[发明专利]基于负载均衡的多UAV路径设计方法

权利要求书

1.基于负载均衡的多UAV路径设计方法，其特征在于，包括以下步骤：

S1、根据分簇效果的轮廓系数，确定k-means++聚类分簇算法的聚类分簇数K；

S2、根据k-means++聚类分簇算法，将多个传感器结点划分成独立的、相互之间无重叠的多个簇群；

S3、在步骤S2中k-means++聚类分簇算法的分簇结果基础上，优化蚁群智能算法；

S4、基于步骤S2中k-means++聚类分簇算法的分簇结果，挑选出最多结点数目的簇群，从该簇群内选出与另外簇群的簇心最短路径的传感器结点，作为可疑结点；动态调整可疑结点的归属簇群，以满足多UAV负载均衡的要求；

S5、建立簇头负责机制，在步骤S2中k-means++聚类分簇算法的分簇结果所划分好的簇群内，再次将在通信范围内的传感器结点归并到同一小簇群，并通过蚁群智能算法挑出使通信路径最短的传感器结点作为簇头，簇头统一负责所述小簇群内的归属结点与外界交流；

S6、异构UAV，对UAV的飞行时间进行预先确定，根据不同UAV所携带能量的不同，设定UAV的飞行时间。

2.根据权利要求1所述的基于负载均衡的多UAV路径设计方法，其特征在于，所述分簇效果的轮廓系数S_i为：

设传感器结点d_i被k-means++聚类分簇算法分到簇群A中，则a_i表示传感器结点d_i与其所在簇群A的其它传感器结点的平均距离，D(d_i，C)表示传感器结点d_i与簇群C的平均距离，则传感器结点d_i与其它簇群的平均距离的最小值为：

3.根据权利要求1所述的基于负载均衡的多UAV路径设计方法，其特征在于，所述步骤S3将k-means++聚类分簇算法的分簇结果作为蚁群智能算法的输入值，在每个簇群的内部调用蚁群智能算法不断迭代，最终得到每个簇群内的UAV最优飞行路径。

4.根据权利要求1或3所述的基于负载均衡的多UAV路径设计方法，其特征在于，所述步骤S3的实现步骤包括：

S31、初始化N个随机分布的传感器结点；

S32、对N个传感器结点进行聚类分簇数K值的确定，寻找轮廓系数最优的K值作为后续k-means++聚类分簇算法的K值；

S33、调用k-means++聚类分簇算法对N个传感器结点划分成不同的任务子集；

S34、分别在各簇群内使用蚁群智能算法，依次得到各簇群内最优的遍历路径。

5.根据权利要求1所述的基于负载均衡的多UAV路径设计方法，其特征在于，步骤S6中，计算出每个簇群的评价函数，然后将评价函数乘以根据实际情况所设定的最大时间值，即为在该簇群中UAV的飞行时间。