CN114844824B - 一种网络信息传输路径的规划方法、装置及终端设备 - Google Patents
一种网络信息传输路径的规划方法、装置及终端设备 Download PDFInfo
- Publication number
- CN114844824B CN114844824B CN202210373609.8A CN202210373609A CN114844824B CN 114844824 B CN114844824 B CN 114844824B CN 202210373609 A CN202210373609 A CN 202210373609A CN 114844824 B CN114844824 B CN 114844824B
- Authority
- CN
- China
- Prior art keywords
- network information
- node
- information transmission
- path
- transmission path
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 252
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 18
- 230000008054 signal transmission Effects 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 239000003016 pheromone Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 230000003321 amplification Effects 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 23
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
- H04W40/16—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality based on interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种网络信息传输路径的规划方法、装置及终端设备，该方法包括：基于目标区域的网络信息发送端和网络信息接收端的位置信息，构建包括多个单元格的第一网络信息传输栅格；对每一个单元格的初始信息浓度进行非均匀处理，并增大相邻单元格之间的启发信息差异，获得第二网络信息传输栅格；基于第二网络信息传输栅格，对目标区域的网络信息传输路径进行规划，获得目标网络信息传输路径；其中，当在规划的过程中存在陷入死区的路径时，对陷入死区的路径的信息浓度进行更新。本发明能够提高算法对网络信息传输路径进行规划时的收敛速度，从而提高路径规划的效率，还能够避免最终获得的目标网络信息传输路径仅为局部最优路径。
Description
技术领域
本发明涉及通信技术领域，尤其是涉及一种网络信息传输路径的规划方法、装置及终端设备。
背景技术
在5G通信网络中，网络信息的传输是通过带有数据信息的无线电波在5G基站、路由器和用户终端三者之间的相互传输实现的，但在网络信息传输的过程中，往往容易受到静态障碍物的阻拦，如水泥墙壁的阻拦，也容易受到动态障碍物的干扰，如其他移动的电子设备所产生的无线电干扰，因此需要合理地对网络信息的传输路径进行规划，以减少网络信息在传输过程中所受到的干扰，从而加快网络信息的传输。
现有常用的网络信息传输路径的规划方法在对网络信息传输路径进行规划时，往往存在算法收敛速度较慢的问题，从而导致对网络信息传输路径进行规划的效率较低，不利于网络信息的快速传输。
发明内容
本发明提供了一种网络信息传输路径的规划方法、装置及终端设备，以解决现有技术对网络信息传输路径进行规划的效率较低的技术问题，通过对构建的网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大单元格与相邻单元格的启发信息差异，能够提高算法的收敛速度，从而提高对网络信息传输路径进行规划的效率；在路径规划的过程中，对陷入死区的路径的信息浓度进行更新，能够避免算法在对最优路径进行求解过程中陷入死区，从而避免最终获得的目标网络信息传输路径仅为局部最优路径，有利于网络信息的快速传输。
为了解决上述技术问题，本发明实施例第一方面提供了一种网络信息传输路径的规划方法，包括：
基于目标区域的网络信息发送端的位置信息和网络信息接收端的位置信息，构建所述目标区域的第一网络信息传输栅格，所述第一网络信息传输栅格包括多个单元格；
对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大所述单元格与相邻单元格的启发信息差异，获得第二网络信息传输栅格；
基于所述第二网络信息传输栅格，对所述目标区域的网络信息传输路径进行规划，获得所述目标区域的目标网络信息传输路径；
其中，当在对所述目标区域的网络信息传输路径进行规划的过程中，存在陷入死区的路径时，对所述陷入死区的路径的信息浓度进行更新。
作为优选方案，所述方法通过如下表达式对所述陷入死区的路径的信息浓度进行更新：
其中，γ表示区间为(0,1)的常数，Card(P)表示陷入死区的路径P从起点到迭次点之间的信息浓度，τij(t)表示在t时刻从节点i移动到节点j的信息浓度，ρ表示信息浓度挥发系数，n为节点的总数量，τij(t+1)表示在t+1时刻从节点i移动到节点j的信息浓度，所述节点j为所述节点i的下一个节点，
表示信息浓度增加值；
所述方法通过如下表达式获得参数
其中，Q表示信息素增量，Lm表示目前信号传输路径的总长度，所述节点j为所述节点i的下一个节点。
