CN109583665B - 一种无线传感器网络中的无人机充电任务调度方法 - Google Patents

一种无线传感器网络中的无人机充电任务调度方法 Download PDF

Info

Publication number
CN109583665B
CN109583665B CN201811608253.1A CN201811608253A CN109583665B CN 109583665 B CN109583665 B CN 109583665B CN 201811608253 A CN201811608253 A CN 201811608253A CN 109583665 B CN109583665 B CN 109583665B
Authority
CN
China
Prior art keywords
charging
unmanned aerial
node
aerial vehicle
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811608253.1A
Other languages
English (en)
Other versions
CN109583665A (zh
Inventor
薛彧
彭凯
涂方蕾
彭麟雅
桂宾
王栋云
胡国亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Fenghuo Kaizhuo Technology Co ltd
Original Assignee
Wuhan Fenghuo Kaizhuo Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Fenghuo Kaizhuo Technology Co ltd filed Critical Wuhan Fenghuo Kaizhuo Technology Co ltd
Priority to CN201811608253.1A priority Critical patent/CN109583665B/zh
Publication of CN109583665A publication Critical patent/CN109583665A/zh
Application granted granted Critical
Publication of CN109583665B publication Critical patent/CN109583665B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提出了一种无线传感器网络中的无人机充电任务调度方法，该方法根据传感器节点的耗电速率进行分类，依据聚类算法将节点划分至不同的充电任务中，通过解路径问题得到集合的充电路径，再进行无人机的调度规划，最后通过紧急算法优化得到最终的调度方案；本发明的适用范围广、充电效率高、成本低，具有良好的市场应用前景。

