針對非均勻目標(biāo)區(qū)域中的熱點區(qū)域覆蓋優(yōu)化場景,提出一種分布式無人機網(wǎng)絡(luò)覆蓋優(yōu)化算法。首先對滿足網(wǎng)絡(luò)連通性的最少無人機節(jié)點數(shù)目和熱點區(qū)域覆蓋范圍進(jìn)行估計,其次融入熱點區(qū)域信息改進(jìn)布谷鳥算法位置更新方程并重構(gòu)優(yōu)化目標(biāo)函數(shù),然后對發(fā)現(xiàn)概率參數(shù)進(jìn)行自適應(yīng)調(diào)整,最終實現(xiàn)熱點區(qū)域覆蓋率的重點優(yōu)化。在仿真實驗分析中,在相同仿真環(huán)境下與標(biāo)準(zhǔn)布谷鳥算法和其他經(jīng)典算法進(jìn)行對比,結(jié)果表明所提算法的熱點區(qū)域覆蓋率較其他算法提升了約4%,迭代次數(shù)減少了約30次,證明了該算法收斂速度快、耗時少,能夠更加有效地提高熱點區(qū)域的覆蓋率。 

【文章來源】：空軍工程大學(xué)學(xué)報(自然科學(xué)版). 2019,20(04)北大核心CSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
1 算法建模
    1.1 模型假設(shè)
    1.2 節(jié)點數(shù)量預(yù)估計
    1.3 熱點區(qū)域確定
2 算法實現(xiàn)
    2.1 標(biāo)準(zhǔn)布谷鳥搜索算法的理論框架
    2.2 改進(jìn)布谷鳥搜索算法
        2.2.1 位置更新方程改進(jìn)
        2.2.2 發(fā)現(xiàn)概率參數(shù)自適應(yīng)改進(jìn)
        2.2.3 優(yōu)化目標(biāo)函數(shù)重構(gòu)
    2.3 改進(jìn)布谷鳥搜索算法步驟
3 仿真實驗分析
    3.1 仿真實驗1
    3.2 仿真實驗2
4 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]節(jié)點能量均衡和區(qū)域重要程度的WSN節(jié)點配置算法[J]. 李建峰,程詠梅,王睿.  火力與指揮控制. 2009(04)



本文編號：3251712