CN116528320A - 可控簇规模的无人机自组网簇首推举方法、系统及介质 - Google Patents

可控簇规模的无人机自组网簇首推举方法、系统及介质 Download PDF

Info

Publication number
CN116528320A
CN116528320A CN202310397172.6A CN202310397172A CN116528320A CN 116528320 A CN116528320 A CN 116528320A CN 202310397172 A CN202310397172 A CN 202310397172A CN 116528320 A CN116528320 A CN 116528320A
Authority
CN
China
Prior art keywords
cluster head
node
nodes
cluster
target task
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.)
Pending
Application number
CN202310397172.6A
Other languages
English (en)
Inventor
马健欣
徐庶
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.)
Nanhu Research Institute Of Electronic Technology Of China
Original Assignee
Nanhu Research Institute Of Electronic Technology Of China
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 Nanhu Research Institute Of Electronic Technology Of China filed Critical Nanhu Research Institute Of Electronic Technology Of China
Priority to CN202310397172.6A priority Critical patent/CN116528320A/zh
Publication of CN116528320A publication Critical patent/CN116528320A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • 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
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出一种可控簇规模的无人机自组网簇首推举方法、系统及介质，该方法包括：步骤一：确定目标任务需求，步骤二：计算每个节点的节点相关度rp，判断是否加入簇首备选序列；步骤三：簇首备选序列中的节点检测覆盖范围内节点是否满足所述目标任务需求，若满足继续步骤四；步骤四：对每个簇首备选序列中节点覆盖范围内的节点计算相应权值；步骤五：择优选取覆盖范围内的节点成为其子节点，并计算每个备选簇首权重；步骤六：选取目标任务对应权重最大的备选簇簇首节点为簇首。本发明通过在簇首推举过程中对备选簇首相关度和载荷种类及数量的检测和筛选，保障完成目标任务的节点负载需求，合理资源分配。

