CN110011851B - 一种指挥控制网中指挥节点最优覆盖布置方法 - Google Patents

一种指挥控制网中指挥节点最优覆盖布置方法 Download PDF

Info

Publication number
CN110011851B
CN110011851B CN201910286116.9A CN201910286116A CN110011851B CN 110011851 B CN110011851 B CN 110011851B CN 201910286116 A CN201910286116 A CN 201910286116A CN 110011851 B CN110011851 B CN 110011851B
Authority
CN
China
Prior art keywords
node
command
nodes
betweenness
index
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
CN201910286116.9A
Other languages
English (en)
Other versions
CN110011851A (zh
Inventor
李永刚
杨兆锋
张治中
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201910286116.9A priority Critical patent/CN110011851B/zh
Publication of CN110011851A publication Critical patent/CN110011851A/zh
Application granted granted Critical
Publication of CN110011851B publication Critical patent/CN110011851B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H04L41/083—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for increasing network speed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/123—Evaluation of link metrics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/124—Shortest path evaluation using a combination of metrics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/02—Topology update or discovery

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及一种指挥控制网中指挥节点最优覆盖布置方法，所述方法包括以下步骤：对第一类指标进行模糊分析，计算各节点的归一化评价值τ，所述第一类指标包括信息获取能力、决策能力和地理环境；使用熵权法综合分析第二类指标，计算其中各指标的权值ωj以及各节点分值Si，所述第二类指标包括通信距离、信息传输效率、指挥节点影响力和节点介数,所述节点分值计算公式为
Figure DDA0002023325060000011
自定义设置局部调节的启动阈值；比较判断各节点介数与启动阈值的大小关系，当节点介数不小于启动阈值时则进行局部调节并进行局部最优化计算，否则进行全局最优化计算。

