[发明专利]基于自适应蜂鸟算法的飞行自组网拓扑优化方法和装置

权利要求书

1.一种基于自适应蜂鸟算法的飞行自组网拓扑优化方法，其特征在于，所述方法包括：

根据飞行自组网的簇群数量、负载偏差以及簇移动度构建优化问题；其中，所述负载偏差是根据簇内成员数量的标准差得到的，所述簇移动度是根据簇内成员与簇首之间的距离确定的；

构建自适应蜂鸟算法；所述自适应蜂鸟算法中包括：概率动态调节函数和柯西高斯变异因子；

将所述优化问题进行编码后，采用所述自适应蜂鸟算法求解所述优化问题，输出最优蜂鸟个体对应的优化策略，根据优化策略对飞行自组网拓扑进行优化；其中，通过所述概率动态调节函数对种群粒子的适应度进行调节，以控制进行引导觅食或区域觅食的概率，通过所述柯西高斯变异因子对粒子位置进行变异更新；

根据簇内成员与簇首之间的距离确定簇移动度，包括：

对组网区域进行划分；其中组网区域包括内层的安全区域以及外层的危险区域；

对簇内成员与簇首之间的相对移动性进行表示为：

其中，分别表示簇首节点和簇内成员节点；

根据相对移动性、组网区域的划分结果以及簇内成员与簇首之间的距离，确定簇群对应的簇移动度为：

其中，，表示簇首节点的通信范围半径，表示第个簇群中簇成员的数量，表示簇首与簇成员之间的距离，表示第个簇群的所有节点构成集合，表示簇首与簇成员之间的移动度；

根据簇群对应的簇移动度，确定飞行自组网的簇移动度为：

其中，表示飞行自组网中簇群的总数量；

所述根据飞行自组网的簇群数量、负载偏差以及簇移动度构建优化问题，包括：

根据飞行自组网的簇群数量、负载偏差以及簇移动度构建优化问题为：

其中，表示负载偏差；

确定所述优化问题的约束条件为：

其中，A表示优化策略，，表示第k个簇群，N表示飞行自组网中节点数量，、分别表示第p和q个簇群，表示信道占用参数，M表示信道数量，表示第m个信道，表示簇群的簇首。

2.根据权利要求1所述的方法，其特征在于，构建概率动态调节函数，包括：

构建概率动态调节函数为：

其中，和是预设的最大概率和最小概率，是第次迭代时第只蜂鸟的概率动态调节函数，是第只蜂鸟在第次迭代时的适应度，和是第次迭代时的最优适应度，是第次迭代时的适应度中值。

3.根据权利要求1所述的方法，其特征在于，构建柯西高斯变异因子，包括：

构建柯西高斯变异因子为：

其中，表示当前最优个体位置，是预先设置的自适应调节因子，是满足标准柯西分布的随机变量，是满足标准高斯分布的随机变量。

4.根据权利要求3所述的方法，其特征在于，构建自适应调节因子，包括：

构建自适应调节因子为：

其中，表示最大迭代次数。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将自适应蜂鸟算法中蜂鸟个体的实数解映射至优化问题的整数解；

所述将自适应蜂鸟算法中蜂鸟个体的实数解映射至优化问题的整数解，包括：

利用自适应蜂鸟算法中蜂鸟个体的整数部分将节点身份确定为簇首或簇成员；

利用自适应蜂鸟算法中蜂鸟个体的小数部分确定各簇首的主用信道和簇成员所属的簇首。

6.一种基于自适应蜂鸟算法的飞行自组网拓扑优化装置，其特征在于，所述装置包括：

问题构建模块，用于根据飞行自组网的簇群数量、负载偏差以及簇移动度构建优化问题；其中，所述负载偏差是根据簇内成员数量的标准差得到的，所述簇移动度是根据簇内成员与簇首之间的距离确定的；

算法搭建模块，用于构建自适应蜂鸟算法；所述自适应蜂鸟算法中包括：概率动态调节函数和柯西高斯变异因子；

求解模块，用于将所述优化问题进行编码后，采用所述自适应蜂鸟算法求解所述优化问题，输出最优蜂鸟个体对应的优化策略，根据优化策略对飞行自组网拓扑进行优化；其中，通过所述概率动态调节函数对种群粒子的适应度进行调节，以控制进行引导觅食或区域觅食的概率，通过所述柯西高斯变异因子对粒子位置进行变异更新；

问题构建模块还用于对组网区域进行划分；其中组网区域包括内层的安全区域以及外层的危险区域；

对簇内成员与簇首之间的相对移动性进行表示为：

其中，分别表示簇首节点和簇内成员节点；

根据相对移动性、组网区域的划分结果以及簇内成员与簇首之间的距离，确定簇群对应的簇移动度为：

其中，，表示簇首节点的通信范围半径，表示第个簇群中簇成员的数量，表示簇首与簇成员之间的距离，表示第个簇群的所有节点构成集合，表示簇首与簇成员之间的移动度；

根据簇群对应的簇移动度，确定飞行自组网的簇移动度为：

其中，表示飞行自组网中簇群的总数量；

问题构建模块还用于根据飞行自组网的簇群数量、负载偏差以及簇移动度构建优化问题为：

其中，表示负载偏差；

确定所述优化问题的约束条件为：

其中，A表示优化策略，，表示第k个簇群，N表示飞行自组网中节点数量，、分别表示第p和q个簇群，表示信道占用参数，M表示信道数量，表示第m个信道，表示簇群的簇首。