[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

说明书

本发明公开了一种基于粒子群遗传算法的多无人机区域覆盖部署方法，根据目标区域的大小和无人机的各项参数，解决无人机的区域覆盖部署问题。本发明以粒子群算法为基本框架，将改进的遗传算法嵌入到粒子群算法的迭代过程中，避免了算法陷入局部极值。本发明使用粒子群遗传算法根据区域覆盖率和网络连通性对覆盖部署方案进行对比研究，经过多次的迭代优化最终得出最佳的覆盖部署方案。

技术领域

本发明涉及到了拓扑控制领域，尤其涉及一种基于粒子群遗传算法的多无人机区域覆盖部署方法。

背景技术

在执行敌后侦察、灾后抢险和森林防火等多无人机自组织任务中，对目标区域进行监控也是至关重要的，所以本发明专利将重点研究多无人机自组织区域覆盖控制，研究和探索如何在无人机数量有限的情况下，合理部署无人机节点实现在保证网络连通性的前提条件下实现区域覆盖率的最大化。粒子群算法在优化问题的过程中，通过粒子对个体极值和群体极值的学习，持续调整自身的移动方向，经过不断的迭代求解问题的最优解，该算法流程简单收敛性好，被广泛的应用于无线传感器网络节点的覆盖部署优化当中。但是粒子群算法收敛速度很快，容易陷入局部极值。为此本发明提出了一种基于粒子群遗传算法的多无人机区域覆盖部署算法，该算法以粒子群算法为基本框架，在迭代过程中同时使用粒子群算法和遗传算法产生新一代粒子，从而增加了种群的多样性，避免了粒子群算法陷入局部极值。

发明内容

技术问题：在多无人机区域覆盖部署中，如果无人机随机部署，那么很难保证无人机网络的连通性，另外随机部署的方式有可能会使无人机部署不均匀，导致区域的覆盖率也难以保证，因此在研究多无人机区域覆盖部署时必须要考虑网络的连通性和区域的覆盖率。粒子群算法具有非常快的收敛速度，非常容易陷入局部极值，因此在使用粒子群算法时必须要避免算法陷入局部极值。

技术方案：为了解决现有技术中的问题，本发明提供了一种基于粒子群遗传算法的多无人机区域覆盖部署方法，包括以下步骤：

一种基于粒子群遗传算法的多无人机区域覆盖部署方法，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；