[发明专利]一种基于粒子群遗传算法的多无人机区域覆盖部署方法

摘要

本发明公开了一种基于粒子群遗传算法的多无人机区域覆盖部署方法，根据目标区域的大小和无人机的各项参数，解决无人机的区域覆盖部署问题。本发明以粒子群算法为基本框架，将改进的遗传算法嵌入到粒子群算法的迭代过程中，避免了算法陷入局部极值。本发明使用粒子群遗传算法根据区域覆盖率和网络连通性对覆盖部署方案进行对比研究，经过多次的迭代优化最终得出最佳的覆盖部署方案。

主权项

1.一种基于粒子群遗传算法的多无人机区域覆盖部署方法，其特征在于，包括以下步骤：步骤1)输入目标区域的长L和宽W；步骤2)输入无人机的数量Total、传感器部署角度θ、传感器覆盖半径Rs和最大通信半径Rt，遍历每一个无人机U_ξ，输入无人机U_ξ的高度H_ξ；步骤3)初始化空部署方案集合PList，在长为L，宽为W的范围内随机部署无人机，并判断无人机集群是否连通，当无人机集群连通时，将当前的无人机部署方案P_i保存到部署方案集合PList当中，重复该步骤直到部署方案集合PList中集合的数量等于N，所述N表示初始种群中个体的数量；步骤4)计算集合PList中每一个方案的区域覆盖率，所述覆盖率是指覆盖的面积占目标区域的百分比，依次从集合PList中取出无人机部署方案P_i，计算P_i的区域覆盖率Fc(P_i^time)：其中：SC_i表示部署方案P_i的覆盖面积，S表示目标区域的总面积，time表示当前迭代次数，i表示方案的编号；步骤5)将集合PList中的方案按照覆盖率从大到小排列，取区域覆盖率最大的前N个方案，其余方案移出集合PList；步骤6)更新第time次迭代后覆盖方案的个体极值当时，将P_i^time赋值给个体极值否则将赋值给个体极值当time＝0时，步骤7)更新第time次迭代后集合PList的群体极值Gbest，遍历集合PList中的每一个方案，当将个体极值赋值给群体极值Gbest，当time＝0，Fc(Gbest)＝0；步骤8)当time＝time_max时，方法结束，输出群体极值Gbest，所述time_max是预先设定的跌打阈值；否则time自增1进入步骤9)；步骤9)粒子群算法进化个体，具体步骤如下：步骤9.1)计算个体的速度V_i^time+1：其中：ω是惯性权重，表示初始速度对速度改变的影响，c₁和c₂分别为自身认知参数和社会认知参数，μ和η表示两个[0，1]区间内的随机数，当time＝0时，V_i⁰＝0表示初始速度为0；步骤9.2)计算更新后粒子的位置P_i^time+1：P_i^time+1＝V_i^time+1+P_i^time步骤9.3)验证无人机网络的连通性，当网络不连通时，放弃步骤91)和步骤92)中对速度和位置的更新，将V_i^time赋值给V_i^time+1，将P_i^time赋值给P_i^time+1，否则保留速度和位置得到更新，并重新计算个体方案的覆盖率；步骤10)遗传算法产生新个体，具体步骤如下：步骤10.1)轮盘选择2K个个体，将集合PList中的所有方案按照覆盖率的大小构成一个圆盘，转动2K次得到2K个部署方案；步骤10.2)个体交叉，将选择出的部署方案两两配对成K组，基于概率P_cross对个体进行交叉，得到2K个新的个体；步骤10.3)个体变异，对新个体基于概率P_mutate进行变异操作，得到遗传个体集合GAList，所述遗传个体集合是指经过交叉变异操作产生的新个体的集合；步骤10.4)遍历遗传个体集合GAList中的每一个个体，验证个体的网络连通性，当网络不连通时，从集合中删除个体，将集合GAList中剩余的个体加入集合PList中，重新进入步骤4)。