作为优选方案，所述方法通过如下表达式对所述目标区域的网络信息传输路径进行规划：
其中，
表示状态转移概率，τij(t)表示在t时刻从节点i移动到节点j的信息浓度，εij(t)表示在t时刻从节点i移动到节点j的启发函数值，Pufi(t)表示惩罚因子，s表示第m个节点与其所能够到达的下一个节点的连线的集合，Am表示第m个节点所能够到达的下一个节点的集合，α表示信息浓度的重要程度，β表示启发函数值的重要程度，δ表示惩罚因子的重要程度，所述节点j为所述节点i的下一个节点；
所述方法通过如下表达式获得惩罚因子Pufi(t)：
Wp＝W-(W∩B)
其中，W表示当前规划所获得的最差路径，B表示当前规划所获得的最优路径，Wp表示不包含最差路径W和最优路径B的重叠部分的路径，Q表示信息素增量，Lbest表示最优路径B的长度，Lworst表示最差路径W的长度。
作为优选方案，所述方法通过如下表达式对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理：
τij(0)＝τ0+Δτij
Δτij＝c×(1/f(i))×(1/f(j))
其中，τ0表示初始信息浓度，Δτij表示在从节点i至节点j的路径中增加的信息浓度，τij(0)表示增加信息浓度后的从节点i至节点j的路径的信息浓度，c为第一预设常数，参数f(i)和参数f(j)根据公式：f(x)＝ω×g(x)+(1-ω)h(x)获得，g(x)表示起点和当前节点之间的间距，h(x)表示当前节点和目标节点之间的间距，ω为预设加权值，所述节点j为所述节点i的下一个节点。
作为优选方案，所述方法通过如下表达式增大所述单元格与相邻单元格的启发信息差异：
dijE＝μdij+(1-μ)djE
其中，εij表示从节点i移动到节点j的启发函数值，A表示放大系数，dijE表示从节点i至目标节点E的欧氏距离，dij表示从节点i至节点j的欧氏距离，djE表示从节点j至目标节点E的欧氏距离，μ为第二预设常数，所述节点j为所述节点i的下一个节点。
作为优选方案，所述方法还包括：
基于所述目标网络信息传输路径，通过如下表达式对待传输网络信息在所述目标网络信息传输路径中的每个节点的传输方向进行预测，获得预测网络信息传输路径：
其中，
表示在所述目标网络信息传输路径中的每个节点的预测传输方向，/>
表示第一目标方向，/>
表示第二目标方向，/>
表示第三目标方向，kG表示第一权重值，ksaf表示第二权重值，ksmo表示第三权重值；
将所述目标网络信息传输路径与所述预测网络信息传输路径进行对比分析，当所述目标网络信息传输路径与所述预测网络信息传输路径的重合度小于第一预设阈值时，基于所述第二网络信息传输栅格，重新对所述目标区域的网络信息传输路径进行规划，直至获得的目标网络信息传输路径与所述预测网络信息传输路径的重合度大于所述第一预设阈值。
作为优选方案，所述方法还包括：
根据预设最大线速度、预设最小线速度、预设最大角速度和预设最小角速度，对所述目标网络信息传输路径中每个节点的线速度和角速度进行限制；
根据预设的网络信号传输线速度的第一最大衰减加速度和预设的网络信号传输角速度的第二最大衰减加速度，对所述目标网络信息传输路径中节点之间的线速度衰减值和角速度衰减值进行限制。
作为优选方案，所述方法还包括：
基于预先设于所述目标区域内的探测传感器，对所述目标区域内的障碍物在预设时间内的位置进行探测，获得所述障碍物在所述预设时间内的第一位置信息；
根据所述第一位置信息，获得所述障碍物在所述预设时间内的运动路程和运动方位角；
根据所述障碍物在所述预设时间内的运动路程和运动方位角，对所述障碍物在未来时间段内的位置进行预测，获得所述障碍物在所述未来时间段内的第二位置信息；
根据所述第一位置信息和所述第二位置信息，获得所述障碍物的干扰区域；
将所述目标网络信息传输路径与所述干扰区域进行对比分析，当所述目标网络信息传输路径与所述干扰区域的重合度大于第二预设阈值时，对所述目标网络信息传输路径进行更新，以降低所述目标网络信息传输路径与所述干扰区域的重合度。
本发明实施例第二方面提供了一种网络信息传输路径的规划装置，包括：
栅格构建模块，用于基于目标区域的网络信息发送端的位置信息和网络信息接收端的位置信息，构建所述目标区域的第一网络信息传输栅格，所述第一网络信息传输栅格包括多个单元格；
信息处理模块，用于对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大所述单元格与相邻单元格的启发信息差异，获得第二网络信息传输栅格；
路径规划模块，用于基于所述第二网络信息传输栅格，对所述目标区域的网络信息传输路径进行规划，获得所述目标区域的目标网络信息传输路径；
其中，当在对所述目标区域的网络信息传输路径进行规划的过程中，存在陷入死区的路径时，对所述陷入死区的路径的信息浓度进行更新。
本发明实施例第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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第一方面任一项所述的网络信息传输路径的规划方法。
相比于现有技术，本发明实施例的有益效果在于，通过对构建的网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大单元格与相邻单元格的启发信息差异，能够提高算法的收敛速度，从而提高对网络信息传输路径进行规划的效率；在路径规划的过程中，对陷入死区的路径的信息浓度进行更新，能够避免算法在对最优路径进行求解过程中陷入死区，从而避免最终获得的目标网络信息传输路径仅为局部最优路径，有利于网络信息的快速传输。
附图说明
图1是本发明实施例提供的一种网络信息传输路径的规划方法的流程示意图；
图2是本发明实施例提供的一种网络信息传输路径的规划装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，本发明实施例第一方面提供了一种网络信息传输路径的规划方法，包括步骤S1至步骤S3，具体如下：
