潘婷

四川大學(xué)電子信息學(xué)院 四川 成都 610065

引言

在目前的研究中，WSN的空中數(shù)據(jù)收集多以UAV作為移動中繼，構(gòu)建為UAV-WSN數(shù)據(jù)收集系統(tǒng)。軍事應(yīng)用UAV-WSN系統(tǒng)時，在受限空域的場景下，對特殊使用空域，必須進(jìn)行避讓，任何被預(yù)測到即將進(jìn)入特殊使用空域的航空器必須改航[1]。

針對受限空域下大規(guī)模地面分散節(jié)點的數(shù)據(jù)收集，通常先使用分簇算法將節(jié)點進(jìn)行分簇，并選舉出簇頭sink節(jié)點，簇內(nèi)節(jié)點將數(shù)據(jù)都匯聚到該簇的sink節(jié)點，UAV通過遍歷這些sink節(jié)點來完成數(shù)據(jù)采集任務(wù)。目前，主要的路徑規(guī)劃算法包括A*算法、模擬退火算法、遺傳算法、差分進(jìn)化算法、粒子群優(yōu)化算法、蟻群算法等[2]。在這些方法中，隨著障礙物復(fù)雜性的增加，遺傳算法、模擬退火算法、A*算法和差分進(jìn)化算法的收斂速度將減慢[3]。 粒子群算法的魯棒性稍差，最優(yōu)解依賴于初始化。 蟻群算法在正反饋、魯棒性等方面具有優(yōu)勢， MMAS在蟻群算法的基礎(chǔ)上，運用了比蟻群算法更為貪婪的搜索，被證明為是最佳的蟻群優(yōu)化之一。

為了減少能耗，最小化UAV飛行時間，本文提出受限空域下的UAV-WSN避障數(shù)據(jù)收集算法。

1 UAV-WSN避障路徑規(guī)劃

在受限空域的場景下，簇頭sink節(jié)點通常分布較為分散，UAV在飛行過程中不但要完成sink節(jié)點的數(shù)據(jù)采集任務(wù)，還需要進(jìn)行障礙區(qū)規(guī)避。UAV路徑規(guī)劃的目的就是遍歷這些sink節(jié)點，基站根據(jù)這些sink節(jié)點的分布，以及障礙區(qū)的位置，計算出一條相對最短路徑。本文提出一種改進(jìn)的避障MMAS算法。

最開始，m只螞蟻被放置在n個隨機(jī)選擇的城市上。當(dāng)前，螞蟻k位于城市i，前往j城市的狀態(tài)轉(zhuǎn)移概率為：

每只螞蟻在選擇的路徑上會留下一定量的信息素，更多螞蟻選擇的城市，其信息素濃度就更高。MMAS的信息素更新機(jī)制如下：

由于MMAS使用了更為貪婪的搜索，算法更容易陷入最優(yōu)解。為了避免這種情況，首先對算法中揮發(fā)系數(shù)進(jìn)行了自適應(yīng)調(diào)整，使算法能夠在陷入局部最優(yōu)的狀態(tài)時及時跳脫，加快收斂速度。

當(dāng)進(jìn)行迭代的輪次大于10輪時，如果連續(xù)10輪的最優(yōu)解質(zhì)量沒有更新，則判定此時陷入局部最優(yōu)，對揮發(fā)系數(shù)進(jìn)行自適應(yīng)調(diào)整[5]。

2 仿真與分析

本文利用Matlab工具對本文的算法進(jìn)行了仿真分析。

2.1 改進(jìn)的MMAS算法

我們在1000m×1000m的仿真環(huán)境中隨機(jī)部署10個節(jié)點，分別經(jīng)過多次試驗后，使用基本MMAS算法求得的最優(yōu)解為3313m，使用改進(jìn)MMAS得到的最優(yōu)解也為3313m，說明兩種算法都能夠較好地求得最優(yōu)解。然而，正如本文所分析的，兩次求解都是經(jīng)過多次試驗才能求得最優(yōu)解，所以，本文做了一個穩(wěn)定性對比試驗：利用兩種算法重復(fù)10次規(guī)劃10個節(jié)點的最短路徑，重點比較兩種算法所求得的最短路徑。實驗結(jié)果顯示，在10次試驗中，MMAS算法有6次獲得了最優(yōu)解，改進(jìn)的MMAS算法（藍(lán)線）只有一次沒有求得最優(yōu)解。另外，對比求得的解的情況，改進(jìn)的MMAS算法所求得的解明顯優(yōu)于基本蟻群算法。綜合來看，說明本文提出的改進(jìn)MMAS算法的穩(wěn)定性優(yōu)于MMAS算法。

最后，比較兩種算法在大規(guī)模環(huán)境下，節(jié)點較多時的性能。同樣在1000m×1000m的場景中，隨機(jī)部署120個節(jié)點，分別用兩種算法規(guī)劃路徑。用MMAS算法經(jīng)過多次試驗后規(guī)劃得到的最短路徑最優(yōu)解為6584m，用改進(jìn)MMAS算法經(jīng)過多次試驗后得到的最短路徑為5676m。對比兩種算法求得的最優(yōu)解發(fā)現(xiàn)，改進(jìn)MMAS算法的最優(yōu)解明顯優(yōu)于MMAS算法的最優(yōu)解，算法性能較為穩(wěn)定[6]。

2.2 避障算法

為了分析本文提出的避障算法的性能，針對不同的節(jié)點規(guī)模進(jìn)行了比較。首先，在1000m×1000m的環(huán)境中，設(shè)置一個受限區(qū)域。通過隨機(jī)部署10個節(jié)點、50個節(jié)點、120節(jié)點分別進(jìn)行30次避障實驗，比較在不同數(shù)量規(guī)模節(jié)點下的避障算法穩(wěn)定性，實驗結(jié)果如下表。

表1 不同節(jié)點數(shù)量避障率對比

可見，傳感器節(jié)點的個數(shù)的確會對避障算法的避障率產(chǎn)生一定影響，隨著節(jié)點個數(shù)的增多，避障成功率有所降低，但依然維持在一個很高的避障成功率[7]。

3 結(jié)束語

本章針對受限空域下的UAV-WSN數(shù)據(jù)收集問題，重點分析了其路徑規(guī)劃和避障問題。本文通過改進(jìn)現(xiàn)有的MMAS算法，進(jìn)一步提高路徑規(guī)劃算法的魯棒性和規(guī)劃效率；然后針對受限空域的避障問題，提出了一種新的避障算法。仿真結(jié)果表明本文提出的改進(jìn)避障MMAS算法提高了路徑規(guī)劃的求解穩(wěn)定性，且具有較高的避障成功率。