Description

可控簇规模的无人机自组网簇首推举方法、系统及介质
技术领域
本发明涉及无人机自组网技术领域，特别是应用于可控簇规模的无人机自组网簇首推举中，更具体地是涉及一种可控簇规模的无人机自组网簇首推举方法、系统及介质。
背景技术
随着无人机产业的发展，市场对其集群化、自主化、智能化的需求也越来越高，对于其完成任务的种类和规模的期待也越来越高。尤其在森林防火、地震救援、边境巡检等广阔地域，加之固定设备匮乏、多目标任务需求，单架无人机因为自身动力和负荷能力很难独自完成复杂或大规模任务。无人机集群由多架无人机组成，每架无人机承担不同的使命，如拍摄、信息融合、协调任务分配、通信中继等，或者同时承担数种角色，身兼数职。
无人机集群可以通过自组网技术协同执行多目标任务。通过自组网技术，这些功能各异的无人机协同合作，可以大幅提高执行任务的能力和效率，但是协同执行任务过程中，各目标任务需求可能有所不同，但现有技术中簇内节点数量、载荷不可控，资源不合理分配影响了无人机自组网络的整体性能和执行任务的效率。
在现有技术中，执行多目标任务过程中，搭载了不同载荷的无人机的不合理分配会导致任务执行效率低下，甚至导致任务失败。而现有无人机集群簇首推举方法大多无法做到簇规模可控，导致与要执行的任务耦合度不高，无法满足灵活机动、协同可控的，资源合理分配的无人机集群自主执行任务需求。目前还没有特别完善的适用于集群无人机的簇规模根据任务灵活可控的簇首推举方法。
发明内容
为解决上述问题，本发明提供根据不同目标任务需求，自组织聚簇的过程中搭载了不同载荷的无人机通过合理资源分配、优化簇规模推举簇首，可以提高执行任务的效率。本发明针对集群无人机自组网簇规模不可控，载荷资源分配不均衡的问题，以提高网络性能和执行任务效率为目标，根据无人机的不同角色、使命、搭载的不同载荷要素，采用分簇的网络结构，提出了一种新的簇规模可控的簇首推举方法。
本发明第一方面公开了一种可控簇规模的无人机自组网簇首推举方法，包括以下步骤：
步骤一：确定目标任务需求，所述目标任务需求包括：需求载荷种类和数量、节点数量nj、目标位置坐标、目标任务数量和目标任务优先级序列；
步骤二：计算每个节点的节点相关度rp，若rp>nj，则将该节点序列号加入簇首备选序列，否则该节点不能成为簇首；nj为目标任务j需求节点数量；
步骤三：对簇首备选序列中的节点，依次检测其覆盖范围内节点载荷种类和数量是否满足所述目标任务需求，若满足继续步骤四，若不满足该节点不能成为簇首，结束；
步骤四：对每个簇首备选序列中的节点所覆盖范围内的节点，根据该节点到达目标位置的距离dskj、与备选簇首的距离dhik、节点电池电量Ek、链路质量LQIik计算其相应权值Qik；
步骤五：根据目标任务需求择优选取所述每个簇首备选序列中的节点覆盖范围内的节点成为所述簇首备选序列中节点的子节点，并计算每个备选簇首权重；所述子节点是簇首节点覆盖范围内非簇首的其他节点，作为该簇首备选序列中节点的子节点；所述择优标准为基于步骤四得到的相应权值Qik，选择权值大于设定阈值权重的节点作为子节点；
步骤六：对目标任务选择簇首备选序列中对应权重最大的节点为簇首。
根据本发明第一方面的方法，所述步骤一还包括：首先为每个无人机节点进行独立编号，并且在自组织聚簇之前获取目标任务需求，包括：目标任务数量、目标任务优先级序列、每个任务目标的需求载荷种类和数量、目标位置坐标。
根据本发明第一方面的方法，所述步骤二中节点相关度具体为簇首备选簇节点覆盖范围内的节点数量。
根据本发明第一方面的方法，所述节点到达目标位置的距离dskj具体为：
节点坐标(xj，yj)，目标位置坐标(xk，yk)为通过导航设备测定的实际物理坐标。
根据本发明第一方面的方法，所述与备选簇首的距离dhik具体为：
节点坐标(xi，yi)，目标位置坐标(xk，yk)为通过导航设备测定的实际物理坐标。
根据本发明第一方面的方法，所述步骤四中权值Qik具体为：
Qik＝αdskj+βdhik+γEk+δLQIik
其中α,β,γ,δ为常数。
根据本发明第一方面的方法，所述步骤六具体包括：目标任务对应权重为：
Wij＝∑Qik’，其中，i表示备选簇首节点，j表示目标任务，k’为所述备选簇首节点对应的子节点。
本发明第二方面公开了一种可控簇规模的无人机自组网簇首推举系统，包括：
第一处理模块：用于确定目标任务需求，所述目标任务需求包括：需求载荷种类和数量、节点数量nj、目标位置坐标、目标任务数量和目标任务优先级序列；
