[发明专利]UASNs中基于Q-learning的多AUV协作数据收集方法

说明书

本发明公开了一种UASNs中基于Q‑learning的多AUV协作数据收集方法，包括如下步骤：按照一定条件挑选簇头，其他节点自适应就近加入簇头，形成节点簇；基于改进合同网算法进行AUV任务分配；基于Q‑learning算法进行路径规划，AUV按照规划的路径完成数据收集。本发明通过对多个AUV进行合理的任务分配，提高了AUV的任务完成效率，减少了数据收集延迟；在数据收集时考虑数据包的信息等级，对紧急数据进行优先收集，实现对于紧急数据的快速有效处理；通过使用Q‑learning对AUV进行路径规划，减少了AUV的航行距离和能量消耗。

技术领域

本发明属于水声传感器网络领域，具体涉及一种UASNs中基于Q-learning的多AUV协作数据收集方法。

背景技术

水声传感器网络是一种新兴的且有发展前途的网络技术，可广泛应用于水下应用，如水下环境观测、海岸线监测与保护、防灾、辅助导航和矿山探测等。近年来，水下无线传感器网络因其广泛的应用和诸多的优点受到越来越多的海洋研究者的关注，它能够帮助人类感知和监测广阔的未经探测的海洋环境，监测和预警海洋灾害的发生，为探索、利用和保护海洋资源提供重要的信息和支持。

数据收集技术作为UASNs的基础之一，负责传输大量感知数据，但伴随而来的是高能耗问题。因此，如何结合水下环境特点，平衡数据传输效率和节点能耗具有深远的意义。由于水下传感器网络的规模较大，水下节点的通信范围有限以及网络拓扑动态变化等特点，水下的数据收集技术通常使用AUV进行数据收集。

目前使用AUV进行数据收集的方法，按照使用AUV的数量主要分为单个AUV进行收集和多个AUV进行数据收集两类。

第一类是是使用单个AUV进行数据收集，由部署在水下的传感器节点收集水下的相关信息，AUV在网络中航行收集节点数据，并传送到水面的Sink。

Ilyas等人在2015年的《Procedia Computer Science》上发表文章“AEDG:AUV-aided Efficient Data Gathering Routing Protocol for Underwater WirelessSensor Networks,”设计了一种AUV辅助高效数据采集路由协议(AEDG)。一个AUV沿着预定的椭圆轨道移动，广播一个HP来改变信息，并根据RSSI值和节点的剩余能量选择网关节点(GNS)。同时，成员节点(MNS)将网关节点与最短路径相关联，并通过网关节点将数据包传输给AUV。Khan.JU等人在2016年的《Sensors》上发表的文章“A Multi-hop Approach”提出了一种基于网络划分的AUV协同传输数据采集算法。在该算法中，Sink根据沃罗诺伊生成点将整个网络平面划分为多个泰森多边形。每个多边形分配一个AUV，并根据聚类情况规划路径，同时AUV通过在每个区域设置一个代理节点进行协同传输。SEYED MOHAMMAD GHOREYSHI等人在《IEEE ACCESS》上发表的文章“Mobile Data Gathering With Hop-ConstrainedClustering in Underwater Sensor Networks”提出了一种基于集群的大规模移动数据采集(CMDG)方案，在数据采集延迟和节能之间进行了权衡。针对声学传感器聚类并以最短的行程覆盖其簇头问题提出两种有效的算法，以在较短的计算时间内获得近似最优解，讨论机会变化对ECMDG性能的影响，在能量-延迟权衡方面，当网络工作时间与现有移动数据采集方案的时间相比长时，CMDG可以有效地保持较短的路径长度。

第二类是使用多个AUV进行数据收集，通过多个AUV之间的合作完成相对较大的场景的数据收集，适合网络范围较大的情况。