种面向通信中继保障的异构多无人机协同航迹规划方法 | |
CN115361689B (zh) | 固定站点与无人机搭载边缘服务器的协同部署方法 | |
CN112419779B (zh) | 无人车停靠点的选取方法及装置、存储介质及电子设备 | |
CN115268498A (zh) | 多无人机辅助物联网网络的数量和任务完成时间优化方法 | |
CN115079701A (zh) | 一种无人车与无人机协同的路径规划方法 | |
CN114650567A (zh) | 一种无人机辅助v2i网络任务卸载方法 | |
Kim et al. | San: Self-adaptive navigation for drone battery charging in wireless drone networks | |
Shahzaad et al. | A game-theoretic drone-as-a-service composition for delivery | |
US20210312818A1 (en) | Traffic management systems and methods for unmanned aerial vehicles | |
CN112579290A (zh) | 一种基于无人机的地面终端设备的计算任务迁移方法 | |
CN116781144A (zh) | 无人机搭载边缘服务器的方法、装置及存储介质 | |
Wang et al. | Deep reinforcement learning based routing in an air-to-air ad-hoc network |
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 |