[发明专利]一种基于粒子群遗传算法的多无人机区域覆盖部署方法

权利要求书

1.一种基于粒子群遗传算法的多无人机区域覆盖部署方法，其特征在于，包括以下步骤：

步骤1)输入目标区域的长L和宽W；

步骤2)输入无人机的数量Total、传感器部署角度θ、传感器覆盖半径Rs和最大通信半径Rt，遍历每一个无人机U_ξ，输入无人机U_ξ的高度H_ξ；

步骤3)初始化空部署方案集合PList，在长为L，宽为W的范围内随机部署无人机，并判断无人机集群是否连通，当无人机集群连通时，将当前的无人机部署方案P_i保存到部署方案集合PList当中，重复该步骤直到部署方案集合PList中集合的数量等于N，所述N表示初始种群中个体的数量；

步骤4)计算集合PList中每一个方案的区域覆盖率，所述覆盖率是指覆盖的面积占目标区域的百分比，依次从集合PList中取出无人机部署方案P_i，计算P_i的区域覆盖率Fc(P_i^time)：

其中：SC_i表示部署方案P_i的覆盖面积，S表示目标区域的总面积，time表示当前迭代次数，i表示方案的编号；

步骤5)将集合PList中的方案按照覆盖率从大到小排列，取区域覆盖率最大的前N个方案，其余方案移出集合PList；

步骤6)更新第time次迭代后覆盖方案的个体极值当时，将P_i^time赋值给个体极值否则将赋值给个体极值当time＝0时，

步骤7)更新第time次迭代后集合PList的群体极值Gbest，遍历集合PList中的每一个方案，当将个体极值赋值给群体极值Gbest，当time＝0，Fc(Gbest)＝0；

步骤8)当time＝time_max时，方法结束，输出群体极值Gbest，所述time_max是预先设定的迭代阈值；否则time自增1进入步骤9)；

步骤9)粒子群算法进化个体，具体步骤如下：

步骤9.1)计算个体的速度V_i^time+1：

其中：ω是惯性权重，表示初始速度对速度改变的影响，c₁和c₂分别为自身认知参数和社会认知参数，μ和η表示两个[0,1]区间内的随机数，当time＝0时，V_i⁰＝0表示初始速度为0；

步骤9.2)计算更新后粒子的位置P_i^time+1：

P_i^time+1＝V_i^time+1+P_i^time

步骤9.3)验证无人机网络的连通性，当网络不连通时，放弃步骤9.1)和步骤9.2) 中对速度和位置的更新，将V_i^time赋值给V_i^time+1，将P_i^time赋值给P_i^time+1，否则保留速度和位置得到更新，并重新计算个体方案的覆盖率；

步骤10)遗传算法产生新个体，具体步骤如下：

步骤10.1)轮盘选择2K个个体，将集合PList中的所有方案按照覆盖率的大小构成一个圆盘，转动2K次得到2K个部署方案；

步骤10.2)个体交叉，将选择出的部署方案两两配对成K组，基于概率P_cross对个体进行交叉，得到2K个新的个体；

步骤10.3)个体变异，对新个体基于概率P_mutate进行变异操作，得到遗传个体集合GAList，所述遗传个体集合是指经过交叉变异操作产生的新个体的集合；

步骤10.4)遍历遗传个体集合GAList中的每一个个体，验证个体的网络连通性，当网络不连通时，从集合中删除个体，将集合GAList中剩余的个体加入集合PList中，重新进入步骤4)；

步骤3)、步骤9.3)和步骤10.4)中，对网络连通性验证时，首先构建网络拓扑图的邻接矩阵E：

其中：e_jl表示邻接矩阵E的第j行第l列的元素，1表示节点l和节点j连通，0表示节点l和节点j不连通，X_l，Y_l表示无人机U_l的经度和纬度，X_j，Y_j表示无人机U_j的经度和纬度；然后通过无向图的连通性判定准则判定图是否连通，对于无向图的邻接矩阵E，存在矩阵G，

其中：E^t表示邻接矩阵E的t次幂，当矩阵G中全为非零元素时，无向图为连通图，否则，无向图不连通；

所述步骤3)中的产生的部署方案P_i^time是由一组无人机的经度和纬度构成的：

P_i^time＝{(X_i1,Y_i1),(X_i2,Y_i2),(X_i3,Y_i3),...,(X_iN,Y_iN)}

其中：(X_i1,Y_i1)、(X_i2,Y_i2)、(X_i3,Y_i3)和(X_iN,Y_iN)分别表示第1、2、3和N架无人机的经度和纬度；

所述步骤4)中，求解区域覆盖率时，将区域划分为多个小正方形栅格，将栅格由其中心点坐标表示，当栅格中心被无人机覆盖时，整个栅格就算被覆盖，使用所有被覆盖的栅格的面积SC_i表示第i组部署方案的覆盖面积；

所述步骤10.3)中，对个体进行变异时，采用定长移位变异算法，具体操作如下：

步骤10.3.1)初始化一个计数器Counter＝1；

步骤10.3.2)当CounterN，变异结束；否则生成(0，1)之间的随机数rand，当rand＞P_mutate，进入步骤10.3.3)；否则Counter自增1，进入步骤10.3.2)；

步骤10.3.3)生成(0，1)之间的随机数rand2，当rand2＞0.5，将第Counter个无人机的经度X_Counter增加ΔL，否则将X_Counter减少ΔL，所述ΔL表示预先设定的定长位移量；当X_Counter＜0，X_Counter＝X_Counter+2×ΔL；当X_Counter＞L，X_Counter＝X_Counter-2×ΔL；

步骤10.3.4)生成(0，1)之间的随机数rand3，当rand 3＞0.5，将第Counter个无人机的纬度Y_Counter增加ΔL，否则将Y_Counter减少；当Y_Counter＜0，Y_Counter＝Y_Counter+2×ΔL；当Y_Counter＞L，Y_Counter＝Y_Counter-2×ΔL，Counter自增1，进入步骤10.3.2。

2.根据权利要求1所述的一种基于粒子群遗传算法的多无人机区域覆盖部署方法，其特征在于：步骤2)中，给定了无人机传感器对地面的覆盖半径Range_ξ：