Description

一种无线传感器网络中的无人机充电任务调度方法
技术领域
本发明涉及无线传感器网络技术领域，尤其涉及一种无线传感器网络中的无人机充电任务调度方法。
背景技术
无线传感器网是一种以多跳方式连接，分布式部署的传感器组成的通信网络。网络中的每个传感器节点都可以独立地感知、收集和处理一定范围内被监测的信息，被广泛应用于环境监测、医疗护理、目标追踪以及军事等领域。虽然无线传感器网络应用前景广阔，但传感器耗能较高，电池容量却一直没有大的提升。同时由于传感器节点往往部署在复杂环境且涉及范围较大，若采用人力进行能量补给，成本高昂。导致目前无线传感器网络应用局限于在短期的科学研究和工业监测。
传统的能量补给方案如降低能耗和能量采集技术因为无法从根本上解决电池容量问题和易受环境、气候因素影响等缺陷无法有效解决这一问题。采用磁共振等无线充电技术，利用移动充电设备完成传感器网络充电的技术方案，由于其适用范围广，成本低，可靠性高等优势逐渐成为热门的研究方向。
通过将无线充电车辆或者其他移动充电设备引入无线传感器网络的充电问题中，可以将充电问题转换成路径规划和任务调度问题。本专利将无人机引入无线传感器网络的充电问题中，进一步扩大了此类方案的适用范围，降低充电成本。并依据无人机飞行距离有限的特点，将每次充电任务的路径规划问题转化为路径受限的车辆路径问题，提出多种算法对多架无人机进行路径规划，合理地进行无人机的调度规划，减少无人机的飞行时间，提高了充电效率。
综上所述，利用无人机搭载无线充电器的方式，按照事先设定的路线对传感器节点充电，能解决之前能量采集技术和充电方案都无法攻克的传感器网络的能量补给问题，大幅降低其原本高昂的能量成本，扩大其适用范围，从而消除其大规模商用的最后障碍。因此，本专利结合无人机，实现的一种传感器网络中的多无人机充电任务调度方案具有广阔的前景和重要的价值。
发明内容
有鉴于此，本发明提出了一种高效率的无线传感器网络中的无人机充电任务调度方法。该方法根据传感器节点的耗电速率进行分类，依据聚类算法将节点划分至不同的充电任务中，通过解车辆路径问题得到集合的充电路径，再进行无人机的调度规划，最后通过禁忌算法优化得到最终的调度方案。
本发明的技术方案是这样实现的：本发明提供了一种无线传感器网络中的无人机充电任务调度方法，其包括如下步骤：
S1、根据传感器网络中各节点的耗电速率对节点进行初步分类，根据初步分类的分类数将节点划分为不同的充电周期区间，各个区间的节点为一个初始节点集合；
S2、根据聚类算法对初始节点集合进行划分，得到多个节点子集，将节点子集分配至不同的充电任务中，使每个充电任务中充电节点个数相同或相近，每个充电任务中的节点集合为充电任务节点子集；
S3、将不同周期的充电任务节点子集的充电路径问题看作独立的路径问题，求解路径问题，得到充电任务节点子集的充电路径；
S4、得到无人机的充电路径之后，进行无人机的调度规划，得到初始解。
在以上技术方案的基础上，优选的，还包括如下步骤：
S5、重复步骤S3-S4，得到多个解，取充电时间最小的解为最优解s。
在以上技术方案的基础上，优选的，还包括如下步骤：
S6、根据步骤S5所得最优解s，采用交换集合的方式产生领域解，为禁忌搜索确定搜索范围；
S7、采用禁忌搜索算法优化步骤S5中的解，得到最终的多无人机任务调度方案。
所述搜索范围是指所能够取到的所有解的集合，禁忌搜索允许接受较差的领域解，以此获取更大的搜索范围，保证能够实现全局搜索；
所述交换集合的方式包括：保证节点的充电频率不变，将第1天时充电任务中的子集Cij与第k天的另外任意一个充电周期相同的子集交换，产生邻域解；
所述Cij表示第i个充电周期的节点集合Ci采用二分K均值聚类算法均分成的2^i个子集，所述子集记作Cij，j＝1，2，...2^i；
在以上技术方案的基础上，优选的，所述S3包括如下步骤：
S31、以经过基站的某条水平线为极轴，逆时针方向对各节点按照极角的大小进行编号，极角越小编号越小；
S32、对节点从1号开始编号，并将编号的节点按编号顺序依次加入到已包含基站的某条路径；
S33、当节点b加入该条路径，且使该条路径超出无人机单次飞行距离时停止加入该节点，重新构造一条包含基站的路径接收该节点b；
S34、在包含基站和节点b的路径中继续加入节点，从(b+1)号节点开始，顺序加入新节点；
S35、直至所有节点都被分配到某条包含基站的路径中；
S36、对得到的所有路径分别运行贪婪算法，得到初始解路径集合。
更进一步优选的，所述步骤S4中调度规划的方法包括如下步骤：
S41、对充电任务的路径按照长度由大到小进行排序，前K条路径先派遣K架无人机执行充电任务；
S42、每当有一架无人机完成充电任务返回基站时，派遣另一架更换电池后的无人机按顺序访问剩余路径；
S43、当所有路径均访问过一次后，结束本次算法执行任务。
在以上技术方案的基础上，优选的，所述步骤S6还包括：根据步骤S5所得最优解s，所述s为无人机的飞行路径集合，则该路径集合的邻域为N(s)。
