王 巍，梁雅靜，劉 陽，洪慧君

1.河北工程大學(xué) 信息與電氣工程學(xué)院，河北 邯鄲 056038

2.河北省安防信息感知與處理重點(diǎn)實(shí)驗(yàn)室，河北 邯鄲 056038

3.江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無錫 214122

近年來，每年都會有自然災(zāi)害發(fā)生，例如地震、颶風(fēng)、火山爆發(fā)以及海嘯等。而城市地區(qū)因其人口眾多，建筑密集，在災(zāi)害發(fā)生后會受到極其嚴(yán)重的損害。突發(fā)事件的發(fā)生使得城市地面通信基礎(chǔ)設(shè)施極易處于擁塞癱瘓狀態(tài)或者遭到嚴(yán)重毀壞，進(jìn)一步導(dǎo)致城市災(zāi)區(qū)的環(huán)境信息以及救援信息無法得到有效傳輸，進(jìn)而影響救援行動的有效實(shí)施。經(jīng)研究，災(zāi)后的72小時(shí)是“黃金救援時(shí)間”，因此，災(zāi)后的緊急救援是挽救生命的重要過程[1]。在此期間，救援人員之間的通信以及城市中遇難者的位置信息等是極其重要的，他們需要共享信息來了解更多的災(zāi)區(qū)情況以便更高效地完成救援任務(wù)，挽救更多的生命，減少損失。

隨著無人機(jī)相關(guān)關(guān)鍵技術(shù)的突破，無人機(jī)集群組成的無人機(jī)網(wǎng)絡(luò)能夠?qū)ΡO(jiān)測環(huán)境進(jìn)行信息采集、處理和發(fā)送，并被廣泛運(yùn)用于應(yīng)急通信、環(huán)境監(jiān)控、軍事偵察、物流等領(lǐng)域[2-3]。無人機(jī)網(wǎng)絡(luò)因其移動性靈活、自主性強(qiáng)等特點(diǎn)，在應(yīng)急通信領(lǐng)域發(fā)揮著越來越重要的作用。其中，覆蓋率是衡量無人機(jī)網(wǎng)絡(luò)性能的一個(gè)重要因素，因此城市災(zāi)區(qū)的網(wǎng)絡(luò)覆蓋優(yōu)化問題成為重要的研究熱點(diǎn)之一。

針對城市災(zāi)區(qū)無人機(jī)網(wǎng)絡(luò)覆蓋優(yōu)化的研究，文獻(xiàn)[4]對災(zāi)區(qū)進(jìn)行模擬得到三維立體圖以及重點(diǎn)區(qū)域，對A*算法進(jìn)行優(yōu)化，提高了無人機(jī)的巡查覆蓋率，但并非網(wǎng)絡(luò)覆蓋率。文獻(xiàn)[5]針對城市地震場景，提出一種自適應(yīng)反饋遺傳算法，但目的是優(yōu)化任務(wù)規(guī)劃，并非對網(wǎng)絡(luò)的覆蓋優(yōu)化。文獻(xiàn)[6]研究了城市環(huán)境下無人機(jī)的軌跡規(guī)劃問題，重點(diǎn)優(yōu)化的是無人機(jī)的行動軌跡。文獻(xiàn)[7]提出了一種兩階段優(yōu)化算法來為城市地區(qū)提供無縫的長期覆蓋，但重點(diǎn)是對能源消耗的優(yōu)化。文獻(xiàn)[8]介紹了一種新型的無人機(jī)輔助路由協(xié)議，重點(diǎn)對城市環(huán)境下的無人機(jī)網(wǎng)絡(luò)通信服務(wù)質(zhì)量進(jìn)行優(yōu)化，但不適用于災(zāi)害發(fā)生的場景。文獻(xiàn)[9]提出了一種改進(jìn)的自適應(yīng)車輛跟蹤算法，優(yōu)化無人機(jī)對地面車輛的動態(tài)追蹤，但并不適用災(zāi)區(qū)環(huán)境。文獻(xiàn)[10]集中于對城市災(zāi)區(qū)的研究，提出了一種無人機(jī)在災(zāi)難場景下進(jìn)行戰(zhàn)術(shù)動作的智能策略。結(jié)合了Jaccard距離以及模擬退火算法對地面用戶進(jìn)行動態(tài)覆蓋。這個(gè)策略在保證網(wǎng)絡(luò)連通的情況下，最大化了無人機(jī)服務(wù)的受害者的數(shù)量。但是還存在較多處在角落的節(jié)點(diǎn)未被覆蓋。

針對以上算法的不足，為了對城市災(zāi)區(qū)環(huán)境下重點(diǎn)區(qū)域的移動地面用戶節(jié)點(diǎn)進(jìn)行覆蓋優(yōu)化，本文首先對城市災(zāi)區(qū)的節(jié)點(diǎn)移動進(jìn)行模擬，通過模型獲得城市災(zāi)區(qū)中的參數(shù)。其次，對布谷鳥算法進(jìn)行改進(jìn)，融入從模型中獲得的參數(shù)，引入虛擬力對布谷鳥算法的位置更新方程進(jìn)行調(diào)整以保證網(wǎng)絡(luò)的連通性，并引入權(quán)重系數(shù)對目標(biāo)函數(shù)進(jìn)行歸一化以提高重點(diǎn)區(qū)域的覆蓋率。結(jié)果表明，該算法適用于城市災(zāi)區(qū)移動節(jié)點(diǎn)的覆蓋優(yōu)化，且在維持網(wǎng)絡(luò)連通性的情況下重點(diǎn)提高了無人機(jī)網(wǎng)絡(luò)對重點(diǎn)區(qū)域的覆蓋率。

