无人机集群协作支持的物联网数据收集方法研究
发布时间：2021-02-26 00:52
使用传统的多跳通信方式收集物联网（Internet of Things,IoT）系统中IoT设备感知的数据,不仅会降低网络生存期,而且严重影响数据的时效性。部署无人机（Unmanned Aerial Vehicle,UAV）携带微基站协助完成数据收集,可以有效弥补地面网络通信资源的匮乏,但是UAV电池容量有限,一旦遇到数据传输量较大的情况,单架UAV无法满足系统对服务质量（Quality of Service,QoS）的要求。利用多UAV形成集群在大规模IoT中并行收集数据,可以有效提高网络的数据传输效率。考虑到UAV的购买成本较高,在满足IoT设备QoS需求的条件下,应尽量减少所使用的UAV数量。本文将从以上考虑出发,设计高效的UAV集群协作支持的IoT数据收集方法。针对UAV集群的并行数据收集,本文选择UAV仅在悬停时收集数据。首先,为提高收集效率,本文提出了一种多UAV覆盖区域划分及最优悬停位置选择方法,构建了多UAV支持的并行数据收集网络,并给出了详细的网络系统模型。再以数学形式推导每个IoT设备的吞吐量表达式。其次,研究如何将网络覆盖区域内的IoT设备进行分簇,获得每个簇中U...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
新一代IoT系统
工程硕士专业学位论文14图2-3中国省会城市的TSP解Figure2-3TSPsolutionofcapitalcitiesinChinaTSP是一个典型的组合优化问题，且是一个NP完全难题。通常，找到最优解的计算复杂度为O(!)，其中是问题中的城市数。对于城市相对较少的TSP，可以通过联合线性规划在短时间内求得最优解，图2-3所示即为中国省会城市的TSP解。但是对于较大的数据集，计算可能会变得非常耗时。随着计算机的不断发展，功能的不断强大，才为某些TSP找到了最佳解决方案。目前比较主流的解决方法是采用一些随机的、启发式的搜索算法[66,67]，比如遗传算法、蚁群算法、模拟退货算法、粒子群算法等[68,69]。这些方法以偏离最优解为代价，节省了大量的计算时间。图2-4多旅行商问题路径规划Figure2-4Routeplanningformultipletravelsalesmenproblem多旅行商问题(MultipleTravelingSalesmanProblem,MTSP)是对经典TSP的扩展，即安排多位旅行商访问多个城市，在每个城市都由一位旅行商访问一次的前提下，寻找多位旅行商穿越所有城市的最短路径，如图2-4所示。根据起点和终点位置的不同，MTSP可以分为不同的情况，例如：1）所有旅行商从同一起点出发，最终回到起点；2）所有旅行商从不同起点出发，回到统一终点；3）所有旅行商从不同起点出发回到各自起点等。本文主要考虑第一种情况，具体来说，即给定座城市，1个仓库（位旅行商集合的地方）和成本度量，其中>，MTSP的目标是为位旅行商各找到一组路线，以使路线的总成本最小化。成本
工程硕士专业学位论文14图2-3中国省会城市的TSP解Figure2-3TSPsolutionofcapitalcitiesinChinaTSP是一个典型的组合优化问题，且是一个NP完全难题。通常，找到最优解的计算复杂度为O(!)，其中是问题中的城市数。对于城市相对较少的TSP，可以通过联合线性规划在短时间内求得最优解，图2-3所示即为中国省会城市的TSP解。但是对于较大的数据集，计算可能会变得非常耗时。随着计算机的不断发展，功能的不断强大，才为某些TSP找到了最佳解决方案。目前比较主流的解决方法是采用一些随机的、启发式的搜索算法[66,67]，比如遗传算法、蚁群算法、模拟退货算法、粒子群算法等[68,69]。这些方法以偏离最优解为代价，节省了大量的计算时间。图2-4多旅行商问题路径规划Figure2-4Routeplanningformultipletravelsalesmenproblem多旅行商问题(MultipleTravelingSalesmanProblem,MTSP)是对经典TSP的扩展，即安排多位旅行商访问多个城市，在每个城市都由一位旅行商访问一次的前提下，寻找多位旅行商穿越所有城市的最短路径，如图2-4所示。根据起点和终点位置的不同，MTSP可以分为不同的情况，例如：1）所有旅行商从同一起点出发，最终回到起点；2）所有旅行商从不同起点出发，回到统一终点；3）所有旅行商从不同起点出发回到各自起点等。本文主要考虑第一种情况，具体来说，即给定座城市，1个仓库（位旅行商集合的地方）和成本度量，其中>，MTSP的目标是为位旅行商各找到一组路线，以使路线的总成本最小化。成本
