使用傳統(tǒng)的多跳通信方式收集物聯(lián)網(wǎng)（Internet of Things,IoT）系統(tǒng)中IoT設(shè)備感知的數(shù)據(jù),不僅會(huì)降低網(wǎng)絡(luò)生存期,而且嚴(yán)重影響數(shù)據(jù)的時(shí)效性。部署無人機(jī)（Unmanned Aerial Vehicle,UAV）攜帶微基站協(xié)助完成數(shù)據(jù)收集,可以有效彌補(bǔ)地面網(wǎng)絡(luò)通信資源的匱乏,但是UAV電池容量有限,一旦遇到數(shù)據(jù)傳輸量較大的情況,單架UAV無法滿足系統(tǒng)對(duì)服務(wù)質(zhì)量（Quality of Service,QoS）的要求。利用多UAV形成集群在大規(guī)模IoT中并行收集數(shù)據(jù),可以有效提高網(wǎng)絡(luò)的數(shù)據(jù)傳輸效率�？紤]到UAV的購買成本較高,在滿足IoT設(shè)備QoS需求的條件下,應(yīng)盡量減少所使用的UAV數(shù)量。本文將從以上考慮出發(fā),設(shè)計(jì)高效的UAV集群協(xié)作支持的IoT數(shù)據(jù)收集方法。針對(duì)UAV集群的并行數(shù)據(jù)收集,本文選擇UAV僅在懸停時(shí)收集數(shù)據(jù)。首先,為提高收集效率,本文提出了一種多UAV覆蓋區(qū)域劃分及最優(yōu)懸停位置選擇方法,構(gòu)建了多UAV支持的并行數(shù)據(jù)收集網(wǎng)絡(luò),并給出了詳細(xì)的網(wǎng)絡(luò)系統(tǒng)模型。再以數(shù)學(xué)形式推導(dǎo)每個(gè)IoT設(shè)備的吞吐量表達(dá)式。其次,研究如何將網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)的IoT設(shè)備進(jìn)行分簇,獲得每個(gè)簇中U... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

新一代IoT系統(tǒng)

工程碩士專業(yè)學(xué)位論文14圖2-3中國省會(huì)城市的TSP解Figure2-3TSPsolutionofcapitalcitiesinChinaTSP是一個(gè)典型的組合優(yōu)化問題，且是一個(gè)NP完全難題。通常，找到最優(yōu)解的計(jì)算復(fù)雜度為O(!)，其中是問題中的城市數(shù)。對(duì)于城市相對(duì)較少的TSP，可以通過聯(lián)合線性規(guī)劃在短時(shí)間內(nèi)求得最優(yōu)解，圖2-3所示即為中國省會(huì)城市的TSP解。但是對(duì)于較大的數(shù)據(jù)集，計(jì)算可能會(huì)變得非常耗時(shí)。隨著計(jì)算機(jī)的不斷發(fā)展，功能的不斷強(qiáng)大，才為某些TSP找到了最佳解決方案。目前比較主流的解決方法是采用一些隨機(jī)的、啟發(fā)式的搜索算法[66,67]，比如遺傳算法、蟻群算法、模擬退貨算法、粒子群算法等[68,69]。這些方法以偏離最優(yōu)解為代價(jià)，節(jié)省了大量的計(jì)算時(shí)間。圖2-4多旅行商問題路徑規(guī)劃Figure2-4Routeplanningformultipletravelsalesmenproblem多旅行商問題(MultipleTravelingSalesmanProblem,MTSP)是對(duì)經(jīng)典TSP的擴(kuò)展，即安排多位旅行商訪問多個(gè)城市，在每個(gè)城市都由一位旅行商訪問一次的前提下，尋找多位旅行商穿越所有城市的最短路徑，如圖2-4所示。根據(jù)起點(diǎn)和終點(diǎn)位置的不同，MTSP可以分為不同的情況，例如：1）所有旅行商從同一起點(diǎn)出發(fā)，最終回到起點(diǎn)；2）所有旅行商從不同起點(diǎn)出發(fā)，回到統(tǒng)一終點(diǎn)；3）所有旅行商從不同起點(diǎn)出發(fā)回到各自起點(diǎn)等。本文主要考慮第一種情況，具體來說，即給定座城市，1個(gè)倉庫（位旅行商集合的地方）和成本度量，其中>，MTSP的目標(biāo)是為位旅行商各找到一組路線，以使路線的總成本最小化。成本

工程碩士專業(yè)學(xué)位論文14圖2-3中國省會(huì)城市的TSP解Figure2-3TSPsolutionofcapitalcitiesinChinaTSP是一個(gè)典型的組合優(yōu)化問題，且是一個(gè)NP完全難題。通常，找到最優(yōu)解的計(jì)算復(fù)雜度為O(!)，其中是問題中的城市數(shù)。對(duì)于城市相對(duì)較少的TSP，可以通過聯(lián)合線性規(guī)劃在短時(shí)間內(nèi)求得最優(yōu)解，圖2-3所示即為中國省會(huì)城市的TSP解。但是對(duì)于較大的數(shù)據(jù)集，計(jì)算可能會(huì)變得非常耗時(shí)。隨著計(jì)算機(jī)的不斷發(fā)展，功能的不斷強(qiáng)大，才為某些TSP找到了最佳解決方案。目前比較主流的解決方法是采用一些隨機(jī)的、啟發(fā)式的搜索算法[66,67]，比如遺傳算法、蟻群算法、模擬退貨算法、粒子群算法等[68,69]。這些方法以偏離最優(yōu)解為代價(jià)，節(jié)省了大量的計(jì)算時(shí)間。圖2-4多旅行商問題路徑規(guī)劃Figure2-4Routeplanningformultipletravelsalesmenproblem多旅行商問題(MultipleTravelingSalesmanProblem,MTSP)是對(duì)經(jīng)典TSP的擴(kuò)展，即安排多位旅行商訪問多個(gè)城市，在每個(gè)城市都由一位旅行商訪問一次的前提下，尋找多位旅行商穿越所有城市的最短路徑，如圖2-4所示。根據(jù)起點(diǎn)和終點(diǎn)位置的不同，MTSP可以分為不同的情況，例如：1）所有旅行商從同一起點(diǎn)出發(fā)，最終回到起點(diǎn)；2）所有旅行商從不同起點(diǎn)出發(fā)，回到統(tǒng)一終點(diǎn)；3）所有旅行商從不同起點(diǎn)出發(fā)回到各自起點(diǎn)等。本文主要考慮第一種情況，具體來說，即給定座城市，1個(gè)倉庫（位旅行商集合的地方）和成本度量，其中>，MTSP的目標(biāo)是為位旅行商各找到一組路線，以使路線的總成本最小化。成本


本文編號(hào)：3051828