1 城市場景模擬

本文重點(diǎn)研究無人機(jī)網(wǎng)絡(luò)對城市災(zāi)區(qū)的通信覆蓋優(yōu)化問題。而我國城市數(shù)量眾多，且城市的人口、面積懸殊，建筑物特征、布局各異。而建筑物功能分類結(jié)果可作為推測建筑物內(nèi)人口密度的依據(jù)，服務(wù)于配套設(shè)施的規(guī)劃和緊急情況的應(yīng)對[11]。因此，在對城市災(zāi)區(qū)進(jìn)行應(yīng)急通信網(wǎng)絡(luò)覆蓋之前，需要先對城市場景進(jìn)行模擬。

設(shè)待覆蓋城市區(qū)域A為二維平面，則A?B,R,P,X，其中B為建筑物，R為道路，P為公園等開放性區(qū)域，X為禁止區(qū)域（人類無法進(jìn)入的區(qū)域、湖泊、河流等）。文獻(xiàn)[11]通過計(jì)算不同類型的興趣點(diǎn)（POI）的加權(quán)來識別地圖中的建筑物功能類型，并將建筑物劃分為8類。則建筑物集合B?B1,B2,…,B8，其中B1～B8分別代表居住建筑、公共建筑、商業(yè)建筑、商公混合建筑、住公混合建筑、商公混合建筑、其他。文獻(xiàn)[12]以景觀視角將城市的道路劃分為6類，分別為快速通過型道路、穿越通過型道路、景觀旅游型街道、符合共享型街道、居民生活型街道和景觀休閑步行路，則道路集合R?R1,R2,R3,R4,R5,R6。

由于某校區(qū)總體空間布局滿足城市空間布局的集中式總體布局特征，因此本文基于文獻(xiàn)[13]提出的城市災(zāi)區(qū)地面用戶節(jié)點(diǎn)移動模型，以該校區(qū)為例進(jìn)行建模。公共類建筑，像醫(yī)院、學(xué)校等較大規(guī)模的公共服務(wù)機(jī)構(gòu)呈現(xiàn)組團(tuán)模式的聚集分布[11]。因此該學(xué)校區(qū)域建筑集合Bs?B1,B2,道路集合Rs?R1,R2,其中，B1,B2?B,R1,R2?R。

根據(jù)以上描述對模擬區(qū)域進(jìn)行區(qū)域劃分，由于模擬區(qū)域中的某些道路兩旁有較大面積的草坪覆蓋，當(dāng)?shù)卣鸢l(fā)生后，地面用戶節(jié)點(diǎn)可以在草坪上隨機(jī)移動，因此本文將此類道路和草坪共同劃分為開放性區(qū)域。且由于學(xué)校的特殊性，學(xué)校的居住建筑以及公共建筑都會有一定的用戶節(jié)點(diǎn)分布，因此本文將居住建筑和公共建共同劃分為建筑區(qū)。區(qū)域劃分情況如圖1所示。

圖1 實(shí)際區(qū)域劃分情況Fig.1 Actual area division

節(jié)點(diǎn)在開放性區(qū)域遵循隨機(jī)游走（random）的移動規(guī)則，會隨機(jī)改變速度和方向；在建筑區(qū)域中，節(jié)點(diǎn)隨機(jī)產(chǎn)生四個(gè)方向，向建筑區(qū)的邊界移動并最終移動到出口，本文將此移動規(guī)則定義為B-trend；在街道上，節(jié)點(diǎn)線性移動（linear），當(dāng)街道由于建筑殘骸而被封鎖時(shí)節(jié)點(diǎn)停止移動，由于節(jié)點(diǎn)在街道以及道路在被封鎖之前都是線性移動的，因此本文中街道以及被封鎖的道路采用同一個(gè)區(qū)域，道路被封鎖通過節(jié)點(diǎn)停止移動來體現(xiàn)；本文中的禁止區(qū)域是指學(xué)校中的湖泊以及無法進(jìn)入的區(qū)域；當(dāng)?shù)卣鸢l(fā)生后也可能會發(fā)生余震使建筑物坍塌（B-col）的突發(fā)情況，此時(shí)地面用戶節(jié)點(diǎn)被困在區(qū)域中，通過使節(jié)點(diǎn)消失（fade）來模擬這一情況。

由于學(xué)校內(nèi)建筑特征的不同，受災(zāi)區(qū)域的位置不同，導(dǎo)致不同區(qū)域內(nèi)地面用戶節(jié)點(diǎn)的移動規(guī)則有所差異，因此本文通過限制節(jié)點(diǎn)的移動來實(shí)現(xiàn)對城市災(zāi)區(qū)的不同區(qū)域類型的模擬。根據(jù)待覆蓋區(qū)域As內(nèi)建筑物類型以及道路類型，相應(yīng)區(qū)域內(nèi)隨機(jī)分布有對應(yīng)密度的地面用戶節(jié)點(diǎn)。整個(gè)區(qū)域內(nèi)分布的用戶節(jié)點(diǎn)的總個(gè)數(shù)為n，節(jié)點(diǎn)集合為G={g1,g2,…,gn}，則節(jié)點(diǎn)gi(i=1,2,…,n)所遵循的移動規(guī)則如下所示：

