基于负载均衡的多UAV路径设计方法技术

本发明专利技术涉及无人机技术，具体为基于负载均衡的多UAV路径设计方法，首先根据分簇效果的轮廓系数确定聚类分簇数；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；在分簇结果基础上优化蚁群智能算法；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；建立簇头负责机制，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；异构UAV，根据不同UAV所携带能量的不同设定其飞行时间。本发明专利技术能避免无人机之间相互碰撞，不需要借助多无人机之间大量的信息通信，减小了无人机的能量消耗，提高了系统的性能。

Multi UAV path design method based on load balancing

【技术实现步骤摘要】
基于负载均衡的多UAV路径设计方法
本专利技术涉及无人机技术，具体为基于负载均衡的多UAV路径设计方法。
技术介绍
近几年无人机UAV由于它的操作性、续航性、价格等方面有较好的优点，得到了世界各国的关注，也成为当今研发的热点。已经在多个方面，比如军事、环境保护、搜救行动上有广泛的应用。随着无人机技术的普及，Multi-UAV(多无人机)的问题也逐渐被引起重视，但是大部分文献的重点在于UAV的路径如何规划、障碍物的避免及其无人机的相互通信上，在全面地考虑多无人机的负载均衡问题上的研究是比较缺乏的。如何在传感器结点随机的情况下尽可能均衡地分配给无人机进行采集，这一多无人机的负载均衡问题正是本专利技术要解决的。现有部分文献通过对系统中多UAV的划分，分成了两派，分别为决策集合部分和成员集合部分。两者处于不平等的地位，成员集合中UAV的分配调度和任务管理由决策集合里的UAV负责，决策集合里的UAV通过动态调整，调动成员集合中的UAV完成任务，并且兼顾均衡性与总体高效性。这样虽然可以动态地划分，使得处理过程更加灵活，但是却使得通信的开销加大，而传感器结点的一次寿命也会因此缩短，而这对传感器网络系统是高代价的，会导致系统总的生存时间缩短。现有部分文献通过k-means聚类分簇算法提前对系统的结点进行分簇，通过引入聚类指数来评判算法的优劣性。总体来说，这类算法考虑得比较全面，兼顾了负载分配均衡的任务要求。但是实验模拟场景人为设定过于理想化，结点数为固定不变的，而且实验开始到结束结点位置也是固定的，所以该算法是否能满足当初始结点为随机时的情况仍需深入探索，而大部分实际运用的结点位置是不固定的，因此需要进一步验证。
技术实现思路
为解决现有技术所存在的技术问题，本专利技术提供基于负载均衡的多UAV路径设计方法，该方法对需要采集信息的任务结点进行分配，将所有结点分成一个个互不干扰的簇，每一个簇内使用蚁群算法，通过多次算法的迭代，计算出单无人机在其负责的簇内的最短路径，以满足多无人机负载均衡的要求。本专利技术采用以下技术方案来实现：基于负载均衡的多UAV路径设计方法，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。在优选的实施例中，所述分簇效果的轮廓系数Si为：设传感器结点di被k-means++聚类分簇算法分到簇群A中，则ai表示传感器结点di与其所在簇群A的其它传感器结点的平均距离，D(di，C)表示传感器结点di与簇群C的平均距离，则传感器结点di与其它簇群的平均距离的最小值为：在优选的实施例中，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。在优选的实施例中，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。本专利技术与现有技术相比，具有如下优点和有益效果：1、本专利技术通过k-means++算法对需要采集信息的任务结点进行分配，将所有结点分成一个个互不干扰的簇，每一个簇内使用蚁群算法，通过多次算法的迭代，计算出单无人机在其负责的簇内的最短路径，这样来满足多无人机负载均衡的要求。2、本专利技术提出的k-means++分簇聚类蚁群优化算法，完全符合当传感器结点的初始位置为随机的、不固定的情形，且传感器结点具有数目未统一、量大的特点；本专利技术对初始结点分簇，将簇与簇之间分隔开来，从而避免无人机之间发生相互碰撞的问题，不需要借助多无人机之间大量的信息通信，减小了无人机的能量消耗，提高了系统的性能。3、本专利技术对传统k-means分簇算法细节的多个方面提出了改进：一方面，在对随机数据处理前，k-means分簇算法需要人为给出K值，由于每一个簇里需用一架无人机去完成簇内任务，所以分簇算法的K值等于最终系统选择的无人机数量，然而无人机的数量并非越多越好，数量多会导致分簇的效果差，造成分配不均的结果；因此有必要选择最合理的K值，k-means++分簇聚类蚁群优化算法通过轮廓系数这个关键点，寻找最优的分簇K值，使传统k-means算法得到进一步改善。另一方面，传统k-means分簇算法在一开始对质心的选择上，既是随机的，也是无参考的，容易导致局部收敛；因而传统k-means分簇算法会导致各簇的分配结点数严重不均衡的情况，而本专利技术k-means++分簇聚类蚁群优化算法则优化了其初始簇心的选择，不再盲目地随机选择，而是通过选出尽可能远的几个初始簇心，这样局部收敛的分簇情况就能得到避免。4、使用动态调整来完善算法的实现结果，针对最多结点簇群的结点，不断把可疑结点重新分配到其最近的簇群中，然后保留有益于负载均衡要求的调整结果，动态地调整极端不平衡的情况，使得负载的分配更加均衡。5、引入时间的观念，与无人机携带的能量挂钩，在时间耗尽以前寻求尽可能合理的遍历路径，设定在能量方面异构的多UAV系统。使用簇头负责优化机制，优化多无人机的遍历路径，节省无人机的能量，有利于总体的负载均衡的完善。附图说明图1是本专利技术方法的流程图；图2是分簇效果的轮廓系数随聚类分簇数k值的变化曲线图；图3是蚁群智能算法的优化流程图；图4是可疑结点的动态调整流程图；图5是簇头负责机制的流程图；图6是异构UAV与簇头优化方案流程图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例本专利技术针对多无人机负载均衡的问题，提出了k-means++分簇聚类蚁群优化算法，这是一个先分簇后规划路径的算法，实现对传统k-m本文档来自技高网...

【技术保护点】
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：/nS1、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；/nS2、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；/nS3、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；/nS4、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；/nS5、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；/nS6、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。/n

【技术特征摘要】
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Si为：



设传感器结点di被k-means++聚类分簇算法分...

【专利技术属性】
技术研发人员：刘贵云，林立新，李致富，蒋文俊，彭百豪，张杰钊，唐冬，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44