第二处理模块：用于计算每个节点的节点相关度rp，若rp>nj，则将该节点序列号加入簇首备选序列，否则该节点不能成为簇首；其中nj为目标任务j需求节点数量；
第三处理模块，用于对簇首备选序列中的节点，依次检测其覆盖范围内节点载荷种类和数量是否满足所述目标任务需求，若满足进入第四处理模块，若不满足该节点不能成为簇首，结束；
第四处理模块，用于对每个簇首备选序列中的节点所覆盖范围内的节点，根据该节点到达目标位置的距离dskj、与备选簇首的距离dhik、节点电池电量Ek、链路质量LQIik计算其相应权值Qik；
第五处理模块，用于根据目标任务需求择优选取所述每个簇首备选序列中的节点覆盖范围内的节点成为所述簇首备选序列中节点的子节点，并计算每个备选簇首权重；所述子节点是簇首节点覆盖范围内非簇首的其他节点，作为该簇首备选序列中节点的子节点；所述择优标准为基于第四处理模块得到的相应权值Qik，选择权值大于设定阈值权重的节点作为子节点；
第六处理模块，对目标任务选择簇首备选序列中对应权重最大的节点为簇首。
本发明第三方面公开了一种电子设备，包括处理器及存储器，存储器存储有可执行程序，处理器执行所述程序以实现如第一方面所述的可控簇规模的无人机自组网簇首推举方法。
本发明第四方面公开了一种计算机可读存储介质，所述计算机可读存储介质存储有可执行程序，所述程序用于实现如第一方面所述的可控簇规模的无人机自组网簇首推举方法。
综上，本发明提出的方案具备如下技术效果：本发明提供了一种可控簇规模的无人机自组网簇首推举方法、系统及介质，可以在多目标任务情况下，根据不同任务需求推举簇首，并选定对应子节点形成网络，提高网络性能和执行任务效率。
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，显而易见地，下面描述中的附图是本发明的一些实施方式，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是本发明可控簇规模的无人机自组网簇首推举方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只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做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。
图1为本发明提供的一种可控簇规模的无人机自组网簇首推举方法的具体实现流程图，具体包括如下步骤：
步骤一：在获取到目标任务时，需要首先明确目标任务需求，包括：需求载荷种类和数量、节点数量(nj)、目标位置坐标、目标任务数量，目标任务优先级序列；首先每个无人机节点有独立的编号，并且在自组织聚簇之前已获知目标任务需求，包括：目标任务数量、目标任务优先级序列、每个任务目标的需求载荷种类和数量、目标位置坐标；
对于目标任务而言，其可以包括多个目标任务，在接收到多个目标任务时，可以依次排序对其进行簇首的选择；
步骤二：对于可控簇规模规模的无人机自组网，包括多个无人机节点，计算每个节点的节点相关度rp，若rp>nj则将该节点序列号加入簇首备选序列，否则该节点不能成为簇首，等待加入簇；所述节点相关度具体为备选簇节点覆盖范围内节点数量。该步骤可以保证在一定物理覆盖范围内的节点才可成为该簇的节点，保证了在任务执行时的可控性。
步骤三：基于步骤二获取的簇首备选序列中的节点，检测其覆盖范围内节点载荷种类和数量是否满足任务需求，节点载荷种类和数量可以基于节点本身存储的信息获得，在获得这些信息后，与所述任务需求进行比较，若满足任务需求，继续步骤四，若不满足该节点不能成为簇首，等待加入簇；该步骤保证了所述选择的簇首备选序列中的节点可以满足任务执行的需求，具体任务执行所需要的能力，通过无人机本身存储的相关数据库信息来获得；
步骤四：对步骤三中获得的每个簇首备选序列中节点覆盖范围内的节点，按照不同载荷根据到达目标位置的距离(dskj)、与备选簇首的距离(dhik)、节点电池电量(Ek)、链路质量(LQIik)计算相应权值(Qik)；
所述节点到达目标位置的距离dskj具体为：
节点坐标(xj，yj)，目标位置坐标(xk，yk)为通过导航设备测定的实际物理坐标。
所述节点与备选簇首的距离dhik具体为：