2 算法實(shí)現(xiàn)

2.1 布谷鳥算法描述

布谷鳥搜索算法（CS）是一種基于巢寄生性以及萊維（Levy）飛行搜索機(jī)制的群體智能優(yōu)化算法。該算法精度較高、復(fù)雜度較低、穩(wěn)定性較好[14]。算法的實(shí)現(xiàn)需設(shè)定3個(gè)理想規(guī)則[15]：

（1）每只鳥一次只產(chǎn)一個(gè)蛋，并隨機(jī)在一個(gè)宿主鳥巢中孵化。

（2）從隨機(jī)選擇的一組鳥巢中，最好的高品質(zhì)鳥巢保留到下一代。

（3）可利用的宿主鳥巢的數(shù)量n是固定的，一個(gè)鳥巢的主人能發(fā)現(xiàn)巢中的蛋是外來蛋的概率是Pa，且Pa∈[0,1]。當(dāng)宿主發(fā)現(xiàn)是外來鳥蛋時(shí)，會將蛋丟棄或者重新尋找位置來建立新的鳥巢。

基于以上3個(gè)理想規(guī)則，算法迭代過程中鳥巢的位置更新公式如下：

步長因子α的表達(dá)式為：

式中，α0為常數(shù)，zbest表示當(dāng)前的最優(yōu)解。萊維飛行L(β)的表達(dá)式為：

式中，μ和υ均服從標(biāo)準(zhǔn)高斯分布。且φ滿足：

結(jié)合公式（1）、（2）和（3），可推導(dǎo)出鳥巢的位置更新公式為：

2.2 布谷鳥搜索算法的改進(jìn)

傳統(tǒng)的布谷鳥算法對無人機(jī)網(wǎng)絡(luò)的覆蓋優(yōu)化，是將地面用戶節(jié)點(diǎn)視為靜止節(jié)點(diǎn)，不能保證網(wǎng)絡(luò)的連通性，并且覆蓋優(yōu)化的區(qū)域是整個(gè)目標(biāo)區(qū)域。文獻(xiàn)[16]對熱點(diǎn)區(qū)域進(jìn)行確定，并對布谷鳥算法進(jìn)行改進(jìn)，提高了無人機(jī)網(wǎng)絡(luò)對熱點(diǎn)區(qū)域的覆蓋率，但作者并未考慮地面用戶節(jié)點(diǎn)的移動性，且適應(yīng)場景為非城市災(zāi)區(qū)。

在實(shí)際的城市災(zāi)區(qū)，地面用戶節(jié)點(diǎn)為移動節(jié)點(diǎn)，當(dāng)無人機(jī)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)穩(wěn)定不變時(shí)，隨時(shí)會有節(jié)點(diǎn)遠(yuǎn)離無人機(jī)網(wǎng)絡(luò)的覆蓋區(qū)域，當(dāng)處于網(wǎng)絡(luò)覆蓋區(qū)域外的節(jié)點(diǎn)過多時(shí)，無人機(jī)網(wǎng)絡(luò)無法對其進(jìn)行覆蓋。因此本文首先針對災(zāi)區(qū)地面用戶節(jié)點(diǎn)的移動特性，對布谷鳥算法的位置更新方程進(jìn)行改進(jìn)，以實(shí)現(xiàn)無人機(jī)網(wǎng)絡(luò)對災(zāi)區(qū)的自適應(yīng)覆蓋，但基于此步改進(jìn)，并沒有保證無人機(jī)網(wǎng)絡(luò)的連通性，且可能會出現(xiàn)覆蓋重疊的情況。

針對第一步改進(jìn)出現(xiàn)的弊端，為了維持無人機(jī)網(wǎng)絡(luò)的連通性，在改進(jìn)的基礎(chǔ)上引入虛擬力對位置方程進(jìn)行調(diào)整，當(dāng)無人機(jī)節(jié)點(diǎn)為非連通節(jié)點(diǎn)時(shí)采用引力，當(dāng)無人機(jī)節(jié)點(diǎn)為連通節(jié)點(diǎn)時(shí)，判斷無人機(jī)節(jié)點(diǎn)間的距離，當(dāng)距離小于某一閾值時(shí)，則采用斥力。

在本文提出的災(zāi)區(qū)地面用戶節(jié)點(diǎn)移動模型中，節(jié)點(diǎn)并非分布于整個(gè)區(qū)域，因此無人機(jī)網(wǎng)絡(luò)只需對用戶節(jié)點(diǎn)活動的區(qū)域覆蓋即可?；诖耍疚膶Σ脊萨B算法的目標(biāo)函數(shù)進(jìn)行加權(quán)優(yōu)化，引入加權(quán)系數(shù)，在一定程度上犧牲其他區(qū)域的覆蓋率，重點(diǎn)優(yōu)化用戶節(jié)點(diǎn)活動區(qū)域的覆蓋率。具體改進(jìn)如下。

2.2.1 位置更新方程的改進(jìn)

