[发明专利]一种面向任务的多移动充电车调度方法

权利要求书

1.一种面向任务的多移动充电车调度方法，其特征在于，包括：

获取并确定无线可充电传感器及充电车位置和性能参数，依据获取的参数建立无线可充电传感器网络模型；

获取并确定无线可充电传感器位置及性能参数，包括，

设定G＝(V∪O∪{s},E)为一个给定的无向图，

其中，s为基站，V＝{v₁,…,v_n}为传感器集合，O＝{o₁,…,o_m}为兴趣点集合,其中n≥m，每个传感器监控一个兴趣点，执行随机事件捕获任务，每个兴趣点被至少一个传感器所覆盖，传感器之间，以及传感器与基站之间都存在一条边，设边的集合为E；

监控同一个兴趣点o_j的传感器类型是一致的，监控同一个兴趣点o_j被充电的传感器集合为V_j，V_j中的传感器的每个电池容量均为b_j，感知功率均为β_j；

获取并确定充电车位置和性能参数，包括，

调度K辆充电小车为传感器集合V中的传感器提供充电服务，K辆小车集合表示为R＝{r₁,…,r_K}；

设K辆充电小车类型不同，传感器v_i和v_i′之间的边权重为c_k(v_i,v_i′)＝d(v_i,v_i′)·α_k；

其中，d(v_i,v_i′)表示传感器v_i和v_i′之间的距离，α_k为小车r_k移动单位距离的能耗，小车r_k在监控同一个兴趣点o_j被充电的传感器集合V_j中传感器v_i的充电能耗为γ_k为车辆r_k的充电效率，0γ_k1，移动充电小车r_k的电池容量为B_k；

设定移动可充电设备的充电效用函数；

所述设定移动可充电设备的充电效用函数，包括，

设每个兴趣点o_j随机事件到达的时间符合泊松分布，令一个兴趣点o_j在时间间隔t内到达的随机事件个数为X_j(t)；根据泊松分布的概率函数可知其中，λ_j为兴趣点o_j随机事件的到达强度；

对于传感器集合V_j中的传感器v_i，其监控兴趣点为o_j，用|V_j|表示能够覆盖兴趣点o_j的且被充电的传感器数量；

令兴趣点o_j的效用为

其中，b_j为V_j中的每个传感器的电池容量,β_j为V_j中的每个传感器的感知功率，

为传感器集合V_j中每个传感器v_i充电的效用为：

其中，|V_j|≥1且v_i属于V_j；

即：u(P_k)表示每条路径的效用；

形式化面向任务的充电调度问题；

最大化传感器充电的效用之和，更新效用最大的路径和小车集合；

所述最大化传感器充电的效用之和，包括，

令已经找到路径的小车集合为已经找到的路径集合为已经找到的路径数量为K′；

初始化K′＝0；

对于给定的图G＝(V∪O∪{s},E)，构造K个辅助图G₁,G₂,…,G_K，

其中，G_k用于寻找移动充电小车r_k的路径P_k；

图G中边的权重为

对于任意一条路径P_k，用w_k(P_k)表示路径的成本也就是边权重之和，

并对已经找到的路径数量为K′进行判断；

所述判断还包括，

若已经找到的路径数量K′小于K，则将当前已经找到了K′条路径表示为

令表示充电小车的路径，1≤q_j≤K且1≤j≤K′；

对所有的通过单路径效用最大算法在图G_k中找到一条起点和终点同为s路径P_k，使得路径P_k的效用最大化，且满足小车r_k在路径P_k中的能耗w(P_k)≤B_k；

所述图G_k中每个传感器v_i的服务效用为：

其中，v_i属于V_j；

选择一条效用最大的路径对应小车为即：

更新已经找到的路径集合更新已经找到路径的小车集合更新已经找到的路径数量K′＝K′+1，并返回执行所述对已经找到的路径数量为K′进行判断的步骤；

所述单路径效用最大算法，包括，

A1：令当前路径已经找到了n个传感器当前路径中已经找到的传感器集合为L，初始化当前的路径

A2：判断当前路径P_k的成本是否超过能量约束B_k，若w(P_k)B_k则执行步骤A3，否则已找到效用最大的路径P_k，算法结束；

A3：设定所有的传感器计算边际效用表示为：

其中，属于V_j；

根据旅行商问题的最近邻算法分别计算TSP(L)与

其中，TSP(L)表示在集合L中的传感器用旅行商问题的最近邻算法计算得到的路径成本，则传感器的边际成本为

A4：选择一个边际效用与边际成本比值最大的传感器即：

A5：判断路径成本是否超过能量约束B_k，若未超过，则将该传感器加入当前路径并执行步骤A6；否则，算法结束；

A6：根据旅行商问题的最近邻算法得到遍历L中所有传感器的最短闭合路径P_k，更新当前已经选取的传感器数n＝n+1，并返回继续执行步骤A2。