节点坐标(xi，yi)，目标位置坐标(xk，yk)为通过导航设备测定的实际物理坐标。
所述步骤四中权值Qik具体为：
Qik＝αdskj+βdhik+γEk+δLQIik
其中α,β,γ,δ为常数，可以根据具体系统获得。
对于距离的获取中，节点坐标为通过GPS、北斗等导航设备测定的实际物理坐标来进行获取，从而进行计算。
步骤五：根据目标任务载荷需求择优选取覆盖范围内的节点成为其子节点，并计算每个备选簇首权重；根据目标任务载荷需求择优选取覆盖范围内的节点k‘计算备选簇首，权重具体为：
Wij＝∑Qik’，其中，i表示备选簇首节点，j表示目标任务，
k’为所述备选簇首节点对应的子节点。
步骤六：根据目标任务排序，依次选取目标任务对应权重最大的备选簇簇首节点为簇首，直至所有目标任务都推举出簇首。
本发明第二方面公开了一种可控簇规模的无人机自组网簇首推举系统，包括：
第一处理模块：用于确定目标任务需求，所述目标任务需求包括：需求载荷种类和数量、目标任务j需求节点数量nj、目标位置坐标、目标任务数量，目标任务优先级序列；
第二处理模块：用于计算每个节点的节点相关度rp，若rp>nj，则将该节点序列号加入簇首备选序列，否则该节点不能成为簇首；
第三处理模块，用于判断簇首备选序列中的节点检测覆盖范围内节点载荷种类和数量是否满足所述目标任务需求，若满足进入第四处理模块，若不满足该节点不能成为簇首；
第四处理模块，用于对每个簇首备选序列中节点覆盖范围内的节点根据到达目标位置的距离dskj、与备选簇首的距离dhik、节点电池电量Ek、链路质量LQIik计算相应权值Qik；
第五处理模块，用于根据目标任务载荷需求择优选取覆盖范围内的节点成为簇首备选序列中节点的子节点，并计算每个备选簇首权重；所述子节点是簇首节点覆盖范围内非簇首的其他节点，作为该簇首备选序列中节点的子节点；所述择优标准为基于第四处理模块得到的相应权值Qik，选择大于设定阈值权重的节点作为子节点；阈值的选择可以根据本领域的经验来设置；
第六处理模块，用于对目标任务选择对应权重最大的簇首备选序列中节点为簇首。
对于多个目标任务，可以基于不同目标任务的需求重复进行簇首的选择，采用本发明的方法，可以基于不同任务需求，并且结合无人机的工作状态进行簇首选择，保证了无人机分组的合理性，使其完成任务能力更符合实际需求。
本发明第三方面公开了一种电子设备，包括处理器及存储器，存储器存储有可执行程序，处理器执行所述程序以实现如第一方面所述的可控簇规模的无人机自组网簇首推举方法。
本发明第四方面公开了一种计算机可读存储介质，所述计算机可读存储介质存储有可执行程序，所述程序用于实现如第一方面所述的可控簇规模的无人机自组网簇首推举方法。
综上，本发明提出的技术方案具备如下技术效果：现有的无人机自组网分簇方法大多关注与网络的动态性和安全性，但无人机集群协同执行不同目标任务时，不同任务目标需求不同，需要的节点数量及载荷也不同。簇规模不可控会导致部分目标任务配备资源过盛，而另一部分目标任务由于节点资源不足而任务失败。目前还没有特别完善的适用于集群无人机的簇规模根据任务灵活可控的分簇方法。本发明通过在簇首推举过程中对备选簇首相关度和载荷种类及数量的检测和筛选，具体通过相关度的判定，缩小簇首推举范围，节约网络能效；采用基于载荷的子节点序列，优化载荷资源分配，提高执行任务效率。通过簇首的推举以及簇内子节点的优化分配，实现了一种可控簇规模的按需分配簇资源的无人机自组网络，保障完成目标任务的节点负载需求，合理资源分配。
请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种可控簇规模的无人机自组网簇首推举方法，其特征在于，包括以下步骤：
步骤一：确定目标任务需求，所述目标任务需求包括：需求载荷种类和数量、节点数量nj、目标位置坐标、目标任务数量和目标任务优先级序列；
步骤二：计算每个节点的节点相关度rp，若rp>nj，则将该节点序列号加入簇首备选序列，否则该节点不能成为簇首；其中nj为目标任务j需求节点数量；
步骤三：对簇首备选序列中的节点，依次检测其覆盖范围内节点载荷种类和数量是否满足所述目标任务需求，若满足继续步骤四，若不满足该节点不能成为簇首，结束；
步骤四：对每个簇首备选序列中的节点所覆盖范围内的节点，根据该节点到达目标位置的距离dskj、与备选簇首的距离dhik、节点电池电量Ek、链路质量LQIik计算其相应权值Qik；