在以上技术方案的基础上，优选的，所述步骤S7还包括：
S71、根据步骤S6得到最优解s的邻域N(s)，判断邻域N(s)是否满足无人机的以下约束条件，
在一次无人机充电任务中，
a、本次任务需要充电的每个节点都至少被无人机访问一次；
b、无人机到达节点完成充电后必须离开这个节点；
c、一个节点只能由一架无人机充电；
d、无人机服务路线上的节点充电需要的电量之和不能大于无人机携带充电器的总电量；
e、单次飞行路线的总距离不能大于无人机单次飞行的最大距离；
f、无人机的最大服务时间不能超过单次充电任务的服务时间限制；
若满足，进入S72，若不满足，重新生成邻域；
S72、初始化禁忌列表，删除禁忌列表中包含的邻域解；
S73、在邻域N(s)中找到路径总长度最小的解s’，若s’小于最优解s，则令s＝s’；
S74、重复S71-S73，进行n次迭代，在n次迭代所产生解的领域中筛选更优的领域解，进而找到邻域中的最优解s，所述n为预设的允许迭代次数值；
S75、返回s，得到最优解。
在以上技术方案的基础上，优选的，所述分类数按下式计算：
Figure BDA0001923402280000051
其中，m代表分类数，rmax和rmin分别表示节点的最大耗电速率和最小耗电速率，α是比1大的整数参数，[x]返回比x大的第一个整数。
在以上技术方案的基础上，优选的，所述充电周期按下式计算：
Figure BDA0001923402280000052
其中，Ti为充电周期，最小充电周期为
Figure BDA0001923402280000053
最大充电周期为
Figure BDA0001923402280000054
其中B代表节点的电池电量。
在以上技术方案的基础上，优选的，所述充电周期区间表示如下：
(Tmin，αTmin]，(αTmin，α2Tmin]，...，(αm-1Tmin，Tmax]，区间从左到右依次标记为C1，C2，...，Ci，...，Cm，区间的长度按α指数增长。
本发明的一种无线传感器网络中的无人机充电任务调度方法相对于现有技术具有以下有益效果：
(1)通过设置本方案通过将无人机引入无线传感器网络充电问题中，利用一种无线传感器网络中的多无人机充电任务调度方案，能够不受地理、气候环境的影响，全天候为大型传感器网络供能，解决了局限传感器网络的发展的供能问题；
(2)整个装置另外通过优化后的多无人机任务调度方案，能够有效地规划充电路径，使每个节点在剩余能量较低时获得供能，通过优化无人机调度方法，减少无人机飞行路程，提高充电效率；
(3)适用范围广：通过无人机无线充电可以在各种复杂的地理、气候环境下为传感器网络进行充电；
(4)充电效率高：通过初步耗电速率分类和聚类算法，能够使得每个节点被充电时剩余尽可能少的电量，提高了充电效率。同时通过多无人机充电路径规划，并行调度，有效降低了充电时间；
(5)成本低：通过成本较低的小型民用无人机无线供能的方案能够有效延长传感器网络的使用寿命，降低设备成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种无线传感器网络中的无人机充电任务调度方法的流程框图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1所示，本发明的一种无线传感器网络中的无人机充电任务调度方法，其包括如下步骤：
S1、根据传感器网络中各节点的耗电速率对节点进行初步分类，根据初步分类的分类数将节点划分为不同的充电周期区间，各个区间的节点为一个初始节点集合；
S2、根据聚类算法对初始节点集合进行划分，得到多个节点子集，将节点子集分配至不同的充电任务中，使每个充电任务中充电节点个数相同或相近，每个充电任务中的节点集合为充电任务节点子集；
S3、将不同周期的充电任务节点子集的充电路径问题看作独立的路径问题，求解路径问题，得到充电任务节点子集的充电路径；
S4、得到无人机的充电路径之后，进行无人机的调度规划，得到初始解。
具体过程还包括：
传感器节点能耗主要用于数据传输，因此把节点的传输通信量作为依据判断节点的耗电速率，将节点划分至不同的充电区间。
确定节点的分类数m：
Figure BDA0001923402280000081
其中rmax和rmin分别表示节点的最大耗电速率和最小耗电速率，α是比1大的整数参数。[x]返回比x大的第一个整数。
计算各个节点的充电周期Ti：
Figure BDA0001923402280000082
其中最小的充电周期为
Figure BDA0001923402280000083
最大充电周期为
Figure BDA0001923402280000084
B为电池容量。
根据充电周期初步划分充电节点的集合：
将所有节点的充电周期升序排列，划分为m个区间，各个区间表示如下：
(Tmin，αTmin]，(αTmin，α2Tmin]，...，(αm-1Tmin，Tmax]