采用傳統(tǒng)的布谷鳥算法部署無人機(jī)網(wǎng)絡(luò)，隨著算法迭代結(jié)束，無人機(jī)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)趨于穩(wěn)定，其所覆蓋的地面區(qū)域也將恒定不變。而由于受災(zāi)區(qū)域內(nèi)地面用戶節(jié)點(diǎn)的移動特性，當(dāng)某些用戶節(jié)點(diǎn)隨時(shí)間變化逐漸移動出應(yīng)急網(wǎng)絡(luò)的覆蓋區(qū)域時(shí)，將無法獲得用戶節(jié)點(diǎn)的相關(guān)信息，對應(yīng)急救援任務(wù)帶來不便。因此為了實(shí)現(xiàn)無人機(jī)網(wǎng)絡(luò)的自適應(yīng)覆蓋，本文通過城市災(zāi)區(qū)人員的移動模型獲得各個(gè)時(shí)刻地面用戶節(jié)點(diǎn)的坐標(biāo)位置并作為布谷鳥算法的輸入。由于在本文所提出的城市災(zāi)區(qū)的節(jié)點(diǎn)移動模型中，各個(gè)分區(qū)域的內(nèi)節(jié)點(diǎn)移動規(guī)則是一致的，除開放性區(qū)域，節(jié)點(diǎn)最終將分布在某一區(qū)域處。因此考慮到無人機(jī)網(wǎng)絡(luò)的能耗，無人機(jī)i選擇當(dāng)前時(shí)刻與其水平距離最近的用戶節(jié)點(diǎn)位置方向移動即可覆蓋該區(qū)域處多個(gè)用戶節(jié)點(diǎn)。

首先計(jì)算當(dāng)前時(shí)刻所有地面用戶節(jié)點(diǎn)與無人機(jī)節(jié)點(diǎn)集S之間的水平距離，將得到距離矩陣如下：

其中，n為無人機(jī)的個(gè)數(shù)，p為地面移動節(jié)點(diǎn)的個(gè)數(shù)。計(jì)算該矩陣每列的最小值以及最小值所在行數(shù)即可獲得距離無人機(jī)節(jié)點(diǎn)集水平距離最小的節(jié)點(diǎn)坐標(biāo)集。計(jì)算無人機(jī)i與其水平距離最近的節(jié)點(diǎn)的坐標(biāo)差值(Δxi,Δyi)，通過計(jì)算得出無人機(jī)節(jié)點(diǎn)的橫縱坐標(biāo)改進(jìn)距離如下：

結(jié)合公式（5）和公式（7）可得當(dāng)前時(shí)刻改進(jìn)的布谷鳥算法的位置更新方程為：

2.2.2 虛擬力向?qū)У牟脊萨B算法調(diào)整

根據(jù)公式（9）的位置更新方程，無人機(jī)節(jié)點(diǎn)向當(dāng)前時(shí)刻與其水平距離最近的節(jié)點(diǎn)移動，可能會出現(xiàn)多個(gè)無人機(jī)的下一目標(biāo)位置坐標(biāo)相近的情況。由于城市災(zāi)區(qū)的建筑特征，部分地面用戶節(jié)點(diǎn)分簇分布，當(dāng)簇與簇之間的距離過大，會導(dǎo)致無人機(jī)網(wǎng)絡(luò)不連通。因此，為了維持無人機(jī)網(wǎng)絡(luò)的連通性，本文引力虛擬力對位置更新方程進(jìn)行調(diào)整。

對于任意兩個(gè)無人機(jī)節(jié)點(diǎn)si、sj，節(jié)點(diǎn)間的歐式距離為。計(jì)算所有無人機(jī)節(jié)點(diǎn)間的歐氏距離，獲得距離矩陣如下：

矩陣中的對角線元素0表示無人機(jī)節(jié)點(diǎn)與自身的距離，因此為了方便計(jì)算，將對角線的0設(shè)置為無窮大，獲得距離矩陣為：

其中，θij表示力的方向，和ωr分別表示引力系數(shù)和斥力系數(shù)。由于本文假設(shè)所有無人機(jī)的基本參數(shù)相同，因此定義距離閾值為dth=2r[17]，其中r為無人機(jī)的通信半徑。

計(jì)算無人機(jī)si受到區(qū)域內(nèi)所有其他無人機(jī)節(jié)點(diǎn)的虛擬力的合力為：

定義Fth為虛擬力的閾值，當(dāng)無人機(jī)i所受虛擬力合力大于虛擬力的閾值時(shí)，對無人機(jī)的位置坐標(biāo)進(jìn)行更新，否則無人機(jī)i將在該位置保持懸停。因此，虛擬力向?qū)У臒o人機(jī)i的改進(jìn)距離為：

其中，F(xiàn)ix為無人機(jī)i在x軸方向上的受力，F(xiàn)iy則為無人機(jī)i在y軸方向上的受力。由此，結(jié)合公式（8）和公式（11），虛擬力向?qū)У牟脊萨B算法的位置更新方程為：

2.2.3 加權(quán)優(yōu)化目標(biāo)函數(shù)