步骤S1，基于目标区域的网络信息发送端的位置信息和网络信息接收端的位置信息，构建所述目标区域的第一网络信息传输栅格，所述第一网络信息传输栅格包括多个单元格；
步骤S2，对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大所述单元格与相邻单元格的启发信息差异，获得第二网络信息传输栅格；
步骤S3，基于所述第二网络信息传输栅格，对所述目标区域的网络信息传输路径进行规划，获得所述目标区域的目标网络信息传输路径；
其中，当在对所述目标区域的网络信息传输路径进行规划的过程中，存在陷入死区的路径时，对所述陷入死区的路径的信息浓度进行更新。
具体地，本发明实施例在构建第一网络信息传输栅格时，基于目标区域的网络信息发送端的位置信息和网络信息接收端的位置信息，以网络信息发送端为起点，网络信息接收端为终点，将起点和终点进行直线连接，然后分别在起点处和终点处作一互相平行且长度等于起点和终点的直线距离的平行线，将四个端点连接形成一平行四边形；对这个平行四边形进行多等分划分，形成多个面积相等的单元格，以起点所在的横轴作为X轴，建立X-Y二维坐标系，从而获得第一网络信息传输栅格。
进一步地，对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大所述单元格与相邻单元格的启发信息差异，获得第二网络信息传输栅格。由于网络信息在对下一个传输节点进行选择的依据为各单元格间信息浓度的含量多寡，现有的规划算法中，各单元格间的初始信息浓度均相同，且不同单元格的启发函数值差异很小，在没有信息浓度进行引导的情况下，算法对路径进行搜索存在盲目性，搜索所得的路径的质量低，且算法收敛速度慢。因此本发明实施例对第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，使得各单元格间的初始信息浓度不相同，能够引导算法进行路径规划，加快算法的收敛速度。为了进一步提高启发信息差异对路径搜索的引导作用，本发明实施例将单元格与相邻单元格的启发信息差异增大，最终形成第二网络信息传输栅格。
进一步地，基于所述第二网络信息传输栅格，对所述目标区域的网络信息传输路径进行规划，获得所述目标区域的目标网络信息传输路径；其中，当在对所述目标区域的网络信息传输路径进行规划的过程中，存在陷入死区的路径时，对所述陷入死区的路径的信息浓度进行更新。算法在对路径进行搜索的过程中，往往容易产生交叉路径，导致算法容易陷入死区，无法继续对路径进行搜索，因此本发明实施例在对目标区域的网络信息传输路径进行规划的过程中，存在陷入死区的路径时，对陷入死区的路径的信息浓度进行更新。陷入死区的路径与当前最优路径存在最后交集点，称为迭次点，对陷入死区的路径的信息浓度进行更新后，便能够将迭次点设为新的起始点，并继续对路径进行搜索，从而避免最终算法规划所得的路径仅为局部最优路径。
本发明实施例提供的一种网络信息传输路径的规划方法，通过对构建的网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大单元格与相邻单元格的启发信息差异，能够提高算法的收敛速度，从而提高对网络信息传输路径进行规划的效率；在路径规划的过程中，对陷入死区的路径的信息浓度进行更新，能够避免算法在对最优路径进行求解过程中陷入死区，从而避免最终获得的目标网络信息传输路径仅为局部最优路径，有利于网络信息的快速传输。
作为优选方案，所述方法通过如下表达式对所述陷入死区的路径的信息浓度进行更新：
其中，γ表示区间为(0,1)的常数，Card(P)表示陷入死区的路径P从起点到迭次点之间的信息浓度，τij(t)表示在t时刻从节点i移动到节点j的信息浓度，ρ表示信息浓度挥发系数，n为节点的总数量，τij(t+1)表示在t+1时刻从节点i移动到节点j的信息浓度，所述节点j为所述节点i的下一个节点，
表示信息浓度增加值；
所述方法通过如下表达式获得参数
其中，Q表示信息素增量，Lm表示目前信号传输路径的总长度，所述节点j为所述节点i的下一个节点。
需要说明的是，信息素增量Q的大小取决于路程所包含的单元格的总面积，总面积越大，信息素增量Q的取值则适当偏大。
作为优选方案，所述方法通过如下表达式对所述目标区域的网络信息传输路径进行规划：
其中，
表示状态转移概率，τij(t)表示在t时刻从节点i移动到节点j的信息浓度，εij(t)表示在t时刻从节点i移动到节点j的启发函数值，Pufi(t)表示惩罚因子，s表示第m个节点与其所能够到达的下一个节点的连线的集合，Am表示第m个节点所能够到达的下一个节点的集合，α表示信息浓度的重要程度，β表示启发函数值的重要程度，δ表示惩罚因子的重要程度，所述节点j为所述节点i的下一个节点；
所述方法通过如下表达式获得惩罚因子Pufi(t)：
Wp＝W-(W∩B)
其中，W表示当前规划所获得的最差路径，B表示当前规划所获得的最优路径，Wp表示不包含最差路径W和最优路径B的重叠部分的路径，Q表示信息素增量，Lbest表示最优路径B的长度，Lworst表示最差路径W的长度。
值得说明的是，现有技术中常用的奖罚机制为对最优路径的信息浓度进行增强，且对最差路径的信息浓度进行减弱，但会导致最优路径和最差路径的重叠部分的信息浓度不变，随着算法进行多次迭代，信息浓度会逐代减弱，从而导致在迭代后期两者重叠部分的信息浓度较低，使得算法无法继续对路径进行搜索。基于此，本发明实施例提出一种惩罚机制，在对路径进行奖惩时，不对最差路径和最优路径的重叠部分进行奖惩处理，从而避免在迭代后期重叠部分的信息浓度较低，导致算法无法继续对路径进行搜索，实现对算法收敛速度的加快。
需要说明的是，最优路径可以理解为网络信息在传输过程中路程最短、受到的干扰最少且路径最平滑的路径，最差路径则可以理解为网络信息在传输过程中路程最长、受到的干扰最多且路径最曲折的路径。