子集从左到右依次标记为C1，C2，...，Ci，...，Cm。
所有的节点都被划分到m个区间内，每个区间的长度按照α的指数增长，充电周期落在同一区间内的节点，组成一个充电任务节点子集。
聚类算法采用K均值聚类算法，划分处于同一充电服务周期的节点，并将划分好的节点子集分配到不同的充电任务中，将充电任务平衡到所有充电任务节点子集中，使每个子集的充电节点个数大致相同。
在具体实施方式中，假设无人机的数量为K，每次充电任务需要访问的路径数为M，一加无人机可以返回基地更换电池后再次出动。
若充电任务需要访问的路径数小于无人机个数，即M＜K，那么只需派遣出M架无人机即可完成本次充电任务。
若充电任务需要访问的路径数大于无人机个数，即M＞K，在这种情况下需要做出合理的规划：
步骤一、对本次充电任务的路径按照路径的长度由大到小进行排序，前K条路径先派遣全部K架无人机进行充电任务；
步骤二、由于路径长度不一，因此无人机返回基地的时间不一样，每当有一架无人机返回基地时，派遣更换电池后的无人机按顺序访问剩余路径；
步骤三、所有路径都访问过一次，则算法执行结束。
在上述步骤的结束阶段，会得到在一个周期内，单位时间内每架无人机的飞行路径集合。
在具体实施方式中，还包括：
S5、重复步骤S3-S4，得到多个解，取充电时间最小的解为最优解s。
以上实施方式中，令每次充电的时间为Ti，取min(T1，T2，T3，...，Tn)组的规划路径作为初始最优解s。
在具体实施方式中，还包括：
S6、根据步骤S5所得最优解s，采用交换集合的方式产生领域解，为禁忌搜索确定搜索范围；
S7、采用禁忌搜索算法优化步骤S5中的解，得到最终的多无人机任务调度方案。
以上实施方式中，s是无人机的飞行路径集合R，集合中两个任意不同的路径设为rj＝(...，wj-1，wj，wj+1，...)和ri＝(...，vi-1，vi，vi+1，...)，路径中的元素v代表传感器节点，假设路径集合的邻域为N(s)，它包含给定邻域定义内所有可实现的解。其中对邻域的定义以集合为对象。
交换集合：保证节点的充电频率不变，将第l天时充电任务中的子集Cij与第k天的另外任意一个充电周期相同的子集交换，产生邻域解。
第i个充电周期的节点集合G采用二分K均值聚类算法均分成的2^i个子集，所述子集记作Cij，j＝1，2，...2^i；
在具体实施方式中，所述S3包括如下步骤：
S31、以经过基站的某条水平线为极轴，逆时针方向对各节点按照极角的大小进行编号，极角越小编号越小；
S32、对节点从1号开始编号，并将编号的节点按编号顺序依次加入到已包含基站的某条路径；
S33、当节点b加入该条路径，且使该条路径超出无人机单词飞行距离时停止加入该节点，重新构造一条包含基站的路径接收该节点b；
S34、在包含基站和节点b的路径中继续加入节点，从(b+1)号节点开始，顺序加入新节点；
S35、直至所有节点都被分配到某条包含基站的路径中；
S36、对得到的所有路径分别运行贪婪算法，得到初始解路径集合。
在具体实施方式中，所述步骤S4中调度规划的方法包括如下步骤：
S41、对充电任务的路径按照长度由大到小进行排序，前K条路径先派遣K架无人机执行充电任务；
S42、每当有一架无人机完成充电任务返回基站时，派遣另一架更换电池后的无人机按顺序访问剩余路径；
S43、当所有路径均访问过一次后，结束本次算法执行任务。
在具体实施方式中，所述步骤S7还包括：
S71、根据步骤S6得到最优解s的邻域N(s)，判断邻域N(s)是否满足无人机的以下约束条件，
在一次无人机充电任务中，
a、本次任务需要充电的每个节点都至少被无人机访问一次；
b、无人机到达节点完成充电后必须离开这个节点；
c、一个节点只能由一架无人机充电；
d、无人机服务路线上的节点充电需要的电量之和不能大于无人机携带充电器的总电量；
e、单次飞行路线的总距离不能大于无人机单次飞行的最大距离；
f、无人机的最大服务时间不能超过单次充电任务的服务时间限制；
若满足，进入S72，若不满足，重新生成邻域；
S72、初始化禁忌列表，删除禁忌列表中包含的邻域解；
S73、在邻域N(s)中找到路径总长度最小的解s’，若s’小于最优解s，则令s＝s’；
S74、重复S71-S73，进行n次迭代，在n次迭代所产生解的领域中筛选更优的领域解，进而找到邻域中的最优解s，所述n为预设的允许迭代次数值；
S75、返回s，得到最优解。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种无线传感器网络中的无人机充电任务调度方法，其特征在于，包括如下步骤：
S1、根据传感器网络中各节点的耗电速率对节点进行初步分类，根据初步分类的分类数将节点划分为不同的充电周期区间，各个区间的节点为一个初始节点集合；
S2、根据聚类算法对初始节点集合进行划分，得到多个节点子集，将节点子集分配至不同的充电任务中，使每个充电任务中充电节点个数相同或相近，每个充电任务中的节点集合为充电任务节点子集；