步骤五：根据目标任务需求择优选取所述每个簇首备选序列中的节点覆盖范围内的节点成为所述簇首备选序列中节点的子节点，并计算每个备选簇首权重；所述子节点是簇首节点覆盖范围内非簇首的其他节点，作为该簇首备选序列中节点的子节点；所述择优标准为基于步骤四得到的相应权值Qik，选择权值大于设定阈值权重的节点作为子节点；
步骤六：对目标任务选择簇首备选序列中对应权重最大的节点为簇首。
2.根据权利要求1所述的可控簇规模的无人机自组网簇首推举方法，其特征在于，所述步骤一还包括：首先为每个无人机节点进行独立编号，并且在自组织聚簇之前获取目标任务需求，包括：目标任务数量、目标任务优先级序列、每个任务目标的需求载荷种类和数量、目标位置坐标。
3.根据权利要求1所述的可控簇规模的无人机自组网簇首推举方法，其特征在于，所述步骤二中节点相关度具体为簇首备选簇节点覆盖范围内的节点数量。
4.根据权利要求1所述的可控簇规模的无人机自组网簇首推举方法，其特征在于，所述步骤四中，所述节点到达目标位置的距离dskj具体为：
节点坐标(xj，yj)，目标位置坐标(xk，yk)为通过导航设备测定的实际物理坐标。
5.根据权利要求1所述的可控簇规模的无人机自组网簇首推举方法，其特征在于，所述步骤四中，所述节点与备选簇首的距离dhik具体为：
节点坐标(xi，yi)，目标位置坐标(xk，yk)为通过导航设备测定的实际物理坐标。
6.根据权利要求1所述的可控簇规模的无人机自组网簇首推举方法，其特征在于，所述步骤四中权值Qik具体为：
Qik＝αdskj+βdhik+γEk+δLQIik
其中α,β,γ,δ为常数。
7.根据权利要求1所述的可控簇规模的无人机自组网簇首推举方法，其特征在于，所述步骤六具体包括：目标任务对应权重为：
Wij＝∑Qik’，其中，i表示备选簇首节点，j表示目标任务，
k’为所述备选簇首节点对应的子节点。
8.一种可控簇规模的无人机自组网簇首推举系统，其特征在于：包括：
第一处理模块：用于确定目标任务需求，所述目标任务需求包括：需求载荷种类和数量、节点数量nj、目标位置坐标、目标任务数量和目标任务优先级序列；
第二处理模块：用于计算每个节点的节点相关度rp，若rp>nj，则将该节点序列号加入簇首备选序列，否则该节点不能成为簇首；其中nj为目标任务j需求节点数量；
第三处理模块，用于对簇首备选序列中的节点，依次检测其覆盖范围内节点载荷种类和数量是否满足所述目标任务需求，若满足进入第四处理模块，若不满足该节点不能成为簇首，结束；
第四处理模块，用于对每个簇首备选序列中的节点所覆盖范围内的节点，根据该节点到达目标位置的距离dskj、与备选簇首的距离dhik、节点电池电量Ek、链路质量LQIik计算其相应权值Qik；
第五处理模块，用于根据目标任务需求择优选取所述每个簇首备选序列中的节点覆盖范围内的节点成为所述簇首备选序列中节点的子节点，并计算每个备选簇首权重；所述子节点是簇首节点覆盖范围内非簇首的其他节点，作为该簇首备选序列中节点的子节点；所述择优标准为基于第四处理模块得到的相应权值Qik，选择权值大于设定阈值权重的节点作为子节点；
第六处理模块，对目标任务选择簇首备选序列中对应权重最大的节点为簇首。
9.一种电子设备，其特征在于，包括处理器及存储器，存储器存储有可执行程序，处理器执行所述程序以实现如权利要求1-7所述的可控簇规模的无人机自组网簇首推举方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有可执行程序，所述程序用于实现如权利要求1-7所述的可控簇规模的无人机自组网簇首推举方法。
CN202310397172.6A 2023-04-10 2023-04-10 可控簇规模的无人机自组网簇首推举方法、系统及介质 Pending CN116528320A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310397172.6A CN116528320A (zh) 2023-04-10 2023-04-10 可控簇规模的无人机自组网簇首推举方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310397172.6A CN116528320A (zh) 2023-04-10 2023-04-10 可控簇规模的无人机自组网簇首推举方法、系统及介质