本文编号：3051828
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
新一代IoT系统
工程硕士专业学位论文14图2-3中国省会城市的TSP解Figure2-3TSPsolutionofcapitalcitiesinChinaTSP是一个典型的组合优化问题，且是一个NP完全难题。通常，找到最优解的计算复杂度为O(!)，其中是问题中的城市数。对于城市相对较少的TSP，可以通过联合线性规划在短时间内求得最优解，图2-3所示即为中国省会城市的TSP解。但是对于较大的数据集，计算可能会变得非常耗时。随着计算机的不断发展，功能的不断强大，才为某些TSP找到了最佳解决方案。目前比较主流的解决方法是采用一些随机的、启发式的搜索算法[66,67]，比如遗传算法、蚁群算法、模拟退货算法、粒子群算法等[68,69]。这些方法以偏离最优解为代价，节省了大量的计算时间。图2-4多旅行商问题路径规划Figure2-4Routeplanningformultipletravelsalesmenproblem多旅行商问题(MultipleTravelingSalesmanProblem,MTSP)是对经典TSP的扩展，即安排多位旅行商访问多个城市，在每个城市都由一位旅行商访问一次的前提下，寻找多位旅行商穿越所有城市的最短路径，如图2-4所示。根据起点和终点位置的不同，MTSP可以分为不同的情况，例如：1）所有旅行商从同一起点出发，最终回到起点；2）所有旅行商从不同起点出发，回到统一终点；3）所有旅行商从不同起点出发回到各自起点等。本文主要考虑第一种情况，具体来说，即给定座城市，1个仓库（位旅行商集合的地方）和成本度量，其中>，MTSP的目标是为位旅行商各找到一组路线，以使路线的总成本最小化。成本
工程硕士专业学位论文14图2-3中国省会城市的TSP解Figure2-3TSPsolutionofcapitalcitiesinChinaTSP是一个典型的组合优化问题，且是一个NP完全难题。通常，找到最优解的计算复杂度为O(!)，其中是问题中的城市数。对于城市相对较少的TSP，可以通过联合线性规划在短时间内求得最优解，图2-3所示即为中国省会城市的TSP解。但是对于较大的数据集，计算可能会变得非常耗时。随着计算机的不断发展，功能的不断强大，才为某些TSP找到了最佳解决方案。目前比较主流的解决方法是采用一些随机的、启发式的搜索算法[66,67]，比如遗传算法、蚁群算法、模拟退货算法、粒子群算法等[68,69]。这些方法以偏离最优解为代价，节省了大量的计算时间。图2-4多旅行商问题路径规划Figure2-4Routeplanningformultipletravelsalesmenproblem多旅行商问题(MultipleTravelingSalesmanProblem,MTSP)是对经典TSP的扩展，即安排多位旅行商访问多个城市，在每个城市都由一位旅行商访问一次的前提下，寻找多位旅行商穿越所有城市的最短路径，如图2-4所示。根据起点和终点位置的不同，MTSP可以分为不同的情况，例如：1）所有旅行商从同一起点出发，最终回到起点；2）所有旅行商从不同起点出发，回到统一终点；3）所有旅行商从不同起点出发回到各自起点等。本文主要考虑第一种情况，具体来说，即给定座城市，1个仓库（位旅行商集合的地方）和成本度量，其中>，MTSP的目标是为位旅行商各找到一组路线，以使路线的总成本最小化。成本
本文编号：3051828
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3051828.html