作为优选方案，所述方法通过如下表达式对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理：
τij(0)＝τ0+Δτij
Δτij＝c×(1/f(i))×(1/f(j))
其中，τ0表示初始信息浓度，Δτij表示在从节点i至节点j的路径中增加的信息浓度，τij(0)表示增加信息浓度后的从节点i至节点j的路径的信息浓度，c为第一预设常数，参数f(i)和参数f(j)根据公式：f(x)＝ω×g(x)+(1-ω)h(x)获得，g(x)表示起点和当前节点之间的间距，h(x)表示当前节点和目标节点之间的间距，ω为预设加权值，所述节点j为所述节点i的下一个节点。
需要说明的是，第一预设常数c根据节点之间的距离和单元格的面积大小进行取值。作为一种优选实施例，依据两点之间直线为最短距离，规划所得的路径越靠近起点和终点之间的连线，该路径越优，因此对下一个节点的选取应当越靠近终点进行选取，以使规划所得的路径越优，将预设加权值ω设置为一个较小值，能够使得终点在节点选取中起主导作用。
作为优选方案，所述方法通过如下表达式增大所述单元格与相邻单元格的启发信息差异：
dijE＝μdij+(1-μ)djE
其中，εij表示从节点i移动到节点j的启发函数值，A表示放大系数，dijE表示从节点i至目标节点E的欧氏距离，dij表示从节点i至节点j的欧氏距离，djE表示从节点j至目标节点E的欧氏距离，μ为第二预设常数，所述节点j为所述节点i的下一个节点。
需要说明的是，本发明实施例引入放大系数A以增大单元格与相邻单元格的启发信息差异，从而提高算法选择距离更短的节点的概率。
作为优选方案，所述方法还包括：
基于所述目标网络信息传输路径，通过如下表达式对待传输网络信息在所述目标网络信息传输路径中的每个节点的传输方向进行预测，获得预测网络信息传输路径：
其中，
表示在所述目标网络信息传输路径中的每个节点的预测传输方向，/>
表示第一目标方向，/>
表示第二目标方向，/>
表示第三目标方向，kG表示第一权重值，ksaf表示第二权重值，ksmo表示第三权重值；
将所述目标网络信息传输路径与所述预测网络信息传输路径进行对比分析，当所述目标网络信息传输路径与所述预测网络信息传输路径的重合度小于第一预设阈值时，基于所述第二网络信息传输栅格，重新对所述目标区域的网络信息传输路径进行规划，直至获得的目标网络信息传输路径与所述预测网络信息传输路径的重合度大于所述第一预设阈值。
具体地，为了确保通过算法规划所得的路径尽可能最优，本发明实施例在获得目标网络信息传输路径后，对该目标网络信息传输路径进行检验。基于所述目标网络信息传输路径，通过如下表达式对待传输网络信息在所述目标网络信息传输路径中的每个节点的传输方向进行预测，获得预测网络信息传输路径：
其中，
表示在所述目标网络信息传输路径中的每个节点的预测传输方向，/>
表示第一目标方向，/>
表示第二目标方向，/>
表示第三目标方向，kG表示第一权重值，ksaf表示第二权重值，ksmo表示第三权重值。
可以理解的是，第一目标方向表示偏向目标节点的方向，第二目标方向表示传输过程最安全的方向，第三目标方向表示传输路径最平滑的方向。
进一步地，将所述目标网络信息传输路径与所述预测网络信息传输路径进行对比分析，当所述目标网络信息传输路径与所述预测网络信息传输路径的重合度小于第一预设阈值时，基于所述第二网络信息传输栅格，重新对所述目标区域的网络信息传输路径进行规划，直至获得的目标网络信息传输路径与所述预测网络信息传输路径的重合度大于所述第一预设阈值。
可以理解的是，如果规划所得的目标网络信息传输路径与预测所得的预测网络信息传输路径的偏差较大，表明当前规划所得的目标网络信息传输路径并非对网络信息进行传输的最优路径，因此需要重新进行路径规划，直至规划所得的目标网络信息传输路径与预测所得的预测网络信息传输路径的偏差较小。
作为优选方案，所述方法还包括：
根据预设最大线速度、预设最小线速度、预设最大角速度和预设最小角速度，对所述目标网络信息传输路径中每个节点的线速度和角速度进行限制；
根据预设的网络信号传输线速度的第一最大衰减加速度和预设的网络信号传输角速度的第二最大衰减加速度，对所述目标网络信息传输路径中节点之间的线速度衰减值和角速度衰减值进行限制。
具体地，设网络信息的初始传输速度为Vs，则Vs＝{(v,ω)|v∈[vmax,vmin],ω∈[ωmax,ωmin]}，其中，v和ω分别表示网络信息传输的线速度和角速度，vmax和vmin分别表示网络信息传输过程中线速度的最大值和最小值，ωmax和ωmin分别表示网络信息传输过程中角速度的最大值和最小值。优选地，由于网络信息在传输过程中具有衰减性，因此通常分别将vmax和ωmax设置为上一个节点在传输过程中的线速度和角速度，分别将vmin和ωmin设置为上一个节点在传输过程中的线速度的一半和角速度的一半。
进一步地，虽然网络信息在传输过程中具有衰减性，但不能过度衰减，否则会影响网络信息接收的质量，甚至导致最终接收不到网络信息，因此本发明实施例通过如下表达式对目标网络信息传输路径中节点之间的线速度衰减值和角速度衰减值进行限制：Vd＝{(v,ω)|v∈[vn,vn-at],ω∈[ωn,ωn-bt]}，其中，Vd表示网络信息的传输速度，vn和ωn分别表示网络信息在上一个节点的线速度和角速度，a和b分别表示网络信息在传输过程中的线速度最大衰减加速度和角速度最大衰减加速度。优选地，本发明实施例将最大衰减角速度设置为将上一个节点的网络信息传输速度衰减至原来的三分之二时的衰减加速度。
作为优选方案，所述方法还包括：
基于预先设于所述目标区域内的探测传感器，对所述目标区域内的障碍物在预设时间内的位置进行探测，获得所述障碍物在所述预设时间内的第一位置信息；
根据所述第一位置信息，获得所述障碍物在所述预设时间内的运动路程和运动方位角；
根据所述障碍物在所述预设时间内的运动路程和运动方位角，对所述障碍物在未来时间段内的位置进行预测，获得所述障碍物在所述未来时间段内的第二位置信息；