Publications (1)

Publication Number Publication Date
CN116528320A true CN116528320A (zh) 2023-08-01

Family

ID=87407491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310397172.6A Pending CN116528320A (zh) 2023-04-10 2023-04-10 可控簇规模的无人机自组网簇首推举方法、系统及介质

Country Status (1)

Country Link
CN (1) CN116528320A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116963228A (zh) * 2023-09-21 2023-10-27 军事科学院系统工程研究院系统总体研究所 一种面向无人机自组网的分簇路由方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116963228A (zh) * 2023-09-21 2023-10-27 军事科学院系统工程研究院系统总体研究所 一种面向无人机自组网的分簇路由方法及装置
CN116963228B (zh) * 2023-09-21 2023-12-19 军事科学院系统工程研究院系统总体研究所 一种面向无人机自组网的分簇路由方法及装置

Similar Documents

Publication Publication Date Title
CN111867049B (zh) 定位方法、装置及存储介质
CN108243245A (zh) 基于混合雾计算的无线接入网络及其资源调配方法
CN106102079B (zh) 基于改进pso的c-ran载波迁移资源需求预测方法
CN116528320A (zh) 可控簇规模的无人机自组网簇首推举方法、系统及介质
CN103701894A (zh) 动态资源调度方法与系统
CN103677960A (zh) 一种能耗约束的虚拟机博弈重放置方法
CN110059848B (zh) Wsn充电服务站点设定方法及充电设备行驶路径规划方法
CN117726153A (zh) 一种适用于无人机集群作业任务的实时重归划方法
CN112612617B (zh) 卫星遥测数据处理方法、系统及星座状态监控平台
CN111475287B (zh) 基于区块链的多机器人协作多目标点负载均衡搜索方法及系统
CN115964830A (zh) 一种复杂巷道网络下无人机应急中心选址方法及装置
CN112215417B (zh) 柔性连接多节点小天体探测器着陆点最优分配方法
CN105357257A (zh) 一种跨数据中心的关联云数据部署方法
CN114549392B (zh) 太阳能电池片的色差检测方法、装置、设备和计算机介质
CN110703725B (zh) 一种适用于航天姿态轨道控制系统的路径优化方法
CN113910227A (zh) 一种配网车载智能巡检机器人无任务巡检方法及系统
CN113657718A (zh) 一种多机器人动态联盟任务分配方法及相关装置
CN113342911A (zh) 一种顾及网络时空间动态联系的景观连通性评估方法
CN110807248B (zh) 一种航天器集群的成群判定方法
CN117474292B (zh) 一种基于5g传输的网联无人机用调度系统及调度方法
CN116451890B (zh) 一种基于云计算的智慧城市管理方法及系统
CN114793200B (zh) 一种基于电力物联网网络结构的重要物联节点识别方法
CN114885379B (zh) 一种大规模无人机集群自适应分簇组网方法
CN112053096B (zh) 一种采用市场机制的分布式多异构无人平台编组方法
Zhu et al. A hybrid mapping and scheduling algorithm for distributed workflow applications in a heterogeneous computing environment

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