S3、将不同周期的充电任务节点子集的充电路径问题看作独立的路径问题，求解路径问题，得到充电任务节点子集的充电路径；
S4、得到充电任务节点子集的充电路径之后，进行无人机的调度规划，得到初始解；
S5、重复步骤S3-S4，得到多个解，取充电时间最小的解为最优解s；
S6、根据步骤S5所得最优解s，采用交换集合的方式产生领域解N（s），为禁忌搜索确定搜索范围，所述交换集合的方式为：保证节点的充电频率不变，将第l天的充电任务中的子集C ij 与第k天的充电任务中的子集C ij ’交换，其中C ij 和C ij ’具有相同的充电周期；
S7、采用禁忌搜索算法优化步骤S5中的解，得到最终的多无人机任务调度方案，采用禁忌搜索算法优化步骤S5中的解的方法为：
S71、根据步骤S6得到最优解s的邻域N（s），判断邻域N（s）是否同时满足无人机的以下几个约束条件：
在一次无人机充电任务中，
a.本次任务需要充电的每个节点都至少被无人机访问一次；
b.无人机到达节点完成充电后必须离开这个节点；
c.一个节点只能由一架无人机充电；
d.无人机服务路线上的节点充电需要的电量之和不能大于无人机携带充电器的总电量；
e.单次飞行路线的总距离不能大于无人机单次飞行的最大距离；
f.无人机的最大服务时间不能超过单次充电任务的服务时间限制；
若同时满足，进入S72，若不能同时满足，重新生成邻域N（s）；
S72、初始化禁忌列表，删除禁忌列表中包含的邻域解；
S73、在邻域N（s）中找到路径总长度最小的解s’，若s’小于最优解s，则令s=s’；
S74、重复S71-S73，进行n次迭代，在n次迭代所产生解的领域中筛选更优的领域解，进而找到邻域中的最优解s，所述n为预设的允许迭代次数值；
S75、返回s，得到最优解。
2.如权利要求1所述的一种无线传感器网络中的无人机充电任务调度方法，其特征在于，所述步骤S3包括如下步骤：
S31、以经过基站的某条水平线为极轴，逆时针方向对各节点按照极角的大小进行编号，极角越小编号越小；
S32、对节点从1号开始编号，并将编号的节点按编号顺序依次加入到已包含基站的某条路径；
S33、当节点b加入该条路径，且使该条路径超出无人机单次飞行距离时停止加入该节点，重新构造一条包含基站的路径接收该节点b；
S34、在包含基站和节点b的路径中继续加入节点，从（b+1）号节点开始，顺序加入新节点；
S35、直至所有节点都被分配到某条包含基站的路径中；
S36、对得到的所有路径分别运行贪婪算法，得到初始解路径集合。
3.如权利要求1所述的一种无线传感器网络中的无人机充电任务调度方法，其特征在于，所述步骤S4中调度规划的方法包括如下步骤：
S41、对充电任务的路径按照长度由大到小进行排序，前K条路径先派遣K架无人机执行充电任务；
S42、每当有一架无人机完成充电任务返回基站时，派遣另一架更换电池后的无人机按顺序访问剩余路径；
S43、当所有路径均访问过一次后，结束本次算法执行任务。
4.如权利要求1所述的一种无线传感器网络中的无人机充电任务调度方法，其特征在于，所述分类数按下式计算：
Figure DEST_PATH_IMAGE001
其中，m代表分类数，r max和r min分别表示节点的最大耗电速率和最小耗电速率，α是比1大的整数参数，[x]返回比x大的第一个整数。
5.如权利要求1所述的一种无线传感器网络中的无人机充电任务调度方法，其特征在于，所述充电周期按下式计算：
Figure 583203DEST_PATH_IMAGE002
其中，T i 为充电周期，最小充电周期为
Figure DEST_PATH_IMAGE003
，最大充电周期为
Figure 44883DEST_PATH_IMAGE004
，B为节点的电池电量。
6.如权利要求4或5所述的一种无线传感器网络中的无人机充电任务调度方法，其特征在于，所述充电周期区间表示如下：
Figure DEST_PATH_IMAGE005
，区间从左到右依次标记为
Figure 231145DEST_PATH_IMAGE006
，区间的长度按指数增长。
CN201811608253.1A 2018-12-26 2018-12-26 一种无线传感器网络中的无人机充电任务调度方法 Active CN109583665B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811608253.1A CN109583665B (zh) 2018-12-26 2018-12-26 一种无线传感器网络中的无人机充电任务调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811608253.1A CN109583665B (zh) 2018-12-26 2018-12-26 一种无线传感器网络中的无人机充电任务调度方法