根据所述第一位置信息和所述第二位置信息，获得所述障碍物的干扰区域；
将所述目标网络信息传输路径与所述干扰区域进行对比分析，当所述目标网络信息传输路径与所述干扰区域的重合度大于第二预设阈值时，对所述目标网络信息传输路径进行更新，以降低所述目标网络信息传输路径与所述干扰区域的重合度。
值得说明的是，在网络信息进行传输的过程中，存在着诸多不可避免的动态障碍物的干扰，如行驶汽车的车载广播信号、路人携带的电子设备的无线电干扰等，因此为了减轻这些障碍物对网络信息传输的干扰，在路径规划的过程中，需要对路径中的动态障碍物进行合理的预计算。
具体地，基于预先设于所述目标区域内的探测传感器，如在目标区域内的主要干道的路灯杆上设置探测传感器，对所述目标区域内的障碍物在预设时间内的位置进行探测，获得所述障碍物在所述预设时间内的第一位置信息。通过当前时刻探测传感器探测得到的障碍物位置O2，与上一个时刻的障碍物位置O1进行比较，若位置不同，则判定该障碍物为动态障碍物。根据所述第一位置信息，获得所述障碍物在所述预设时间内的运动路程和运动方位角；根据所述障碍物在所述预设时间内的运动路程和运动方位角，对所述障碍物在未来时间段内的位置进行预测，获得所述障碍物在所述未来时间段内的第二位置信息。通过下述公式(1)获得动态障碍物在一段时间内的运动路程L0，通过下述公式(2)获得该动态障碍物在一段时间内的运动方位角θ0，然后下述公式(3)对该动态障碍物未来某一时刻的位置做出预测。
其中，x0(t+1)和y0(t+1)分别表示在t+1时刻探测传感器探测所得的动态障碍物在第二网络信息传输栅格中的横坐标和纵坐标，x0(t)和y0(t)分别表示在t时刻探测传感器探测所得的动态障碍物在第二网络信息传输栅格中的横坐标和纵坐标，n为大于1的整数。
进一步地，根据所述第一位置信息和所述第二位置信息，获得所述障碍物的干扰区域；将所述目标网络信息传输路径与所述干扰区域进行对比分析，当所述目标网络信息传输路径与所述干扰区域的重合度大于第二预设阈值时，对所述目标网络信息传输路径进行更新，以降低所述目标网络信息传输路径与所述干扰区域的重合度。为了降低目标网络信息传输路径与干扰区域的重合度，可以通过算法提前更改对最优路径的选择或者对当前最优路径中的节点进行更改。
参见图2，本发明实施例第二方面提供了一种网络信息传输路径的规划装置，包括：
栅格构建模块201，用于基于目标区域的网络信息发送端的位置信息和网络信息接收端的位置信息，构建所述目标区域的第一网络信息传输栅格，所述第一网络信息传输栅格包括多个单元格；
信息处理模块202，用于对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大所述单元格与相邻单元格的启发信息差异，获得第二网络信息传输栅格；
路径规划模块203，用于基于所述第二网络信息传输栅格，对所述目标区域的网络信息传输路径进行规划，获得所述目标区域的目标网络信息传输路径；
其中，当在对所述目标区域的网络信息传输路径进行规划的过程中，存在陷入死区的路径时，对所述陷入死区的路径的信息浓度进行更新。
作为优选方案，所述路径规划模块203用于对所述陷入死区的路径的信息浓度进行更新，具体包括：
通过如下表达式对所述陷入死区的路径的信息浓度进行更新：
其中，γ表示区间为(0,1)的常数，Card(P)表示陷入死区的路径P从起点到迭次点之间的信息浓度，τij(t)表示在t时刻从节点i移动到节点j的信息浓度，ρ表示信息浓度挥发系数，n为节点的总数量，τij(t+1)表示在t+1时刻从节点i移动到节点j的信息浓度，所述节点j为所述节点i的下一个节点，
表示信息浓度增加值；
所述方法通过如下表达式获得参数
其中，Q表示信息素增量，Lm表示目前信号传输路径的总长度，所述节点j为所述节点i的下一个节点。
作为优选方案，所述路径规划模块203用于对所述目标区域的网络信息传输路径进行规划，具体包括：
通过如下表达式对所述目标区域的网络信息传输路径进行规划：
其中，
表示状态转移概率，τij(t)表示在t时刻从节点i移动到节点j的信息浓度，εij(t)表示在t时刻从节点i移动到节点j的启发函数值，Pufi(t)表示惩罚因子，s表示第m个节点与其所能够到达的下一个节点的连线的集合，Am表示第m个节点所能够到达的下一个节点的集合，α表示信息浓度的重要程度，β表示启发函数值的重要程度，δ表示惩罚因子的重要程度，所述节点j为所述节点i的下一个节点；
所述方法通过如下表达式获得惩罚因子Pufi(t)：
Wp＝W-(W∩B)
其中，W表示当前规划所获得的最差路径，B表示当前规划所获得的最优路径，Wp表示不包含最差路径W和最优路径B的重叠部分的路径，Q表示信息素增量，Lbest表示最优路径B的长度，Lworst表示最差路径W的长度。
作为优选方案，所述信息处理模块202用于对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，具体为：
通过如下表达式对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理：
τij(0)＝τ0+Δτij
Δτij＝c×(1/f(i))×(1/f(j))
其中，τ0表示初始信息浓度，Δτij表示在从节点i至节点j的路径中增加的信息浓度，τij(0)表示增加信息浓度后的从节点i至节点j的路径的信息浓度，c为第一预设常数，参数f(i)和参数f(j)根据公式：f(x)＝ω×g(x)+(1-ω)h(x)获得，g(x)表示起点和当前节点之间的间距，h(x)表示当前节点和目标节点之间的间距，ω为预设加权值，所述节点j为所述节点i的下一个节点。
作为优选方案，所述信息处理模块202用于增大所述单元格与相邻单元格的启发信息差异，具体为：
通过如下表达式增大所述单元格与相邻单元格的启发信息差异：
dijE＝μdij+(1-μ)djE
