摘要
在无线传感器网络中，自身能量的约束和复杂的地形通常会影响物联网设备的电力补给和通信能力，甚至导致网络故障和崩溃。而无人机因其极高的适应性，且能够配备无线电力补给及通信技术，非常适合维护无线传感器网络的可靠性。然而能量有限的无人机服务无线传感器网络的过程中，如何提高服务效率是一个值得研究的问题。 在无人机为网络中的设备节点实现电能补充及信息传输的过程中，无人机从初始地出发，从空间中选择悬停位置进行悬停并对其服务范围内的节点提供服务，在对所有的设备节点提供服务后，保证其在机载能量耗尽完前返回起始地。本文基于群体智能算法，对无人机在三维空间中部署进行研究，构建了无人机在能量受限下的多目标优化模型，旨在提高无人机的服务效率，具体如下： （1）提出了无人机充电效率最大化多目标模型和无人机数据传输效率最大化多目标模型。无人机从基站出发选择空间中的一系列悬停位置为网络中的设备实现电力补给；该问题的目标是尽可能减少无人机的充电总时间来提高整体的电力补给性能的同时联合优化无人机的悬停点及电力补给时间。进一步通过对悬停位置的选择和悬停时间的确定，来最小化无人机悬停时间的同时最大化网络系统的吞吐量。 （2）提出了一种改进的多目标粒子群优化算法来解决无人机充电效率最大化多目标模型。使用ICMIC混沌映射机制来初始化无人机悬停位置和充电时间，能够使悬停位置和充电时间在搜索空间中均匀分布，相较伪随机数生成可使无人机的初始解获得了随机性和多样性的提升；进一步引入柯西算子变异方法，使悬停位置和充电时间在每次更新时概率进行变异以避免陷入局部最优；融合了灰狼优化算法中的搜索更新策略以借鉴无人机解集之间的信息共享和最优解的带领作用，在悬停位置和充电时间更新时有效地避免了局部优化，提高了算法进行全局搜索的能力。实验模拟的结果表明，改进后的多目标粒子群优化算法与其它优化算法相比，针对不同物联网设备数的解决方案精度更高。 （3）提出了一种针对无人机数据传输效率最大化多目标模型的改进的多目标蝗虫优化算法。初始蝗虫种群时算法结合了Q-OBL反向学习的初始化策略，保证了无人机位置和通信时间的多样性和问题初始解的质量；为了便于寻找更好的悬停位置且避免局部最优，算法吸收了高斯变异的更新因子以注入一定的随机性，从而能更广泛地搜索三维空间；改进的多目标蝗虫优化算法融合了多元宇宙优化算法，通过吸收虫洞更新策略中的权重系数和WEP、TDR两个参数扩展增强了算法对悬停位置和通信时间的寻优能力。仿真实验结果表明，优化后的多目标蝗虫算法是一种有效的优化方法，能更好地针对不同物联网设备规模的无人机数据传输效率最大化多目标模型进行求解。
NETL