Description

一种指挥控制网中指挥节点最优覆盖布置方法
技术领域
本发明涉及一种指挥控制网中指挥节点最优覆盖布置方法，属于指挥控制作战网络技术领域。
背景技术
指挥控制网络是各种分散的传感器、指挥控制中心和火力系统等作战单元统一的信息网络体系，网络中的各个节点能够共享作战资源、协同作战指挥。现代战争中，特别是在信息化、网络化的战场环境下，作为军事信息载体的通信网络可以将分散在空间、空中、海上和陆地的各类侦察监视系统、情报处理系统、指控系统、火打系统连成一体，实现战场各要素之间的不间断通信。面对未来不确定的国际战场环境，现代战争对信息的载体——军事作战网络的要求越来越高，军事通信网络效能评估是判断它能否满足作战需求或者满足作战需求程度的一项有效途径。
军事通信网络效能是指在作战环境中，通信网络能够在正确时间，将正确信息送到正确地点的正确人员手中的能力。由于军事通信网络节点的异质性、链路的多重性、演化的时变性和数据的复杂性以及军事通信网络效能评估方法的非一致性等特点，使得面对信息化条件下的不确定战场需求时，仅基于现有评估数据进行聚合难以准确判断通信备选方案的最优性，造成了方案优选决策判断的不确定性。
大面积网络只靠一个指挥节点显然不够，在设置指挥节点时，选择合适的网络位置及个数，将影响网络的作战能力；同时，实际网络还有个重要的特性：增长特性，指其网络所包含的节点数目并不是固定不变的，而是随着时间动态增长，即可能会有新的火力节点或侦察节点加入，而在这些问题上，现有研究鲜有解决方案；并且由于真实作战网络中的节点度呈幂律分布，节点分布不均，要在大范围内实现指挥节点最优覆盖不大现实。
发明内容
本发明提供一种指挥控制网中指挥节点最优覆盖布置方法，本发明提出了局部最优，进而达到全局最优的方法，引入节点介数并将节点介数作为局部调节的启动阈值，根据启动阈值启停局部调节，某节点的介数越大，则代表此节点附近的网络密集度越大。通过实现指挥节点的最优覆盖，用最少的资源，达到最大的网络效能，不仅节约战斗资源和算法运算量，还能适应实际网络的增长特性。
本发明的技术方案第一方面为一种指挥控制网中指挥节点最优覆盖布置方法，所述方法包括以下步骤：
对第一类指标进行模糊分析，计算各节点的归一化评价值τ，所述第一类指标包括信息获取能力、决策能力和地理环境；
使用熵权法综合分析第二类指标，计算其中各指标的权值ωj以及各节点分值Si，所述第二类指标包括通信距离、信息传输效率、指挥节点影响力和节点介数,所述节点分值计算公式为
Figure BDA0002023325040000021
(Xj为各指标的数值)；
自定义设置局部调节的启动阈值；
比较判断各节点介数与启动阈值的大小关系，当节点介数不小于启动阈值时则进行局部调节并进行局部最优化计算，否则进行全局最优化计算。
进一步，所述局部最优化计算具体包括：
将节点介数不小于启动阈值的节点进行排序，对这些节点建立并计算约束条件。
进一步，所述约束条件所使用的指标包括通信距离、指挥节点影响力和节点介数。
进一步，第一类指标中各指标的定义如下：
信息获取能力：由探测范围f1、探测精度f2、探测频率f3来评估，并用模糊数度量；
决策能力：决策水平f4，由模糊数评估；
节点地理环境：机动性f5，地形攻防能力f6，植被覆盖量f7，交通运输力f8，气候适宜度f9。
进一步，第二类指标中各指标的定义如下：
通信距离：用平均路径长度D度量，其中，
Figure BDA0002023325040000031
(N为网络总节点数，Lij为任意节点i，与指挥节点j之间的径长)；
信息传输效率：由侦察节点Li到指挥节点Cj再到作战节点的最短径Bij作为传输效率ω；
指挥节点影响力：由NCi度量，作为局部最优化算法的约束条件，
Figure BDA0002023325040000032
其中，x是节点到其他指挥节点(启动局部调节后的)之间独立路径的数目，J(t)是这些路径的跳数；同时，将最大与最小影响力之差，作为约束条件出现在局部调节中，做到影响力均衡；
节点介数Gi：用以反映指挥节点在(局部)网络的影响力，其中，
Figure BDA0002023325040000041
其中，Pm，n为节点m，n之间的最短路径数，gm，n为Pm，n中经过节点i的最短路径数。
本发明的技术方案第二方面为一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面的方法。
本发明的技术方案第三方面为一种计算机可读存储介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面的方法。
本发明的有益效果为：
全局最优在大规模网络中难以实现，由于网络的指挥影响力分配存在不均匀的情况，通过将节点介数作为启动局部调节的启动阈值，超过时，启动局部最优化，否则进行全局最优化计算，进而得到指挥节点最优覆盖。
使用节点到所有指挥节点的跳数倒数之和度量指挥节点的影响力，并通过限制最大指挥节点影响力与最小指挥节点影响力的差值到足够小，就能做到指挥节点的影响力均衡。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1所示为根据本发明的实施例的方法流程图；
图2所示为根据本发明的实施例的一种网络模型示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
根据本发明技术方案，定义第一类指标和第二类指标，其中第一类指标包括信息获取能力、决策能力和地理环境，第二类指标包括通信距离、信息传输效率、指挥节点影响力和节点介数；各指标具体定义如下：
信息获取能力：由探测范围f1、探测精度f2、探测频率f3来评估，并用模糊数度量。
决策能力：决策水平f4，由模糊数评估。
节点地理环境：机动性f5，地形攻防能力f6，植被覆盖量f7，交通运输力f8，气候适宜度f9。
通信距离：用平均路径长度D度量，其中，
Figure BDA0002023325040000051
(N为网络总节点数，lij为任意节点i，与指挥节点j之间的径长)。
信息传输效率：由侦察节点Li到指挥节点Cj再到作战节点的最短径Bij作为传输效率ω。
指挥节点影响力：由NCi度量，作为局部最优化算法的约束条件，
Figure BDA0002023325040000052
其中，x是节点到其他指挥节点(启动局部调节后的)之间独立路径的数目，J(t)是这些路径的跳数；同时，将最大与最小影响力之差，作为约束条件出现在局部调节中，做到影响力均衡。
节点介数Gi：用以反映指挥节点在(局部)网络的影响力，其中，
Figure BDA0002023325040000061
其中，Pm，n为节点m，n之间的最短路径数，gm，n为Pm，n中经过节点i的最短路径数。
参考图1，本发明的指挥控制网中指挥节点最优覆盖布置方法，包括如下步骤：
Step1：对第一类指标的各项指标使用模糊分析法，最终得到各节点归一化评价值τ；
Step2：使用熵权法综合第二类指标的各项指标，可得各指标的权值Wj及各节点的综合分值
Figure BDA0002023325040000062
(Xj为各指标数值)，并将各节点分值排序，可得综合分值排序(S1，S2，......Si)，i为不同的节点，设目标方程：
Figure BDA0002023325040000063
Step3：全局最优在大规模网络中难以实现，由于网络的指挥影响力分配存在不均匀的情况，可将节点介数Gi＝ρ作为启动局部调节的阈值；将序列(S1，S2，......Si)中的节点根据节点介数Gi进行排序，Gi≥ρ的节点进行局部调节，进而得到指挥节点最优覆盖。
Step4：对Step3选出的Gi≥ρ的节点序列根据目标方程maxf(S1，S2，......Si)进行局部最优化计算，每个Si代表一个指挥节点，根据这些指挥节点的三项指标(包括通信距离、指挥节点影响力和节点介数)，建立约束条件如下：
Figure BDA0002023325040000071
为了更直观表现局部最优方法，以简化的无标度网络模型作为对象(参考图2所示的较高密集度的局部网络)，说明实现过程。
1)由上述步骤Step1和Step2可求得如图2中黑色节点V1～V6为综合分值Si较高的6个备选指挥节点。
2)根据图2的网络，由步骤Step3的阈值ρ，可划分为V1～V3所在的局部网络E1，V5～V6所在的局部网络E2，再分别进行最优化计算。
E1的目标方程：maxf(S1，S2，S3)，Si＝(X1，X2，X3，X4)，i＝1，2，3；E2的目标方程：maxf(S5，S6)，Si＝(X1，X2，X3，X4)，i＝5，6；下面求约束条件。
3)约束条件中使用到三项指标，X1为最小通信距离，X2为最大通信距离，X3为最大与最小影响力之差(用于实现影响力均衡)，X4为节点介数。根据约束条件的定义，
Figure BDA0002023325040000072
其中，δ和ε的可根据实际情况而定，在图2所示的网络中，设ε为六个节点中X4的平均值；
使用节点到所有指挥节点的跳数倒数之和NCi度量指挥节点的影响力，并通过限制NCmax-NCmin的值到足够小，就能做到指挥节点的影响力均衡。
4)最后根据计算得到的指挥节点局部最优分布：E1选择指挥节点V1，E2选择指挥节点V5，以此达到网络效能最大化。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (5)

