CN110049500B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110049500B CN110049500B CN201910317243.0A CN201910317243A CN110049500B CN 110049500 B CN110049500 B CN 110049500B CN 201910317243 A CN201910317243 A CN 201910317243A CN 110049500 B CN110049500 B CN 110049500B
- Authority
- CN
- China
- Prior art keywords
- uav
- sensor network
- point
- energy
- wireless sensor
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明为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,将UAV作为移动通信中继与无线能量传输方,将大规模无线传感网分为多个小区域,每个小区域进行能量传输与信息收集的最优位置点记为路径中的UAV锚点,作为UAV在路径中小区域的最优驻点;根据传感网节点能耗和UAV能量补偿策略,结合差分进化优化算法确定路径中的UAV锚点。本发明根据无限传感网密集程度特点将大规模无线传感网进行划分,以划分的无线传感网圆形单元小区域为具体研究对象,优化设计UAV在各个划分的无线传感网小区域上运行的最优最短时间的能量补偿路径及算法。
Description
技术领域
本发明涉及移动UAV对大规模可充电无线传感网的无线能量传输技术,特别涉及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。
背景技术
微机电系统(Micro-Electro-Mechanism System,MEMS)、片上系统(SOC,Systemon Chip)、无线通信和低功耗嵌入式技术的飞速发展,孕育出无线传感器网络(WirelessSensor Networks,WSN),并以其低功耗、低成本、分布式和自组织的特点带来了信息感知的一场变革。无线传感器网络(简称无线传感网)就是由部署在监测区域内大量的廉价微型传感器节点组成的,通过无线通信方式形成的一个多跳自组织网络。
无线传感器网络是一种由多个无线传感器节点组成的分布式无线传感器网络。由于其基本组成为可感知、收集外部环境数据的无线传感器,所以被监测与检测对象的相关数据可以被无线传感网末梢——无线传感器收集,并通过无线通信的方式形成一个独特的多跳自组织网络。随着嵌入式微机系统、无线通信技术以及传感器技术的日益发展和逐渐成熟,无线传感器网络使得人们与现实世界各种情况进行非接触式交互的能力不断增强,无线传感器网络正逐渐成为一种可与互联网媲美的新兴联网应用模式。
自无线传感器网络技术诞生以来,如何延长无线传感器网络的生命周期与保证无线传感器网络稳定一直是国内外学者亟待解决的重要问题。由于无线传感器网络节点一般由电池供电,其携带的能量十分有限,那么如何才能让无线传感器网络在有限能量下进行数据收集、融合以及传递时仍能保持较长的网络运行生命周期,以及让无线传感器网络尽可能地稳定运行。从无线传感器网络结构及运作方式来看,无线传感器网络中的能耗分为传感器计算能耗、传感器通信能耗、传感器数据采集能耗等;其中传感器通信能耗最为重要,而在无线传感器网络中成簇这一方式对无线传感器网络通信能耗的影响十分大。因此,在无线传感器网络区域中选择最优的成簇原则是延长无线传感器网络生命周期的重要策略。
随着新兴无人机技术的发展,对无人机路径规划策略及设计引起了国内外学者的广泛关注。利用无人机路径规划策略与无线能量传输技术相结合来延长无线传感器网络的生命周期也成为了当今一研究热点。
发明内容
为了解决现有技术所存在的问题,本发明提出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,采用无人机对大规模无线传感网进行能量补偿,无人机在进行能量传输且数据收集任务时以各区域中最优信息收集与能量传输位置,作为UAV的理论最优锚点,以便进行最优的信息收集与能量传输任务。
本发明采用如下技术方案来实现: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,其特征在于,将UAV作为移动通信中继与无线能量传输方,将大规模无线传感网分为多个小区域,每个小区域进行能量传输与信息收集的最优位置点记为路径中的UAV锚点,作为UAV在路径中小区域的最优驻点;根据传感网节点能耗和UAV能量补偿策略,结合差分进化优化算法确定路径中的UAV锚点。
可见,本发明根据无限传感网密集程度特点将大规模无线传感网进行划分,以划分的无线传感网圆形单元小区域为具体研究对象,优化设计UAV在各个划分的无线传感网小区域上运行的最优最短时间的能量补偿路径及算法。与现有技术相比,本发明取得了如下技术效果:
1、采用无人机对大规模无线传感网进行能量补偿,无人机在进行能量传输且数据收集任务时以各区域中最优信息收集与能量传输位置,作为UAV的理论最优锚点,以便进行最优的信息收集与能量传输任务。
2、利用一个UAV飞至每个传感网区域驻点上对小区域内的传感器节点的电池充电,由于小区域内的所有传感器节点距最优驻点的距离都在充电范围D之内,因此UAV只需访问小区域的最优驻点就可以完成小区域内传感器节点的充电。
附图说明
图1是大规模无线传感网中存在多个圆形传感网小区域的示意图;
图2为UAV的飞行路径图;
图3是UAV返回原服务站充电的示意图;
图4是本发明算法的流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
对于实际应用中的大规模无线传感网来说,一种高效的无人机能量补偿策略显得十分的必要。如图1所示,根据实际应用中的大规模无线传感网,由于无人机进行能量传输及通信的范围有限,本发明将大规模无线传感网分为无数块小区域,小区域中存在理论上UAV进行能量传输的最优位置,其中最优传输位置的确定是由传感网节点能耗和UAV能量补偿策略,结合差分进化优化算法确定的。在实际应用的大规模无线传感网中,存在很多不同区域中的最优UAV能量传输位置。为了更好地满足实际应用的要求,本发明拟仿真的场景关键在于:1、在场景上加大了无线传感网的规模;2、将无人机(UAV)同时作为移动通信中继与无线能量传输方;3、将大规模区域划分为多个小区域,其中每个小区域进行能量传输与信息收集的最优位置点记为路径中的UAV锚点,即UAV在路径中小区域的最优驻点。
图1表示大范围中存在多个圆形传感网小区域,小区域中设有可分簇的小范围传感网节点区域,其中簇头用小圆圈圈出;小区域中方形为优化算法找出的路径中的UAV锚点。每个传感器节点都有一个容量为Emax的电池,并且最初完全充电。同时,将Emin表示为电池的最低能量水平。UAV将基于这些UAV锚点对大范围传感网的UAV能量补偿运行策略进行优化。设每个传感器节点i收集数据,节点的数据传输速率为Ri(b/s),i∈N。
在实际大规模无线传感网应用中,由于无人机进行能量传输及通信的范围有限,以及由于在实际应用中无线传感网规模过大导致UAV在一定时间内无法进行有效的能量补充。在通信基站固定的情况下,各个无线传感网节点需要将各个采集的数据信息传递至簇头,再通过簇头转发至通信基站,通信基站旁边传输的数据流量比较大,所以旁边的无线传感器对此有着巨大的能耗负担。因此,本发明采用无人机作为能量传输的移动通信基站,以对大规模无线传感网进行能量补偿。无人机在进行能量传输且数据收集任务时,以各区域中最优信息收集与能量传输位置,作为UAV的理论最优锚点,以便进行最优的信息收集与能量传输任务。
本发明利用一个UAV飞至每个传感网区域驻点上对小区域内的传感器节点的电池充电。UAV从暂停点或起点(S)开始,以Vm/s的速度飞到大范围区域中的各个小区域中的驻点,为传感器节点充电。UAV可以同时对多个节点充电,只要它们在其充电范围D内。选择充电范围D,当UAV在此范围内时,使得传感器节点的接收功率至少超过功率阈值δ。传感器节点i上的接收功率Ui是一个与距离相关的参数,并随着自身与UAV之间的距离而减小。当传感器节点与UAV的距离大于充电范围D时,假设传感器节点电池的功率接收率太低,无法使磁谐振耦合正常工作。要给小区域内传感器节点充电,UAV只需访问小区域的最优驻点,因为小区域内的所有传感器节点距最优驻点的距离都在充电范围D之内。
在上述模型的基础上,本发明采用圆形单元划分大规模无线传感网的二维平面。因为圆形单元内的所有传感器节点距单元中心的距离都在充电范围D之内。为了便于处理,假设UAV每次只访问一个单元的驻点(如图1所示的正方形点)。在单元结构下,Di表示从节点i到其单元驻点的距离。节点i的接收功率为Ui=μ(Di)·UFull,其中UFull是UAV对单个传感器节点的最大输出功率,μ(Di)是能量传输效率,且μ(Di)是Di在0<Di<1的递减函数。
无人机UAV选取几个小区域中的最优驻点作为UAV锚点,将上一步暂停点作为起始点,以此规划UAV的飞行路径,如图2所示。无人机在飞行路径上进行能量补偿操作时,其他无线传感网小区域的节点仍在进行工作而耗能。只有当UAV到达需进行能量补偿的无线传感网小区域驻点(如图1所示的正方形点)时,该无线传感网小区域所有节点停止工作,UAV准备进行能量补偿。如果无线传感网小区域的休眠率在UAV运行时超过了“瘫痪”阈值Pk,那么该无线传感网小区域将处于“瘫痪”状态,这将大大地降低大规模无线传感网的性能。为了避免过多的无线传感网小区域处于“瘫痪”状态,UAV根据优化的运行策略先后通过多轮能量补偿,选择相应圆形单元传感网区域进行能量补偿。
假设无人机对大规模无线传感网进行N次飞行路径的能量补偿之后,UAV刚好能将大规模无线传感网小区域遍历完,且在飞行路径上对一个无线传感网小区域UAV只遍历一次。记N次飞行路径所花时间为无线传感网的能量补偿周期τtotal,即:
τtotal=tcycle_1+tcycle_2+…+tcycle_n+…+tcycle_N (1)