本文模擬的學(xué)校區(qū)域中存在一些禁止區(qū)域，地面用戶節(jié)點(diǎn)在整個(gè)模擬過程中都無法進(jìn)入該區(qū)域，為了避免產(chǎn)生過多覆蓋冗余，本文將地面用戶節(jié)點(diǎn)分布的區(qū)域視為重點(diǎn)區(qū)域，引入加權(quán)覆蓋率，在優(yōu)化覆蓋的過程中需重點(diǎn)提高無人機(jī)網(wǎng)絡(luò)對重點(diǎn)區(qū)域的覆蓋。

無人機(jī)網(wǎng)絡(luò)為地面用戶提供通信覆蓋，為了更好地研究覆蓋優(yōu)化問題，本文將待覆蓋區(qū)域A數(shù)字離散化為a×b個(gè)像素點(diǎn)。覆蓋率定義為被覆蓋的像素點(diǎn)的數(shù)量與區(qū)域A內(nèi)總像素點(diǎn)數(shù)量之比。假設(shè)有num個(gè)像素點(diǎn)被無人機(jī)網(wǎng)絡(luò)覆蓋，則無人機(jī)網(wǎng)絡(luò)的覆蓋率為num/(a×b)。

在目標(biāo)區(qū)域A中，有m個(gè)地面用戶節(jié)點(diǎn)，節(jié)點(diǎn)集合為G={g1,g2,…,gm}；有n個(gè)無人機(jī)節(jié)點(diǎn)，節(jié)點(diǎn)集合為S={s1,s2,…,sn}。第i個(gè)無人機(jī)節(jié)點(diǎn)si的位置坐標(biāo)為(xi,yi,hi)，設(shè)像素點(diǎn)j的位置坐標(biāo)為(xj,yj,0)。則無人機(jī)節(jié)點(diǎn)si與像素點(diǎn)j之間的水平距離為：

本文采用文獻(xiàn)[18]提出的A2G信道模型，則像素點(diǎn)j和無人機(jī)i之間的視距通信（LoS）鏈路概率為：

其中，α和β是環(huán)境參數(shù)，數(shù)值設(shè)置與城市的建筑物密度有關(guān)[19]。hi為無人機(jī)si的飛行高度。此外，非視距通信（NLoS）鏈路的概率為：

由于城市背景復(fù)雜，且存在大量的噪聲和干擾[20]。因此，在城市災(zāi)區(qū)，無線傳播信號除了自由空間傳播損耗之外，還有因建筑物遮擋和散射產(chǎn)生的損失。因此，無人機(jī)si與像素點(diǎn)j之間的LoS和NLoS鏈路損失模型[17]分別為：

其中，fc為載波頻率；ηLoS和ηNLoS分別為視距通信鏈路和非視距鏈路下的額外路徑損失；c為光速；dij為無人機(jī)si與像素點(diǎn)j之間的距離：

因此，在LoS和NLoS模型下，無人機(jī)si與像素點(diǎn)j之間A2G的鏈路平均路徑損失為：

為了保證服務(wù)質(zhì)量，像素點(diǎn)j的接收功率必須超過一定的閾值，也就是說，像素點(diǎn)j與無人機(jī)si之間的鏈路損耗小于或等于某一個(gè)閾值PLmax時(shí)，像素點(diǎn)j被無人機(jī)si覆蓋，即：

則像素點(diǎn)j可被無人機(jī)節(jié)點(diǎn)si感知的概率為：

任一像素點(diǎn)都可同時(shí)被多個(gè)無人機(jī)節(jié)點(diǎn)感知，因此像素點(diǎn)j被無人機(jī)節(jié)點(diǎn)集合S感知的聯(lián)合概率表示為：

因此，無人機(jī)網(wǎng)絡(luò)對整個(gè)目標(biāo)區(qū)域的覆蓋率為：

同理，將地面移動節(jié)點(diǎn)視為像素點(diǎn)可得無人機(jī)網(wǎng)絡(luò)對重點(diǎn)區(qū)域的覆蓋率為：

本文重點(diǎn)研究無人機(jī)網(wǎng)絡(luò)對重點(diǎn)區(qū)域移動節(jié)點(diǎn)的覆蓋優(yōu)化，為此可以在某種程度上犧牲禁止區(qū)域的覆蓋率。因此本文引入加權(quán)覆蓋率對整體目標(biāo)區(qū)域覆蓋率和重點(diǎn)區(qū)域覆蓋率進(jìn)行歸一化計(jì)算：

其中，ω1為目標(biāo)區(qū)域整體覆蓋率的加權(quán)系數(shù)，ω2為重點(diǎn)區(qū)域覆蓋率的加權(quán)系數(shù)且ω1?ω2。

由此，改進(jìn)的布谷鳥算法的優(yōu)化目標(biāo)函數(shù)為：

2.3 算法步驟

改進(jìn)的布谷鳥搜索算法具體步驟如下：

（1）參數(shù)初始化，設(shè)置種群個(gè)數(shù)、鳥巢個(gè)數(shù)以及初始鳥巢位置、發(fā)現(xiàn)概率Pa、最大迭代次數(shù)等。