其中，εij表示从节点i移动到节点j的启发函数值，A表示放大系数，dijE表示从节点i至目标节点E的欧氏距离，dij表示从节点i至节点j的欧氏距离，djE表示从节点j至目标节点E的欧氏距离，μ为第二预设常数，所述节点j为所述节点i的下一个节点。
作为优选方案，所述装置还包括路径检测模块，用于：
基于所述目标网络信息传输路径，通过如下表达式对待传输网络信息在所述目标网络信息传输路径中的每个节点的传输方向进行预测，获得预测网络信息传输路径：
其中，
表示在所述目标网络信息传输路径中的每个节点的预测传输方向，/>
表示第一目标方向，/>
表示第二目标方向，/>
表示第三目标方向，kG表示第一权重值，ksaf表示第二权重值，ksmo表示第三权重值；
将所述目标网络信息传输路径与所述预测网络信息传输路径进行对比分析，当所述目标网络信息传输路径与所述预测网络信息传输路径的重合度小于第一预设阈值时，基于所述第二网络信息传输栅格，重新对所述目标区域的网络信息传输路径进行规划，直至获得的目标网络信息传输路径与所述预测网络信息传输路径的重合度大于所述第一预设阈值。
作为优选方案，所述装置还包括限制模块，用于：
根据预设最大线速度、预设最小线速度、预设最大角速度和预设最小角速度，对所述目标网络信息传输路径中每个节点的线速度和角速度进行限制；
根据预设的网络信号传输线速度的第一最大衰减加速度和预设的网络信号传输角速度的第二最大衰减加速度，对所述目标网络信息传输路径中节点之间的线速度衰减值和角速度衰减值进行限制。
作为优选方案，所述装置还包括干扰区域探测模块，用于：
基于预先设于所述目标区域内的探测传感器，对所述目标区域内的障碍物在预设时间内的位置进行探测，获得所述障碍物在所述预设时间内的第一位置信息；
根据所述第一位置信息，获得所述障碍物在所述预设时间内的运动路程和运动方位角；
根据所述障碍物在所述预设时间内的运动路程和运动方位角，对所述障碍物在未来时间段内的位置进行预测，获得所述障碍物在所述未来时间段内的第二位置信息；
根据所述第一位置信息和所述第二位置信息，获得所述障碍物的干扰区域；
将所述目标网络信息传输路径与所述干扰区域进行对比分析，当所述目标网络信息传输路径与所述干扰区域的重合度大于第二预设阈值时，对所述目标网络信息传输路径进行更新，以降低所述目标网络信息传输路径与所述干扰区域的重合度。
需要说明的是，本发明实施例所提供的一种网络信息传输路径的规划装置，能够实现上述任一实施例所述的网络信息传输路径的规划方法的所有流程，装置中的各个模块的作用以及实现的技术效果分别与上述实施例所述的网络信息传输路径的规划方法的作用以及实现的技术效果对应相同，这里不再赘述。
本发明实施例第三方面提供了一种种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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第一方面任一实施例所述的网络信息传输路径的规划方法。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种网络信息传输路径的规划方法，其特征在于，包括：
基于目标区域的网络信息发送端的位置信息和网络信息接收端的位置信息，构建所述目标区域的第一网络信息传输栅格，所述第一网络信息传输栅格包括多个单元格；
对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大所述单元格与相邻单元格的启发信息差异，获得第二网络信息传输栅格；
基于所述第二网络信息传输栅格，对所述目标区域的网络信息传输路径进行规划，获得所述目标区域的目标网络信息传输路径；
其中，当在对所述目标区域的网络信息传输路径进行规划的过程中，存在陷入死区的路径时，对所述陷入死区的路径的信息浓度进行更新；
其中，通过如下表达式对所述陷入死区的路径的信息浓度进行更新：
其中，γ表示区间为(0,1)的常数，Card(P)表示陷入死区的路径P从起点到迭次点之间的信息浓度，τij(t)表示在t时刻从节点i移动到节点j的信息浓度，ρ表示信息浓度挥发系数，n为节点的总数量，τij(t+1)表示在t+1时刻从节点i移动到节点j的信息浓度，所述节点j为所述节点i的下一个节点，
表示信息浓度增加值；
通过如下表达式获得参数
其中，Q表示信息素增量，Lm表示目前信号传输路径的总长度，所述节点j为所述节点i的下一个节点。
2.如权利要求1所述的网络信息传输路径的规划方法，其特征在于，所述方法通过如下表达式对所述目标区域的网络信息传输路径进行规划：
其中，
表示状态转移概率，τij(t)表示在t时刻从节点i移动到节点j的信息浓度，εij(t)表示在t时刻从节点i移动到节点j的启发函数值，Pufi(t)表示惩罚因子，s表示第m个节点与其所能够到达的下一个节点的连线的集合，Am表示第m个节点所能够到达的下一个节点的集合，α表示信息浓度的重要程度，β表示启发函数值的重要程度，δ表示惩罚因子的重要程度，所述节点j为所述节点i的下一个节点；
所述方法通过如下表达式获得惩罚因子Pufi(t)：
Wp＝W-(W∩B)
其中，W表示当前规划所获得的最差路径，B表示当前规划所获得的最优路径，Wp表示不包含最差路径W和最优路径B的重叠部分的路径，Q表示信息素增量，Lbest表示最优路径B的长度，Lworst表示最差路径W的长度。
3.如权利要求2所述的网络信息传输路径的规划方法，其特征在于，所述方法通过如下表达式对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理：
τij(0)＝τ0+Δτij
Δτij＝c×(1/f(i))×(1/f(j))
