一种带时间窗粒子群优化的无人机动态路由方法及装置

本技术涉及无人机自组织网络与路由群智能优化，尤其是涉及一种带时间窗粒子群优化的无人机动态路由方法及装置。

背景技术：

1、在无人机网络中，数据传输的高效性与稳定性是保障各类低空任务顺利实施的核心要素。随着低空经济的快速发展，无人机应用场景持续向纵深拓展，在应急通信场景中，无人机需要在断网区域内迅速构建临时通信链路，为救援指挥与灾情上报提供实时数据通道，在远程监测场景中，搭载传感器的无人机群需要将监测数据快速回传至地面，这些复杂场景对无人机网络路由的时效性与可靠性提出了较高要求。

2、无人机网络节点在完成数据传输时需要经过复杂的路径选择，同时时间窗口约束是影响传输效果的关键限制因素，部分无人机任务要求在特定时间段内完成数据传输，若未能在此时间段内完成则任务执行效果会受到影响。传统路由方法通常基于静态网络拓扑进行设计，难以适应无人机动态飞行导致的链路频繁变化，也难以在满足时间窗口约束的前提下兼顾数据传输效率，由此带来的通信延迟与数据丢失问题，使得传统方法在应急响应与实时监测等场景中的适用性受到限制。

技术实现思路

1、为解决上述问题，本技术实施例提供一种带时间窗粒子群优化的无人机动态路由方法及装置，通过在粒子群优化过程中引入时间窗口约束并结合精英粒子群与探索粒子群的异步迭代策略，实现无人机网络路由方案的高效求解与动态优化。

2、本技术实施例第一方面提出一种带时间窗粒子群优化的无人机动态路由方法，包括如下步骤：

3、根据无人机节点和数据汇聚中心建立无人机网络架构；无人机网络架构由n个无人机节点和m个数据汇聚中心构成，无人机节点通过多跳方式将目标数据传送至数据汇聚中心；

4、构建适应度函数；适应度函数根据通信能耗成本、带宽占用成本、数据传输延迟成本、数据损失成本、数据处理能耗成本，以及带宽约束惩罚项、电量约束惩罚项、时间窗口约束惩罚项、自环惩罚项和不可达汇聚中心惩罚项构建，数据传输延迟成本根据无人机节点的通信时间窗口的起止时间与处理目标数据所需的处理时间之间的关系确定；

5、针对无人机网络架构，将路由的多个候选解分别编码为多个路由粒子的目标位置向量以得到粒子群；目标位置向量的每个元素与每个无人机节点对应，元素的取值为对应的无人机节点所选择的下一跳转发对象的编号，对粒子群进行初始化，根据适应度函数确定初始时各路由粒子的个体最优位置和全局实时最优位置；

6、对各路由粒子的目标位置向量进行迭代更新，以生成中间向量；将中间向量代入适应度函数得到适应度值，在适应度值优于对应的路由粒子当前的个体最优位置对应的适应度值时，将个体最优位置更新为中间向量；在适应度值优于当前的全局实时最优位置对应的适应度值时，将全局实时最优位置更新为中间向量；

7、在迭代次数达到预设的分组轮数时，根据各适应度值将粒子群划分为精英群和探索群，并将精英群和探索群对应的路由粒子划分为精英粒子和探索粒子；根据各精英粒子对应的目标位置向量中取值相同的维度确定待固定维度，并对待固定维度进行固定；

8、对精英粒子在每一轮迭代中进行目标位置向量的迭代更新，对探索粒子每两轮迭代进行一次目标位置向量的迭代更新；在适应度值最优的路由粒子属于探索粒子时，将适应度值最优的路由粒子转为精英粒子并加入精英群，并解除对待固定维度的固定；直至迭代次数达到最大次数或满足预设的收敛条件时，输出全局实时最优位置作为全局实时最优路由方案。

9、根据本技术实施例第一方面的一种带时间窗粒子群优化的无人机动态路由方法，至少具有如下有益效果：

10、本技术通过在粒子群优化过程中引入时间窗口约束机制并结合通信能耗、带宽占用、数据损失及处理能耗等多方面因素构建适应度函数，能够为无人机网络中的每个节点动态确定综合成本最小的下一跳转发对象，在保障数据传输于规定时间窗口内完成的同时降低通信延迟与数据丢包率，提升无人机网络整体的传输效率与资源利用率；通过将粒子群划分为精英粒子与探索粒子并对精英粒子中已趋于一致的维度进行固定，在保持全局搜索能力的前提下减少后续迭代中的无效搜索开销，提高路由方案的求解效率；通过在探索粒子中出现更优路由方案时及时解除维度固定并调整精英粒子群构成，避免算法过早收敛至局部最优解，从而在动态变化的无人机网络环境下持续获得较优的全局实时路由方案。