（2）根據(jù)公式（29）計(jì)算初始目標(biāo)函數(shù)值f(x)，并保留適應(yīng)度值最大的鳥巢位置到下一代。

（3）根據(jù)位置更新公式（15）更新鳥巢位置。

（4）根據(jù)新的鳥巢位置，計(jì)算目標(biāo)函數(shù)值f(x)，并保留適應(yīng)度值最大的鳥巢位置到下一代。

（5）產(chǎn)生一個(gè)隨機(jī)數(shù)r,比較r與Pa的大小，若r＞Pa,則返回步驟（3）。

（6）當(dāng)算法達(dá)到最大迭代次數(shù)或適應(yīng)度函數(shù)值不再發(fā)生變化時(shí)，結(jié)束進(jìn)程。否則，返回步驟（3）。

算法的具體步驟流程圖如圖2所示。

3 仿真與結(jié)果分析

3.1 實(shí)驗(yàn)環(huán)境

本文在Windows10系統(tǒng)下，基于MATLAB2014a軟件對提出的算法進(jìn)行仿真，仿真的區(qū)域采用的是某校區(qū)平面圖，近似為正方形區(qū)域，正方形區(qū)域內(nèi)用戶節(jié)點(diǎn)隨機(jī)分布在學(xué)校的不同可活動區(qū)域。

圖2 改進(jìn)的布谷鳥算法步驟流程圖Fig.2 Improved cuckoo algorithm step flow chart

3.2 實(shí)驗(yàn)參數(shù)設(shè)置

待覆蓋區(qū)域是二維（2D）的，平面圖近似為1 000 m×1 000 m的矩形區(qū)域。每個(gè)可活動區(qū)域都隨機(jī)分布有一定數(shù)量的地面用戶節(jié)點(diǎn)，用戶節(jié)點(diǎn)的總數(shù)量為m。地面用戶節(jié)點(diǎn)的移動速度為vg，在整個(gè)目標(biāo)區(qū)域中，每個(gè)劃分區(qū)域內(nèi)的節(jié)點(diǎn)速度都會隨機(jī)改變。最大速度代表地面用戶節(jié)點(diǎn)正在從危險(xiǎn)區(qū)域逃出，或在尋求幫助。靜止節(jié)點(diǎn)或者以最小速度移動的節(jié)點(diǎn)，代表該節(jié)點(diǎn)因受傷或周圍環(huán)境惡劣而行動困難。

無人機(jī)節(jié)點(diǎn)個(gè)數(shù)為n，初始時(shí)隨機(jī)分布在整個(gè)目標(biāo)區(qū)域，其移動最大步長為Dmax；所有無人機(jī)都在相同高度h的上空盤旋，并以恒定的速度vuav移動；所有無人機(jī)的無線傳輸范圍均為r，可以覆蓋以無線傳輸范圍R為半徑的地面圓形區(qū)域，且在通信范圍內(nèi)，無人機(jī)之間可以相互通信[7]。算法的最大迭代次數(shù)為tmax。具體的實(shí)驗(yàn)參數(shù)設(shè)置如表1中所示。

表1 實(shí)驗(yàn)參數(shù)Table 1 Experiment parameter

3.3 實(shí)驗(yàn)仿真

3.3.1 城市災(zāi)區(qū)節(jié)點(diǎn)移動

根據(jù)所劃分區(qū)域的面積以及所屬類型，放入相應(yīng)數(shù)量的用戶節(jié)點(diǎn)。初始時(shí)，所有用戶節(jié)點(diǎn)都是隨機(jī)分布的。圖3是移動模型程序運(yùn)行500 s時(shí)，用戶節(jié)點(diǎn)在目標(biāo)區(qū)域的分布情況。由圖中可以看出，在開放性區(qū)域，節(jié)點(diǎn)遵從隨機(jī)游走移動規(guī)則，最終的節(jié)點(diǎn)分布情況是隨機(jī)分布；在建筑區(qū)，節(jié)點(diǎn)最終聚集在邊界區(qū)域或出口處，其中未在邊界處的節(jié)點(diǎn)可能因建筑殘骸擁堵或受傷而行動緩慢；在被封鎖的街道區(qū)域，節(jié)點(diǎn)最終停止在街道封鎖處；而在禁止區(qū)域，無用戶節(jié)點(diǎn)進(jìn)入。

圖3 500 s時(shí)節(jié)點(diǎn)分布情況Fig.3 Distribution at 500 s

在地震發(fā)生后的應(yīng)急救援過程中，可能會有余震的發(fā)生而造成新的建筑物坍塌。此時(shí)，該區(qū)域內(nèi)的用戶節(jié)點(diǎn)會被困在建筑殘骸中而失去信號，導(dǎo)致無人機(jī)網(wǎng)絡(luò)無法獲知地面用戶節(jié)點(diǎn)的位置信息?？赏ㄟ^使相應(yīng)區(qū)域內(nèi)用戶節(jié)點(diǎn)的消失來模擬這一情況[12]，如圖4所示。對比圖4（a）和（b）可發(fā)現(xiàn)，目標(biāo)區(qū)域內(nèi)，有兩個(gè)分區(qū)域內(nèi)的用戶節(jié)點(diǎn)消失，即該兩處區(qū)域發(fā)生了余震導(dǎo)致建筑物坍塌，用戶節(jié)點(diǎn)被困其中。

3.3.2 網(wǎng)絡(luò)覆蓋情況

為了驗(yàn)證本文方法的有效性，采用本文所提出改進(jìn)布谷鳥算法對第1章提出的城市環(huán)境災(zāi)后地面用戶節(jié)點(diǎn)移動模型進(jìn)行覆蓋優(yōu)化，并進(jìn)行500次獨(dú)立實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果如圖5所示。

