基于自适应蜂鸟算法的飞行自组网拓扑优化方法和装置制造方法及图纸

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。的适应范围以及求解的效率。的适应范围以及求解的效率。

【技术实现步骤摘要】
基于自适应蜂鸟算法的飞行自组网拓扑优化方法和装置


[0001]本申请涉及无人机组网拓扑优化
，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。

技术介绍

[0002]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对网络拓扑的管本文档来自技高网...

【技术保护点】

【技术特征摘要】
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。2.根据权利要求1所述的方法，其特征在于，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。3.根据权利要求2所述的方法，其特征在于，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：确定所述优化问题的约束条件为：确定所述优化问题的约束条件为：确定所述优化问题的约束条件为：确定所述优化问题的约束条件为：确定所述优化问题的约束条件为：其中，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。4.根据权利要求1...

【专利技术属性】
技术研发人员：赵海涛，魏急波，刘琰，熊俊，辜方林，张姣，王海军，周力，张晓瀛，刘兴光，姜胜腾，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：