11、在一种可能的实施方式中，无人机节点的编号为1至n，数据汇聚中心的编号为n+1至n+m，下一跳转发对象为相邻的无人机节点或数据汇聚中心。

12、在一种可能的实施方式中，通信能耗成本根据单位时间通信能耗成本系数、信号干扰系数、节点间距离与数据平均传输速率确定；带宽占用成本根据单位带宽占用成本系数与通信链路占用的物理频谱宽度确定；数据传输延迟成本根据处理时间超出通信时间窗口的时长与单位数据量延迟成本系数确定，在处理时间未超出通信时间窗口时数据传输延迟成本为零；数据损失成本根据通信链路误码率、数据处理错误率与单位数据量损失成本系数确定；数据处理能耗成本根据数据处理能耗系数与待处理数据量确定。

13、在一种可能的实施方式中，带宽约束惩罚项在通信链路占用的物理频谱宽度之和超出无人机节点的最大通信带宽时取正值；电量约束惩罚项在通信能耗成本与数据处理能耗成本之和超出无人机节点的最大剩余电量时取正值；时间窗口约束惩罚项在处理时间超出通信时间窗口时取正值；自环惩罚项在无人机节点所选择的下一跳转发对象的编号与无人机节点的编号相同时取正值；不可达汇聚中心惩罚项在无人机节点无法将目标数据传输至任一数据汇聚中心时取正值。

14、在一种可能的实施方式中，对粒子群进行初始化，还包括：

15、随机生成各路由粒子的初始位置向量与初始速度向量；

16、将初始位置向量代入适应度函数以确定初始时的个体最优位置和全局实时最优位置，并设定最大次数、种群规模、惯性权重、个体学习因子、群体学习因子与随机系数。

17、在一种可能的实施方式中，迭代更新按照预设的迭代公式进行更新，迭代公式为：

18、

19、

20、其中，其中，为当前迭代次数，和分别为路由粒子第代和第代的目标速度向量，和分别为路由粒子第代和第代的目标位置向量，为惯性权重，为个体学习因子，为群体学习因子，和为随机系数，为路由粒子的个体最优位置，为全局实时最优位置。

21、在一种可能的实施方式中，分组轮数小于最大次数，且在达到分组轮数时至少存在一个路由粒子的适应度值满足预设的收敛阈值；精英粒子为按适应度值从小到大排序后的前k个路由粒子；探索粒子为路由粒子中，除精英粒子之外的其余路由粒子；待固定维度为各精英粒子的目标位置向量中数值均相同的维度。

22、在一种可能的实施方式中，精英粒子的目标位置向量中，未被固定的维度的取值在每一轮迭代中均进行更新，已被固定的待固定维度的取值在迭代过程中保持不变，收敛条件为连续多轮迭代得到的全局实时最优路由方案保持不变。

23、本技术实施例第二方面提出一种带时间窗粒子群优化的无人机动态路由装置，包括：

24、无人机网络架构建立模块，被配置为根据无人机节点和数据汇聚中心建立无人机网络架构；无人机网络架构由n个无人机节点和m个数据汇聚中心构成，无人机节点通过多跳方式将目标数据传送至数据汇聚中心；

25、适应度函数构建模块，被配置为构建适应度函数；适应度函数根据通信能耗成本、带宽占用成本、数据传输延迟成本、数据损失成本、数据处理能耗成本，以及带宽约束惩罚项、电量约束惩罚项、时间窗口约束惩罚项、自环惩罚项和不可达汇聚中心惩罚项构建，数据传输延迟成本根据无人机节点的通信时间窗口的起止时间与处理目标数据所需的处理时间之间的关系确定；

26、粒子初始化模块，被配置为针对无人机网络架构，将路由的多个候选解分别编码为多个路由粒子的目标位置向量以得到粒子群；目标位置向量的每个元素与每个无人机节点对应，元素的取值为对应的无人机节点所选择的下一跳转发对象的编号，对粒子群进行初始化，根据适应度函数确定初始时各路由粒子的个体最优位置和全局实时最优位置；

27、迭代更新模块，被配置为对各路由粒子的目标位置向量进行迭代更新，以生成中间向量；将中间向量代入适应度函数得到适应度值，在适应度值优于对应的路由粒子当前的个体最优位置对应的适应度值时，将个体最优位置更新为中间向量；在适应度值优于当前的全局实时最优位置对应的适应度值时，将全局实时最优位置更新为中间向量；

28、粒子分组模块，被配置为在迭代次数达到预设的分组轮数时，根据各适应度值将粒子群划分为精英群和探索群，并将精英群和探索群对应的路由粒子划分为精英粒子和探索粒子；根据各精英粒子对应的目标位置向量中取值相同的维度确定待固定维度，并对待固定维度进行固定；

29、异步迭代与输出模块，被配置为对精英粒子在每一轮迭代中进行目标位置向量的迭代更新，对探索粒子每两轮迭代进行一次目标位置向量的迭代更新；在适应度值最优的路由粒子属于探索粒子时，将适应度值最优的路由粒子转为精英粒子并加入精英群，并解除对待固定维度的固定；直至迭代次数达到最大次数或满足预设的收敛条件时，输出全局实时最优位置作为全局实时最优路由方案。

30、本技术实施例第三方面提出一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现第一方面方法的步骤。