其中，τ0表示初始信息浓度，Δτij表示在从节点i至节点j的路径中增加的信息浓度，τij(0)表示增加信息浓度后的从节点i至节点j的路径的信息浓度，c为第一预设常数，参数f(i)和参数f(j)根据公式：f(x)＝ω×g(x)+(1-ω)h(x)获得，g(x)表示起点和当前节点之间的间距，h(x)表示当前节点和目标节点之间的间距，ω为预设加权值，所述节点j为所述节点i的下一个节点。
4.如权利要求3所述的网络信息传输路径的规划方法，其特征在于，所述方法通过如下表达式增大所述单元格与相邻单元格的启发信息差异：
dijE＝μdij+(1-μ)djE
其中，εij表示从节点i移动到节点j的启发函数值，A表示放大系数，dijE表示从节点i至目标节点E的欧氏距离，dij表示从节点i至节点j的欧氏距离，djE表示从节点j至目标节点E的欧氏距离，μ为第二预设常数，所述节点j为所述节点i的下一个节点。
5.如权利要求4所述的网络信息传输路径的规划方法，其特征在于，所述方法还包括：
基于所述目标网络信息传输路径，通过如下表达式对待传输网络信息在所述目标网络信息传输路径中的每个节点的传输方向进行预测，获得预测网络信息传输路径：
其中，
表示在所述目标网络信息传输路径中的每个节点的预测传输方向，/>
表示第一目标方向，/>
表示第二目标方向，/>
表示第三目标方向，kG表示第一权重值，ksaf表示第二权重值，ksmo表示第三权重值；
将所述目标网络信息传输路径与所述预测网络信息传输路径进行对比分析，当所述目标网络信息传输路径与所述预测网络信息传输路径的重合度小于第一预设阈值时，基于所述第二网络信息传输栅格，重新对所述目标区域的网络信息传输路径进行规划，直至获得的目标网络信息传输路径与所述预测网络信息传输路径的重合度大于所述第一预设阈值。
6.如权利要求5所述的网络信息传输路径的规划方法，其特征在于，所述方法还包括：
根据预设最大线速度、预设最小线速度、预设最大角速度和预设最小角速度，对所述目标网络信息传输路径中每个节点的线速度和角速度进行限制；
根据预设的网络信号传输线速度的第一最大衰减加速度和预设的网络信号传输角速度的第二最大衰减加速度，对所述目标网络信息传输路径中节点之间的线速度衰减值和角速度衰减值进行限制。
7.如权利要求6所述的网络信息传输路径的规划方法，其特征在于，所述方法还包括：
基于预先设于所述目标区域内的探测传感器，对所述目标区域内的障碍物在预设时间内的位置进行探测，获得所述障碍物在所述预设时间内的第一位置信息；
根据所述第一位置信息，获得所述障碍物在所述预设时间内的运动路程和运动方位角；
根据所述障碍物在所述预设时间内的运动路程和运动方位角，对所述障碍物在未来时间段内的位置进行预测，获得所述障碍物在所述未来时间段内的第二位置信息；
根据所述第一位置信息和所述第二位置信息，获得所述障碍物的干扰区域；
将所述目标网络信息传输路径与所述干扰区域进行对比分析，当所述目标网络信息传输路径与所述干扰区域的重合度大于第二预设阈值时，对所述目标网络信息传输路径进行更新，以降低所述目标网络信息传输路径与所述干扰区域的重合度。
8.一种网络信息传输路径的规划装置，其特征在于，包括：
栅格构建模块，用于基于目标区域的网络信息发送端的位置信息和网络信息接收端的位置信息，构建所述目标区域的第一网络信息传输栅格，所述第一网络信息传输栅格包括多个单元格；
信息处理模块，用于对所述第一网络信息传输栅格的每一个单元格的初始信息浓度进行非均匀处理，并增大所述单元格与相邻单元格的启发信息差异，获得第二网络信息传输栅格；
路径规划模块，用于基于所述第二网络信息传输栅格，对所述目标区域的网络信息传输路径进行规划，获得所述目标区域的目标网络信息传输路径；
其中，当在对所述目标区域的网络信息传输路径进行规划的过程中，存在陷入死区的路径时，对所述陷入死区的路径的信息浓度进行更新；
其中，所述路径规划模块用于对所述陷入死区的路径的信息浓度进行更新，具体包括：
通过如下表达式对所述陷入死区的路径的信息浓度进行更新：
其中，γ表示区间为(0,1)的常数，Card(P)表示陷入死区的路径P从起点到迭次点之间的信息浓度，τij(t)表示在t时刻从节点i移动到节点j的信息浓度，ρ表示信息浓度挥发系数，n为节点的总数量，τij(t+1)表示在t+1时刻从节点i移动到节点j的信息浓度，所述节点j为所述节点i的下一个节点，
表示信息浓度增加值；
通过如下表达式获得参数
其中，Q表示信息素增量，Lm表示目前信号传输路径的总长度，所述节点j为所述节点i的下一个节点。
9.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述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权利要求1至7任一项所述的网络信息传输路径的规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210373609.8A CN114844824B (zh) | 2022-04-11 | 2022-04-11 | 一种网络信息传输路径的规划方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210373609.8A CN114844824B (zh) | 2022-04-11 | 2022-04-11 | 一种网络信息传输路径的规划方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114844824A CN114844824A (zh) | 2022-08-02 |
| CN114844824B true CN114844824B (zh) | 2023-06-23 |
Family