圖5（a）為初始狀態(tài)，地面用戶節(jié)點(diǎn)以及無人機(jī)節(jié)點(diǎn)隨機(jī)分布在目標(biāo)區(qū)域。為了更清楚地展示算法覆蓋效果，圖5（b）及圖5（c）為將區(qū)域的劃分邊界去掉的效果圖。圖5（b）為程序運(yùn)行到100 s時(shí)的實(shí)驗(yàn)結(jié)果，由圖中可以看出，建筑區(qū)域內(nèi)的用戶節(jié)點(diǎn)逐漸在向建筑區(qū)的邊界移動，開放性區(qū)域的節(jié)點(diǎn)，因其遵從隨機(jī)游走的移動規(guī)則，依舊是隨機(jī)分布。而無人機(jī)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)已隨著地面用戶節(jié)點(diǎn)的移動發(fā)生變化。圖5（c）為程序運(yùn)行到500 s時(shí)的實(shí)驗(yàn)結(jié)果。由圖中可以看出，建筑區(qū)域內(nèi)的節(jié)點(diǎn)在建筑區(qū)的邊界以及出口處聚集，無人機(jī)網(wǎng)絡(luò)幾乎覆蓋了災(zāi)區(qū)內(nèi)的所有地面用戶節(jié)點(diǎn)，且對禁止區(qū)域的覆蓋率較小，以及保持了網(wǎng)絡(luò)的連通性。

圖4 余震情況模擬圖Fig.4 Simulation of aftershocks

對比圖5（a）和（b），圖5（a）和（c）可以看到采用本文所提算法，無人機(jī)網(wǎng)絡(luò)對重點(diǎn)區(qū)域的覆蓋率得到了提高。對比圖5（a）、（b）和（c）可以看出隨著地面用戶節(jié)點(diǎn)的移動，無人機(jī)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)也隨著發(fā)生變化，且無人機(jī)網(wǎng)絡(luò)對禁止區(qū)域的覆蓋逐漸減少。

3.4 實(shí)驗(yàn)評價(jià)方式

為了評價(jià)本文城市災(zāi)區(qū)無人機(jī)網(wǎng)路自適應(yīng)覆蓋優(yōu)化算法的優(yōu)劣，引入了覆蓋率、網(wǎng)絡(luò)連通度和路徑損耗三種評價(jià)指標(biāo)。其中覆蓋率為公式（26）中的全局覆蓋率以及公式（28）中的加權(quán)覆蓋率；網(wǎng)絡(luò)連通度為無人機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)中所有節(jié)點(diǎn)直接通信范圍內(nèi)的節(jié)點(diǎn)個(gè)數(shù)的算數(shù)平均值；路徑損耗為地面用戶節(jié)點(diǎn)的平均路徑損耗。為了對比不同城市環(huán)境參數(shù)α、β的設(shè)置下，本文所提算法的性能，分別在α=0.1,β=750、α=0.3,β=110,以及α=0.5,β=300的情況下進(jìn)行10次實(shí)驗(yàn)，記錄10次實(shí)驗(yàn)同一時(shí)刻的結(jié)果，分別對比三組城市環(huán)境參數(shù)下三種評價(jià)指標(biāo)的變化情況。其中，α=0.1,β=750代表稀疏城市，相當(dāng)于郊區(qū)；α=0.3,β=110是本文的環(huán)境設(shè)置；α=0.5,β=300代表密集城市[19]。由于本文是針對城市災(zāi)區(qū)地面移動用戶的通信覆蓋，而在實(shí)際情況下，郊區(qū)的地面用戶節(jié)點(diǎn)較少，且空曠區(qū)域較多，節(jié)點(diǎn)分布比較稀疏，而密集城市中，建筑物比較密集，用戶節(jié)點(diǎn)密度大，因此為了方便比較，本文的郊區(qū)環(huán)境和密集城市環(huán)境是同本文的城市環(huán)境相同大小的區(qū)域，其中郊區(qū)分布有150個(gè)隨機(jī)移動的節(jié)點(diǎn)，密集城市分布有400個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)移動采取本文城市災(zāi)區(qū)用戶節(jié)點(diǎn)的移動規(guī)則。

圖5 各時(shí)刻網(wǎng)絡(luò)覆蓋情況Fig.5 Network coverage at different times

其次為了評價(jià)本文算法的全局尋優(yōu)以及局部尋優(yōu)能力，引入6種多峰測試函數(shù)，并且為了更直觀地體現(xiàn)本文算法的優(yōu)劣性，分別采用標(biāo)準(zhǔn)布谷鳥算法（CSA）、灰狼算法（GWO）、烏鴉算法（CS）與本文算法對函數(shù)求最優(yōu)值并獲得函數(shù)的進(jìn)化曲線。

若三種評價(jià)指標(biāo)的變化幅度在適當(dāng)范圍內(nèi)，且算法的局部尋優(yōu)以及局部尋優(yōu)能力優(yōu)于其他算法，則證明本文所提出的算法有較好的應(yīng)用價(jià)值。