Publications (2)

Publication Number Publication Date
CN109583665A CN109583665A (zh) 2019-04-05
CN109583665B true CN109583665B (zh) 2022-03-08

Family

ID=65933034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811608253.1A Active CN109583665B (zh) 2018-12-26 2018-12-26 一种无线传感器网络中的无人机充电任务调度方法

Country Status (1)

Country Link
CN (1) CN109583665B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110049500B (zh) * 2019-04-19 2022-03-22 广州大学 基于模拟退火算法的无线可充电传感网中uav能量补偿方法
CN110418434B (zh) * 2019-07-08 2022-12-06 东南大学 一种无人机辅助的无线传感器网络充电方法与装置
CN110675035B (zh) * 2019-09-06 2022-05-06 三峡大学 基于实时能耗检测的无人机激光供能集群充电调度方法
CN111047086B (zh) * 2019-09-18 2022-11-04 合肥工业大学 车辆路径规划与无人机任务分配联合优化方法和装置
CN110677892B (zh) * 2019-09-24 2022-08-30 深圳职业技术学院 一种无线传感器网络循环充电方法及系统
CN111006669B (zh) * 2019-12-12 2022-08-02 重庆邮电大学 一种无人机系统任务协同及路径规划方法
CN111752304B (zh) * 2020-06-23 2022-10-14 深圳清华大学研究院 无人机数据采集方法及相关设备
CN112578813B (zh) * 2020-12-10 2022-07-19 东南大学 一种无线传感器网络中无人机辅助充电的方法
CN112668792B (zh) * 2020-12-31 2022-09-13 广州极飞科技股份有限公司 补给规划方法、作业方法及相关装置
CN113552897B (zh) * 2021-06-30 2023-01-03 南京理工大学 基于任务优先级的空地无人系统侦察协同路径规划方法
CN113659670B (zh) * 2021-08-11 2023-07-07 南京邮电大学 一种基于区域划分的无线传感器网络充电方法
CN114217630B (zh) * 2021-11-02 2023-08-11 武汉大学 一种基于注意力机制的动态时空无人机充电方法
CN115759505B (zh) * 2023-01-10 2023-07-11 南京邮电大学 一种面向任务的多移动充电车调度方法
CN118313624A (zh) * 2024-05-09 2024-07-09 南京邮电大学 一种无人机并行合作充电调度方法、装置和充电网络