以Q表示大规模无线传感网区域集合,将大规模无线传感网划分为一些无线传感网小区域(用标号对各个区域进行编号),可以用集合表示为:Q={k|k=1,2,......,q,......,|Q|},其中Nk表示第k个小区域中的传感器节点集,那么所有节点集合表示为Nu=Uk∈QNk。
那么用cycle_n={Cn|Cn∈Q}表示第n次飞行路径中UAV遍历的区域集合,且满足:
即cycle_n是Q的子集,UAV第n次飞行路径中区域集合cycle_n的元素可以是大规模传感网区域集合Q中的元素,符合UAV根据休眠率状况和UAV自身运行状况对传感网小区域进行选择性遍历飞行,来进行能量补偿。
如上所述,一些无线传感网小区域组成飞行路径的传感网区域集合,且飞行路径的无线传感网区域不包括Q中所有区域元素,即UAV在一轮飞行中无法遍历完Q集合中所有区域元素,如图2所示。
为了无线传感网得到能量补偿,使其能够持续下去,那么在大规模无线传感网能量补偿的第一个周期τtotal中,需要满足:
Efly<EUAV (5)
经UAV环形飞行策略的能量补偿之后,小区域的休眠率将降低到“瘫痪”状态之下。UAV飞行耗能应低于UAV携带的能量,以便对节点进行能量补偿完之后,暂停休息,继续下一步飞行。
不管UAV在某一次飞行路径中是否遍历到无线传感网小区域,其休眠率在大规模无线传感网能量补偿的第一个周期τtotal中都不能过大,而超过Pdead,导致无线传感网一些小区域处于“瘫痪”状态,而影响大规模无线传感网的性能。只有在大规模无线传感网所有小区域的休眠率在第一个周期τtotal满足如上要求,大规模无线传感网才能运行下去。
由以上可知,在大规模无线传感网中各个小区域的能耗与休眠率随时间变化模型确定的情况下,为了使得大规模无线传感网能够长久而稳定地运行,那么UAV如何选择飞行路径及其次序就显得十分重要。
在飞行路径中Cycle_n中,UAV在时间内进行能量传输后,WCV离开当前圆形单元并移动到其路径上的下一个圆形单元。假设UAV在一个运行周期内,一个圆形单元只能被访问一次。PCycle_n=(π0,π1,π2,π3,...,πk,...)表示从暂停点起止,UAV在循环遍历期间飞行的物理路径,其中UAV在路径P中遍历的第k个圆形单元用πk表示,1≤k≤|Q|。表示路径PCycle_n的物理距离,表示UAV飞行距离所花费的时间。
在UAV访问完飞行路径中的所有圆形单元后,它将在下一次访问前在暂停点进行服务(例如更换电池、维护服务、休假)。这个休息期间称为假期时间,表示为在这个假期时间之后,UAV将进行它的下一次Cycle_n+1。τCycle_n作为UAV在每次飞行路径Cycle_n上花费的时间,可以用如下公式表达:其中表示UAV在路径Cycle_n中各个圆形单元区域进行能量传输的总时间。本发明假定UAV有足够的能量,在UAV暂停飞行之前,为计划中飞行路径中的所有传感器区域节点充电。
本发明的关键是在可以选择进行能量补偿的多个圆形单元区域中,如何为UAV规划出时间代价小,且符合传感网具有最佳运行性能要求的一条路径。本发明提出的是一种结合模拟退火算法的UAV能量补偿运行算法。现代的模拟退火算法起源于20世纪80年代,其思想源于固体的退火过程,即将物体加热至足够高的温度,再慢慢降下来。升温时,固体内部粒子随温度的升高呈无序状态,内能缓慢增加,而缓慢冷却时粒子又趋于有序。如图4所示,该算法的流程具体包括以下步骤:
步骤3:对Xi进行扰动得到新解Xj。
新解的产生有2种方法:二变换法(任选序号u,v(u<v<n),交换两者之间访问顺序)与三变换法(任选序号u,v,w(u<v<n),将u与v之间的路径插到w之后访问)。这2种方法可以单独使用,也可以交替使用。
步骤4:求解变换前后的目标函数差Δf=f(Xj)-f(Xi)。
步骤5:以新解与当前解的目标函数差定义接受概率如下式:
步骤6:在温度Ti下,重复Lk次扰动与接受过程,即重复Lk次步骤3与步骤4。
步骤7:判断温度是否到达Tf,若否,则跳转到步骤2继续执行;若已到达,则计算结束。
UAV对传感网区域进行能量补偿间歇性能量补偿方式,UAV在每个τvac时间段进行电池更换和休息,如图2;还有如图3所示的UAV能量补偿方式,UAV返回服务站给自己充满电。不管UAV充电方式如何,对于传感网来说,各个单元区域内各自的休眠率不能过大以致影响传感网整体性能。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.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,其特征在于,将UAV作为移动通信中继与无线能量传输方,将大规模无线传感网分为多个小区域,每个小区域进行能量传输与信息收集的最优位置点记为路径中的UAV锚点,作为UAV在路径中小区域的最优驻点;根据传感网节点能耗和UAV能量补偿策略,结合差分进化优化算法确定路径中的UAV锚点;
能量补偿周期τtotal为:
所述UAV能量补偿方法包括以下步骤:
步骤2:温度T下移至下一个温度值,生成解Xi;新的温度值由衰减函数求得,定义衰减函数为:
步骤3:对Xi进行扰动得到新解Xj;
步骤4:求解变换前后的目标函数差Δf=f(Xj)-f(Xi);
步骤5:以新解与当前解的目标函数差定义接受概率如下式:
步骤6:在温度Ti下,重复Lk次扰动与接受过程,即重复Lk次步骤3与步骤4;
步骤7:判断温度是否到达Tf,若否,则跳转到步骤2继续执行;若已到达,则计算结束。
2.根据权利要求1所述的方法,其特征在于,UAV飞至每个传感网区域驻点上对小区域内的传感器节点的电池充电;小区域内的所有传感器节点距最优驻点的距离都在充电范围D之内,UAV访问小区域的最优驻点,给小区域内传感器节点充电。
3.根据权利要求1所述的方法,其特征在于,UAV选取几个小区域中的最优驻点作为UAV锚点,将上一步暂停点作为起始点,以此规划UAV的飞行路径;UAV对大规模无线传感网进行N次飞行路径的能量补偿之后,UAV刚好将大规模无线传感网小区域遍历完,且在飞行路径上对一个无线传感网小区域UAV只遍历一次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910317243.0A CN110049500B (zh) | 2019-04-19 | 2019-04-19 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910317243.0A CN110049500B (zh) | 2019-04-19 | 2019-04-19 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110049500A CN110049500A (zh) | 2019-07-23 |
CN110049500B true CN110049500B (zh) | 2022-03-22 |
Family
ID=67277975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910317243.0A Active CN110049500B (zh) | 2019-04-19 | 2019-04-19 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110049500B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112383893B (zh) * | 2020-10-19 | 2024-04-02 | 广州大学 | 一种基于分时的可充式传感网络无线功率传输方法 |
CN112954584B (zh) * | 2021-01-28 | 2022-12-02 | 西安电子科技大学 | 基于量子退火算法的无人机通信网络路由规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108307444A (zh) * | 2018-01-19 | 2018-07-20 | 扬州大学 | 基于优化粒子群算法的无线传感网无人机系统通信方法 |
CN109495945A (zh) * | 2018-12-18 | 2019-03-19 | 河海大学常州校区 | 一种WSNs中基于聚类分簇的协同充电方法 |
CN109583665A (zh) * | 2018-12-26 | 2019-04-05 | 武汉烽火凯卓科技有限公司 | 一种无线传感器网络中的无人机充电任务调度方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11322969B2 (en) * | 2014-08-15 | 2022-05-03 | Analog Devices International Unlimited Company | Wireless charging platform using beamforming for wireless sensor network |
US10721683B2 (en) * | 2017-08-18 | 2020-07-21 | Blackberry Limited | Method and system for battery life improvement for low power devices in wireless sensor networks |
-
2019
- 2019-04-19 CN CN201910317243.0A patent/CN110049500B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108307444A (zh) * | 2018-01-19 | 2018-07-20 | 扬州大学 | 基于优化粒子群算法的无线传感网无人机系统通信方法 |
CN109495945A (zh) * | 2018-12-18 | 2019-03-19 | 河海大学常州校区 | 一种WSNs中基于聚类分簇的协同充电方法 |
CN109583665A (zh) * | 2018-12-26 | 2019-04-05 | 武汉烽火凯卓科技有限公司 | 一种无线传感器网络中的无人机充电任务调度方法 |
Non-Patent Citations (2)
Title |
---|