ID=82564671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210373609.8A Active CN114844824B (zh) | 2022-04-11 | 2022-04-11 | 一种网络信息传输路径的规划方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114844824B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111026126A (zh) * | 2019-12-27 | 2020-04-17 | 哈尔滨工程大学 | 一种基于改进蚁群算法的无人艇全局路径多目标规划方法 |
| CN111323016A (zh) * | 2019-11-26 | 2020-06-23 | 广东工业大学 | 一种基于自适应蚁群算法的移动机器人路径规划方法 |
| CN112947591A (zh) * | 2021-03-19 | 2021-06-11 | 北京航空航天大学 | 基于改进蚁群算法的路径规划方法、装置、介质及无人机 |
| CN113068242A (zh) * | 2021-03-29 | 2021-07-02 | 重庆师范大学 | 基于优化量子蚁群算法的路由规划方法及系统 |
| CN113873610A (zh) * | 2021-09-08 | 2021-12-31 | 广州杰赛科技股份有限公司 | 一种无线信息传输的路径规划方法、装置、设备及介质 |
-
2022
- 2022-04-11 CN CN202210373609.8A patent/CN114844824B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111323016A (zh) * | 2019-11-26 | 2020-06-23 | 广东工业大学 | 一种基于自适应蚁群算法的移动机器人路径规划方法 |
| CN111026126A (zh) * | 2019-12-27 | 2020-04-17 | 哈尔滨工程大学 | 一种基于改进蚁群算法的无人艇全局路径多目标规划方法 |
| CN112947591A (zh) * | 2021-03-19 | 2021-06-11 | 北京航空航天大学 | 基于改进蚁群算法的路径规划方法、装置、介质及无人机 |
| CN113068242A (zh) * | 2021-03-29 | 2021-07-02 | 重庆师范大学 | 基于优化量子蚁群算法的路由规划方法及系统 |
| CN113873610A (zh) * | 2021-09-08 | 2021-12-31 | 广州杰赛科技股份有限公司 | 一种无线信息传输的路径规划方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114844824A (zh) | 2022-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110146100B (zh) | 轨迹预测方法、装置及存储介质 | |
| CN109116841B (zh) | 一种基于蚁群算法的路径规划平滑优化方法 | |
| US10070264B2 (en) | Automated WLAN radio map construction method and system | |
| CN109493592B (zh) | 路径推荐方法及装置 | |
| CN114675643A (zh) | 一种无线传感网络的信息传输路径规划方法及装置 | |
| CN113709701B (zh) | 毫米波车联网联合波束分配和中继选择方法、系统及设备 | |
| CN113760511B (zh) | 一种基于深度确定性策略的车辆边缘计算任务卸载方法 | |
| CN115243273A (zh) | 一种无线传感器网络覆盖优化方法及装置、设备、介质 | |
| CN113709754B (zh) | 基于聚类算法的无线宽带通信系统布站组网方法及系统 | |
| WO2022252457A1 (zh) | 一种自动驾驶控制方法、装置、设备及可读存储介质 | |
| Wang et al. | Intelligent dynamic spectrum access using deep reinforcement learning for VANETs | |
| CN114844824B (zh) | 一种网络信息传输路径的规划方法、装置及终端设备 | |
| CN112562372B (zh) | 一种轨迹数据的处理方法以及相关装置 | |
| CN111866810B (zh) | 一种车联网频谱分配方法及设备 | |
| CN113873610B (zh) | 一种无线信息传输的路径规划方法、装置、设备及介质 | |
| CN108934053B (zh) | 一种不对称通信链路条件下的网络自组织方法 | |
| CN114154930A (zh) | 物流配送网络的确定方法、装置、终端设备及存储介质 | |
| CN113673154A (zh) | 一种晶粒分选过程中的寻径方法、装置、设备及存储介质 | |
| CN113052252A (zh) | 超参数确定方法、装置、深度强化学习框架、介质及设备 | |
| CN114389765A (zh) | 前导序列的映射方法、装置及终端 | |
| CN112396151A (zh) | 谣言事件的分析方法、装置、设备及计算机可读存储介质 | |
| CN111896001A (zh) | 一种三维蚁群航迹优化方法 | |
| CN112651775B (zh) | 一种确定地理辐射范围的方法、装置及电子设备 | |
| CN116933880B (zh) | 基于遗传算法的量子线路深度优化方法、系统和电子设备 | |
| CN115134815B (zh) | 无线ap部署优化方法、系统、设备及存储介质 |
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 |