1.一种指挥控制网中指挥节点最优覆盖布置方法，其特征在于，所述方法包括以下步骤：
对第一类指标进行模糊分析，计算各节点的归一化评价值τ，所述第一类指标包括信息获取能力、决策能力和地理环境；
使用熵权法综合分析第二类指标，计算其中各指标的权值ωj以及各节点分值Si，所述第二类指标包括通信距离、信息传输效率、指挥节点影响力和节点介数,所述节点分值计算公式为
Figure FDA0003491977860000011
(Xj为各指标的数值)；
自定义设置局部调节的启动阈值；
比较判断各节点介数与启动阈值的大小关系，当节点介数不小于启动阈值时则进行局部调节并进行局部最优化计算，否则进行全局最优化计算，最优化目标为网络效能；通过这种最优化计算，为网络选出最优的指挥节点位置及个数，实现指挥节点最优覆盖，用最少的资源，达到最大的网络效能；
所述局部最优化计算具体包括：
将节点介数不小于启动阈值的节点进行排序，对这些节点建立并计算约束条件；
所述约束条件所使用的指标包括通信距离、指挥节点影响力和节点介数；
建立约束条件：不超过最大通信距离和低于最小通信距离；其指挥节点影响力最大值与最小值之差为足够小的值；节点介数不小于介数阈值。
2.根据权利要求1所述的指挥控制网中指挥节点最优覆盖布置方法，其特征在于，第一类指标中各指标的定义如下：
信息获取能力：由探测范围f1、探测精度f2、探测频率f3来评估，并用模糊数度量；
决策能力：决策水平f4，由模糊数评估；
节点地理环境：机动性f5，地形攻防能力f6，植被覆盖量f7，交通运输力f8，气候适宜度f9。
3.根据权利要求1所述的指挥控制网中指挥节点最优覆盖布置方法，其特征在于，第二类指标中各指标的定义如下：
通信距离：用平均路径长度D度量，其中，
Figure FDA0003491977860000021
(N为网络总节点数，lij为任意节点i，与指挥节点j之间的径长)；
信息传输效率：由侦察节点Li到指挥节点Cj再到作战节点的最短径Bij作为传输效率ω；
指挥节点影响力：由NCi度量，作为局部最优化算法的约束条件，
Figure FDA0003491977860000031
其中，x是节点到其他指挥节点(启动局部调节后的)之间独立路径的数目，J(t)是这些路径的跳数；同时，将最大与最小影响力之差，作为约束条件出现在局部调节中，做到影响力均衡；
节点介数Gi：用以反映指挥节点在(局部)网络的影响力，其中，
Figure FDA0003491977860000032
其中，Pm,n为节点m，n之间的最短路径数，gm,n为Pm,n中经过节点i的最短路径数。
4.一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1-3任一项所述的方法。
5.一种计算机可读存储介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的方法。
CN201910286116.9A 2019-04-10 2019-04-10 一种指挥控制网中指挥节点最优覆盖布置方法 Active CN110011851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910286116.9A CN110011851B (zh) 2019-04-10 2019-04-10 一种指挥控制网中指挥节点最优覆盖布置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910286116.9A CN110011851B (zh) 2019-04-10 2019-04-10 一种指挥控制网中指挥节点最优覆盖布置方法

Publications (2)

Publication Number Publication Date
CN110011851A CN110011851A (zh) 2019-07-12
CN110011851B true CN110011851B (zh) 2022-05-13

Family

ID=67170907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910286116.9A Active CN110011851B (zh) 2019-04-10 2019-04-10 一种指挥控制网中指挥节点最优覆盖布置方法

Country Status (1)

Country Link
CN (1) CN110011851B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110059948B (zh) * 2019-04-10 2023-01-06 重庆邮电大学 一种ooda环的分层网络分析方法
CN113536699B (zh) * 2021-09-16 2021-12-03 中国人民解放军国防科技大学 基于图论算法的作战环推荐方法、系统、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102868161A (zh) * 2012-10-23 2013-01-09 四川大学 一种含分布式电源配电系统网络变结构优化方法
CN105389629A (zh) * 2015-11-10 2016-03-09 国网四川省电力公司经济技术研究院 一种结合电网结构脆弱性的电网规划方法
CN107707412A (zh) * 2017-11-08 2018-02-16 大连大学 基于多属性加权的指挥控制网络建模方法
CN108319779A (zh) * 2018-02-01 2018-07-24 大连大学 基于m阶邻接矩阵的指挥控制网络级联失效模型建立方法
CN109379220A (zh) * 2018-10-10 2019-02-22 太原理工大学 基于组合优化的复杂网络关键节点簇挖掘的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10425299B2 (en) * 2015-06-04 2019-09-24 International Business Machines Corporation Quantifying and designing optimal connecting networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102868161A (zh) * 2012-10-23 2013-01-09 四川大学 一种含分布式电源配电系统网络变结构优化方法
CN105389629A (zh) * 2015-11-10 2016-03-09 国网四川省电力公司经济技术研究院 一种结合电网结构脆弱性的电网规划方法
CN107707412A (zh) * 2017-11-08 2018-02-16 大连大学 基于多属性加权的指挥控制网络建模方法
CN108319779A (zh) * 2018-02-01 2018-07-24 大连大学 基于m阶邻接矩阵的指挥控制网络级联失效模型建立方法
CN109379220A (zh) * 2018-10-10 2019-02-22 太原理工大学 基于组合优化的复杂网络关键节点簇挖掘的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multi-objective operation optimization of distribution network with DPVG high permeability;LI Jianwen等;《IEEE》;20181220;全文 *
基于DPSIR模型的城市配电网规划评价研究;李娜等;《电力学报》;20160430;全文 *

Also Published As

Publication number Publication date
CN110011851A (zh) 2019-07-12

Similar Documents

Publication Publication Date Title
Arafat et al. Bio-inspired approaches for energy-efficient localization and clustering in UAV networks for monitoring wildfires in remote areas
CN107145161B (zh) 无人机访问多目标点的航迹规划方法及装置
CN110011851B (zh) 一种指挥控制网中指挥节点最优覆盖布置方法
CN112801540B (zh) 基于无人集群的智能协同架构设计方法
CN114510072B (zh) 基于进化迁移优化的多无人机路径规划方法、终端及介质
Liao et al. Energy and age Pareto optimal trajectories in UAV-assisted wireless data collection
CN113438620B (zh) 一种无人机集群中心节点最优选择方法
Sharma Evolution of unmanned aerial vehicles (UAVs) with machine learning
Masadeh et al. Reinforcement learning-based security/safety uav system for intrusion detection under dynamic and uncertain target movement
CN116187207B (zh) 一种陆战装备体系仿真评估方法、装置以及存储介质
CN110645988A (zh) 一种基于最优寿命的无人机路径规划方法
CN112272074B (zh) 一种基于神经网络的信息传输速率控制方法及系统
CN114995503B (zh) 一种无人机巡检路径优化方法
CN113406974A (zh) 一种面向无人机集群联邦学习的学习与资源联合优化方法
Gao et al. Multi-UAV task allocation based on improved algorithm of multi-objective particle swarm optimization
CN117806838B (zh) 基于异构数据的设备分簇方法、装置、设备、系统及介质
Feng et al. UAV-based persistent full area coverage with dynamic priorities
KR101565694B1 (ko) 무선 센서 네트워크에서 인공벌군집 클러스터링 설계 방법 및 시스템
Wu et al. Mobility-aware deep reinforcement learning with seq2seq mobility prediction for offloading and allocation in edge computing
CN117369485A (zh) 无人机路径协同规划方法、装置、电子设备及存储介质
Gaowei et al. Using multi-layer coding genetic algorithm to solve time-critical task assignment of heterogeneous UAV teaming
CN115545106A (zh) 一种多无人机中的AoI敏感的数据收集方法及系统
CN113110595B (zh) 面向目标核查印证的异构无人机群协同方法
CN109583488A (zh) 分布式k均值数据聚类方法
Li et al. Improved genetic algorithm for multi-agent task allocation with time windows

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