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8310359B2 (en) * 2008-06-10 2012-11-13 Fujitsu Limited Wireless sensor networks
CN103701705A (zh) * 2013-12-20 2014-04-02 河海大学常州校区 无线传感器网络中基于二叉树查询的移动sink数据采集方法
CN105896672A (zh) * 2016-05-31 2016-08-24 河海大学常州校区 一种无线充电传感器网络系统中移动机器人的充电方法
CN106162790A (zh) * 2015-03-23 2016-11-23 郑州大学 一种无线传感网中按需移动sink的多径地理路由优化方法
CN108448731A (zh) * 2018-03-07 2018-08-24 南京邮电大学 一种协作式无线传感网能量补充方法及其无线传感网
CN108696903A (zh) * 2018-05-17 2018-10-23 昆明理工大学 一种基于能耗均衡的leach算法优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8310359B2 (en) * 2008-06-10 2012-11-13 Fujitsu Limited Wireless sensor networks
CN103701705A (zh) * 2013-12-20 2014-04-02 河海大学常州校区 无线传感器网络中基于二叉树查询的移动sink数据采集方法
CN106162790A (zh) * 2015-03-23 2016-11-23 郑州大学 一种无线传感网中按需移动sink的多径地理路由优化方法
CN105896672A (zh) * 2016-05-31 2016-08-24 河海大学常州校区 一种无线充电传感器网络系统中移动机器人的充电方法
CN108448731A (zh) * 2018-03-07 2018-08-24 南京邮电大学 一种协作式无线传感网能量补充方法及其无线传感网
CN108696903A (zh) * 2018-05-17 2018-10-23 昆明理工大学 一种基于能耗均衡的leach算法优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《An energy synchronized charging protocol for rechargeable wireless sensor networks》;Liang He 等;《Proceedings of the 15th ACM international symposium on Mobile ad hoc networking and computing》;20140831;正文第3-4节，图4 *
Liang He 等.《An energy synchronized charging protocol for rechargeable wireless sensor networks》.《Proceedings of the 15th ACM international symposium on Mobile ad hoc networking and computing》.2014,第247-256页. *

Also Published As

Publication number Publication date
CN109583665A (zh) 2019-04-05

Similar Documents

Publication Publication Date Title
CN109583665B (zh) 一种无线传感器网络中的无人机充电任务调度方法
Zhou et al. When mobile crowd sensing meets UAV: Energy-efficient task assignment and route planning
Liu et al. Smart and resilient EV charging in SDN-enhanced vehicular edge computing networks
CN112016812B (zh) 多无人机任务调度方法、系统及存储介质
CN109547938B (zh) 无线传感器网络中无人机的轨迹规划方法
CN109489676A (zh) 一种计及电网信息与充电站信息的电动汽车充电导航方法
CN112784362A (zh) 一种用于无人机辅助边缘计算的混合优化方法及系统
Lowalekar et al. Zone path construction (zac) based approaches for effective real-time ridesharing
CN109213712A (zh) 用于机器类通信系统的服务提供方法、装置及电子设备
CN111757266A (zh) 基于太阳能供电型农业物联网的uav数据采集轨迹算法
CN113485409A (zh) 一种面向地理公平性的无人机路径规划分配方法及系统
CN114007231B (zh) 异构无人机数据卸载方法、装置、电子设备及存储介质
Zhang et al. Data collecting and energy charging oriented mobile path design for rechargeable wireless sensor networks
Qian et al. Optimal recharge scheduler for drone-to-sensor wireless power transfer
CN116866931A (zh) 一种城市移动边缘服务器部署方法
Zhao et al. Dronesense: Leveraging drones for sustainable urban-scale sensing of open parking spaces
Li et al. TaskPOI priority-based energy balanced multi-UAVs cooperative trajectory planning algorithm in 6G networks
Castagna et al. Demand-responsive rebalancing zone generation for reinforcement learning-based on-demand mobility
Chiu et al. Robot routing using clustering-based parallel genetic algorithm with migration
Suresh et al. Hybrid optimization enabled multi‐aggregator‐based charge scheduling of electric vehicle in internet of electric vehicles
CN109640359B (zh) 一种无线传感器网络通信负载均衡方法
CN110248330B (zh) 一种基于中继充电模型最大化充电小车休息时间调度方法
Gul et al. Energy-aware UAV-driven data collection with priority in robotic wireless sensor network
Huang et al. ACO-based path planning scheme in RWSN
CN112434857B (zh) 一种基于ga-pso优化的无人机机场网络选址布置方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant