-
题名面向无人机辅助物联网数据采集的双层优化算法
- 1
-
-
作者
韩守飞
刘晓静
-
机构
安徽理工大学人工智能学院
齐鲁工业大学(山东省科学院)算力互联网与信息安全教育部重点实验室
广东宏大控股集团股份有限公司非煤露天矿山安全智能开采实验室
-
出处
《计算机工程与应用》
北大核心
2025年第16期292-304,共13页
-
基金
国家自然科学基金(62306279,62476006,U24A20267)
中国博士后面上基金(2024M76592)
算力互联网与信息安全教育部重点实验室开放课题(2024PY005)。
-
文摘
针对基站遭受损坏阻碍物联网设备数据有效传输的问题,提出了一种无人机(unmanned aerial vehicle,UAV)充当移动基站辅助物联网数据采集的方法。以无人机在执行数据收集任务时的最小能耗为优化目标,结合无人机的部署策略与飞行轨迹规划,构建无人机辅助物联网数据采集的数学模型。设计一种双层优化算法来规划无人机的部署位置与飞行轨迹,旨在确保无人机能够高效完成数据收集任务的同时,实现能耗的最小化。在算法的上层部分,利用改进的蒲公英算法来优化无人机的落脚点数量与具体位置。通过一种新颖的编码策略,使每个蒲公英个体代表无人机的一个潜在落脚点,则整个蒲公英种群被视为一个完整的无人机部署方案。同时提出了两种突变策略,即Replace和Remove突变策略,前者用来更新无人机的落脚点位置,后者用来调整无人机落脚点的数量。基于算法上层得到的无人机部署结果(即落脚点的数量与位置),在算法的下层部分将无人机的飞行轨迹规划问题转化为经典的旅行商问题(traveling salesman problem,TSP)。利用迭代贪婪算法来搜索最优的无人机飞行轨迹。最后以10个实例验证双层优化方法的有效性。
-
关键词
无人机(UAV)
物联网
数据收集
无人机部署
飞行轨迹规划
-
Keywords
unmanned aerial vehicle(UAV)
Internet of things
data collection
UAV deployment
flight trajectory planning
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于知识蒸馏的异构联邦遗忘学习算法
- 2
-
-
作者
王亚杰
唐湘云
祝烈煌
-
机构
北京理工大学网络空间安全学院
中央民族大学信息工程学院
齐鲁工业大学(山东省科学院)算力互联网与信息安全教育部重点实验室
-
出处
《北京师范大学学报(自然科学版)》
北大核心
2025年第3期300-306,共7页
-
基金
国家自然科学基金青年科学基金资助项目(62402040,62302539)
中国博士后科学基金资助项目(2024T171132,2023M740246,GZB20230938)
齐鲁工业大学(山东省科学院)算力互联网与信息安全教育部重点实验室基金资助项目(2024ZD014)。
-
文摘
为解决异构数据环境下联邦学习中的隐私保护问题,提出了一种融合知识蒸馏(knowledge distillation,KD)与遗忘机制的异构联邦遗忘学习算法.该算法通过提取全局模型中的通用知识并将其传递至客户端,在保持模型学习能力的同时,有效剥离本地模型中与敏感数据相关的信息,从而实现隐私遗忘.试验结果表明,该方法在各类数据结构和设备配置下均能保持良好的模型性能,同时显著提升了数据的隐私性,为异构联邦学习环境中的隐私保护提供了一种有效的技术方案.
-
关键词
遗忘学习
联邦学习
知识蒸馏
-
Keywords
forgetting learning
federated learning
knowledge distillation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
