[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

说明书

本申请涉及一种基于自适应蜂鸟算法的飞行自组网拓扑优化方法和装置。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，构建自适应蜂鸟算法，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。采用本方法能够提高飞行自组网拓扑优化的适应范围以及求解的效率。

技术领域

本申请涉及无人机组网拓扑优化技术领域，特别是涉及一种基于自适应蜂鸟算法的飞行自组网拓扑优化方法和装置。

背景技术

随着无人机的生产成本和物理尺寸显著降低，使其在民用和军事的诸多领域得到了广泛应用。为克服单无人机系统通信距离短、处理能力有限和承载能力低等局限性，无人机集群成为当前研究的热点。飞行自组织网络（Flying Ad Hoc Networks, FANET）能够利用动态的拓扑结构保障无人机间的通信协同，是无人机集群通信问题的有效解决方案。各无人机节点之间进行正常的信息传输是保证FANET系统可生存性与可操作性的重要条件，而节点间链路构建的通信拓扑管理成为首要重点解决的关键问题。无人机在飞行过程中存在多种不断变化的因素，节点的高速移动造成地理位置和节点之间的距离不断变化，不同的任务需求造成无人机数量、飞行路线不断变化，受限频谱竞争或者恶意干扰造成各节点的实际可用信道不断变化。这些因素将导致节点之间的链路频繁变化，通信拓扑也将随之发生变化，加重了FANET对网络拓扑的管理难度。

分簇是优化网络拓扑管理的有效手段之一，该结构将网络划分为相互连接的簇群，通常每个簇群由一个簇首及其若干簇成员组成。分簇网络能够提高网络的扩展性，有助于降低网络管理的复杂度。当无人机节点的数量较多时，对网络进行分簇是一个复杂的优化问题，利用传统方法直接求解过于复杂。近年来，人们通过观察自然界各种生物种群的行为，根据仿生学原理提出了群智能优化算法，目前基于群智能优化的分簇算法虽然在相应的模型上取得了不错的效果，但是算法建立的模型都没有考虑可用信道差异对分簇的影响，并且所使用的群智能优化算法在寻优结果和效率上还有待改善的空间。

发明内容

基于此，有必要针对上述技术问题，提供一种基于自适应蜂鸟算法的飞行自组网拓扑优化方法和装置。

一种基于自适应蜂鸟算法的飞行自组网拓扑优化方法，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。

在其中一个实施例中，还包括：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，

，表示簇首节点形成以传输距离为半径的通信范围；

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。