-
题名大邻域多约束无人机数据收集路径规划
- 1
-
-
作者
潘淼鑫
陈崇成
-
机构
福建师范大学计算机与网络空间安全学院
数字福建大数据安全技术研究所
福建省高校大数据分析与应用工程技术研究中心
福州大学地理空间信息技术国家地方联合工程研究中心
-
出处
《计算机科学与探索》
北大核心
2025年第1期158-168,共11页
-
基金
福建省科技厅引导性项目(2021Y0008)
国家自然科学基金面上项目(62272102)。
-
文摘
在公网受限的应急环境中,利用无人机辅助物联网能促进传感数据的及时传递。当考虑无线通信距离时,无人机作为移动收集器在有限续航时间内收集尽可能多的传感数据的路径规划可建模为足够近定向问题(CEOP)。现有求解CEOP的算法是逐个计算目标节点的访问顺序及其邻域内的采集点,这在节点邻域较大并覆盖周围多个节点时效率低下,这些方法也没有考虑数据传输时间和无人机遥控距离等约束。为此,建立了大邻域多约束无人机数据收集路径规划的数学模型,提出了基于贪婪随机自适应搜索过程(GRASP)的GRASP-LN算法进行求解。该算法不重复计算重合的采集点,而是维护路径每个航点采集的节点集合,无人机在每个航点悬停一段时间以收集集合内节点的数据。公开的CEOP数据集的实验结果表明,GRASP-LN比GSOA、VNS和GRASP_(opt)具有更好的求解质量和更短的计算时间。与基线算法GRASP_(opt)相比,GRASP-LN的路径奖励平均提高了5.86%,最大提高了14.91%,执行时间平均减少了69%,特别在节点邻域平均覆盖4.67个以上节点时,GRASP-LN的路径奖励和稳定性均优于GRASP_(opt)。考虑数据传输时间和无人机遥控距离约束的实验验证了GRASP-LN算法对考虑这些约束的无人机数据收集路径规划问题的有效性。
-
关键词
无人机
贪婪随机自适应搜索过程
数据收集
足够近定向问题
路径规划
物联网
-
Keywords
drone
greedy randomized adaptive search procedure
data collection
close enough orienteering problem
path planning
Internet of things
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
