基于负载均衡的Multi-UAV任务分配算法的研究

摘要

近年来，由于硬件技术的发展，硬件成本逐渐降低，具有低功耗、自组织、可靠性、分布式的无线传感器网络WSN(Wireless Sensor Network)获得了人们的广泛关注。在无线传感器网络中，传感器节点随机的分布在检测区域，自组织的形成网络，对所在区域进行实时监控，并将收集到的信息发送给相应的观察者。到目前为止，基于无线传感器网络的应用涉及到实际应用的方方面面，诸如安全监控、目标追踪、指令检测和环境监控等。
　　自从上世界九十年代开始，无人驾驶飞机UAV(Unmanned Aerial Vehicle)也获得以美国为首的许多国家的关注，并获得了较快的发展。与传统的有人驾驶飞机相比，无人机具有规模较小、操作灵活、价格便宜、可持续续航等特点，能够更好的适应于军事侦查、环境监测、人员搜救等领域。
　　由于UAV的可移动性和可持续续航的特点，因此，将UAV应用于WSN不仅能够简化网络的设计，还可以降低由于传感器结点之间通信所造成的能量消耗，从而延长网络的生存时间。
　　随着任务量增长、任务类型的复杂化和工作区域增大等因素，基于单个UAV不能及时有效的完成任务，multi-UAV便开始获得人们的广泛关注。multi-UAV相对于单UAV而言，UAV之间具有更好的协作性，能够通过相互协作共同完成任务。但是，另一方面，由于系统中存在多个UAV，UAV之间可以并行工作，UAV之间的并行性可能导致相互之间的碰撞，以及UAV之间任务的分配是较为复杂的。
　　在以往的研究中，主要关注UAV路径规划、如何避免与障碍物的碰撞、对特定目标的攻击等，而多个UAV之间负载均衡的问题却少有考虑。因此，本文主要考虑的是如何使用多个UAV完成传感器节点的信息采集。本文在k-means聚类算法的基础上，提出了一种新的算法，在总体任务量一定的情况下，保证多个UAV之间负载分配尽可能均衡的同时，调用蚁群算法来最小化无人机的飞行距离。实验过程中，采用Matlab作为仿真工具，对提出的问题进行建模，然后使用改进算法进行负载的划分，最后与k-means聚类算法的划分结果进行对比，并根据对比结果来分析新算法的性能。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1课题来源及研究的背景和意义

1.1.1WSN应用的发展背景

1.1.2Multi-UAV应用的发展背景

1.1.3基于Multi-UAV的WSN发展背景

1.2国内外在该方向的研究现状及分析

1.3主要研究内容

1.3.1系统建模

1.3.2基于负载均衡的Multi-UAV任务分配算法

1.3.3仿真分析

1.4论文创新点

1.5论文结构

第2章 相关理论与建模

2.1系统建模

2.2相关算法介绍

2.2.1k-means算法简介

2.2.2蚁群算法简介

2.3本章小结

第3章 基于负载均衡的Multi-UAV任务分配算法

3.1引言

3.2算法描述

3.2.1相关问题定义

3.2.2目标函数

3.2.3评价参数

3.2.4限制条件

3.3基于负载均衡的Multi-UAV任务分配算法的设计

3.3.1初始分簇的生成

3.3.2UAV最短飞行路径的生成

3.3.3评价参数的计算

3.3.4待调整节点和簇的筛选

3.3.5节点的调整

3.3.6节点调整操作的撤销

3.3.7算法复杂度分析

3.4本章小结

第4章 算法仿真与结果分析

4.1算法实现

4.1.1仿真工具

4.1.2实验场景和相关参数设置

4.2算法仿真与分析

4.2.1算法仿真实现

4.2.2算法性能分析

结论

参考文献

攻读学位期间发表的论文及研究成果

声明

致谢