"UAV-Assisted Cluster Head Election for a UAV-Based Wireless Sensor Network";Gicheol Wang et al.;《2018 IEEE 6th International Conference on Future Internet of Things and Cloud (FiCloud)》;20180808;全文 * |
"UAV辅助网络中面向数据收集的能量优化研究";王泉;《中国优秀博硕士学位论文全文数据库(硕士)工程科技第Ⅱ辑》;20180315;论文第1-4章、图3.1 * |
Also Published As
Publication number | Publication date |
---|---|
CN110049500A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107835499B (zh) | 一种WSNs中基于分簇和能量中继的移动充电方法 | |
Zhao et al. | Spatiotemporal charging scheduling in wireless rechargeable sensor networks | |
Cao et al. | Swarm intelligence-based performance optimization for mobile wireless sensor networks: survey, challenges, and future directions | |
CN108448731B (zh) | 一种协作式无线传感网能量补充方法及其无线传感网 | |
CN107277840B (zh) | 一种可充电无线传感器网络数据收集方法 | |
CN109583665A (zh) | 一种无线传感器网络中的无人机充电任务调度方法 | |
KR101912734B1 (ko) | 태양 에너지 수집형 무선 센서 네트워크를 위한 클러스터 기반의 이동 싱크 위치 관리 방법 및 장치 | |
CN109451556B (zh) | 基于uav对无线传感网充电的方法 | |
CN112738752B (zh) | 一种基于强化学习的wrsn多移动充电器优化调度方法 | |
Chen et al. | Speed control of mobile chargers serving wireless rechargeable networks | |
CN110049500B (zh) | 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 | |
CN111787500B (zh) | 一种基于能量优先的移动充电车辆多目标充电调度方法 | |
Qian et al. | Electric vehicles charging scheduling optimization for total elapsed time minimization | |
Benmad et al. | Data collection in UAV-assisted wireless sensor networks powered by harvested energy | |
CN110677892A (zh) | 一种无线传感器网络循环充电方法及系统 | |
CN102442332A (zh) | 一种用于太阳能铁道标签的智能跟踪系统及其处理方法 | |
Zhao et al. | UAV dispatch planning for a wireless rechargeable sensor network for bridge monitoring | |
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 | |
CN112118583A (zh) | 一种基于目标覆盖的可充电小车移动最优路径规划方法 | |
Zhao et al. | Hybrid scheduling strategy of multiple mobile charging vehicles in wireless rechargeable sensor networks | |
CN109640359B (zh) | 一种无线传感器网络通信负载均衡方法 | |
CN112861424A (zh) | 一种基于博弈论的在线协同无线充电方法 | |
Li et al. | Cooperative recharge scheme based on a Hamiltonian path in mobile wireless rechargeable sensor networks | |
CN112702688A (zh) | 结合能量补充和数据收集的移动小车规划方法 | |
CN113891238B (zh) | 一种基于drl的wsn中单对多移动能量补充方法 |
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 |