3.5 實(shí)驗(yàn)結(jié)果和分析

3.5.1 實(shí)驗(yàn)評價(jià)結(jié)果

（1）全局覆蓋率和加權(quán)覆蓋率

分別記錄三組參數(shù)下10次實(shí)驗(yàn)中全局覆蓋率和加權(quán)覆蓋率的值，對比結(jié)果如圖6所示。由于本文的郊區(qū)環(huán)境中節(jié)點(diǎn)是隨機(jī)移動的，因此不存在重點(diǎn)區(qū)域，即不存在加權(quán)覆蓋率。由柱狀圖可以清晰地看出，郊區(qū)環(huán)境下的覆蓋率最低，這是由于地面節(jié)點(diǎn)分布稀疏，無人機(jī)需要飛到更高的高度對用戶節(jié)點(diǎn)進(jìn)行覆蓋，由此造成了更多的路徑損耗。而密集城市環(huán)境下的覆蓋率略低于本文城市災(zāi)區(qū)下的覆蓋率，這是由于密集城市建筑物遮擋和散射造成了更多的鏈路損耗。

圖6 覆蓋率對比圖Fig.6 Coverage comparison chart

但三種環(huán)境參數(shù)下的全局覆蓋率和加權(quán)覆蓋率都穩(wěn)定在一定的范圍內(nèi)，且每次實(shí)驗(yàn)的加權(quán)覆蓋率值都高于全局覆蓋率值。說明采用本文所提方法優(yōu)化后的無人機(jī)網(wǎng)絡(luò)的覆蓋率較為穩(wěn)定，提高了無人機(jī)網(wǎng)絡(luò)對目標(biāo)區(qū)域中重點(diǎn)區(qū)域的覆蓋率，且更加適用于城市環(huán)境。

（2）網(wǎng)絡(luò)連通度

為了衡量應(yīng)用本文方法后無人機(jī)網(wǎng)絡(luò)的連通性，采用連通度指標(biāo)對該方法進(jìn)行評價(jià)。圖7為三組城市環(huán)境參數(shù)下分別進(jìn)行10次實(shí)驗(yàn)后，相同時(shí)刻的無人機(jī)網(wǎng)絡(luò)的連通度值變化曲線。由折線圖可以清晰地看出，三種環(huán)境參數(shù)設(shè)置下的實(shí)驗(yàn)結(jié)果中，相同時(shí)刻的無人機(jī)網(wǎng)絡(luò)的連通度變化相差都不大，這是由于本文算法引入了虛擬力保證了網(wǎng)絡(luò)的連通性，說明應(yīng)用本文方法在不同的城市參數(shù)下無人機(jī)網(wǎng)絡(luò)連通性能穩(wěn)定。

圖7 網(wǎng)絡(luò)連通度變化曲線Fig.7 Change curve of network connectivity

（3）用戶路徑損耗

圖8為相同實(shí)驗(yàn)參數(shù)設(shè)置下，在三組實(shí)驗(yàn)環(huán)境參數(shù)設(shè)置下，10次實(shí)驗(yàn)后，相同時(shí)刻的用戶路徑損耗情況。由圖中可得，郊區(qū)環(huán)境下90%左右的地面用戶節(jié)點(diǎn)的路徑損耗在閾值（85 dB）以下，有10%左右的節(jié)點(diǎn)的路徑損耗超過了閾值，說明該時(shí)刻只有90%左右的節(jié)點(diǎn)被覆蓋。而在本文的城市災(zāi)區(qū)環(huán)境中只有5%左右的地面用戶節(jié)點(diǎn)的路徑損耗超過了閾值，有95%左右的節(jié)點(diǎn)被覆蓋。密集城市環(huán)境中有7%左右的節(jié)點(diǎn)未被覆蓋。說明無人機(jī)網(wǎng)絡(luò)能夠更適用于為城市環(huán)境中地面用戶節(jié)點(diǎn)提供應(yīng)急通信，且網(wǎng)絡(luò)質(zhì)量穩(wěn)定。

圖8 不同路徑損耗的用戶比例Fig.8 Proportion of users with different path loss

（4）網(wǎng)絡(luò)的動態(tài)覆蓋性能

由于本文所提方法是針對城市災(zāi)區(qū)移動的地面用戶節(jié)點(diǎn)的網(wǎng)絡(luò)覆蓋優(yōu)化，因此為了衡量無人機(jī)網(wǎng)絡(luò)的動態(tài)覆蓋性能，分別記錄三組城市環(huán)境參數(shù)下實(shí)驗(yàn)中不同時(shí)刻三種評價(jià)指標(biāo)的值。由于以上針對三種評價(jià)指標(biāo)的實(shí)驗(yàn)結(jié)果表明，無人機(jī)網(wǎng)絡(luò)的性能相對穩(wěn)定。因此，此部分分別記錄三種環(huán)境參數(shù)下一次實(shí)驗(yàn)中不同時(shí)刻三種評價(jià)指標(biāo)的值。由圖9中可以看出，環(huán)境參數(shù)密集城市的覆蓋率以及平均路徑損耗均略差于α=0.3,β=110時(shí)的情況，這是由于密集城市環(huán)境下的建筑物遮擋及散射更多，而郊區(qū)環(huán)境的覆蓋率最低，且路徑損耗最多，說明本文所提方法更適應(yīng)于對城市災(zāi)區(qū)的通信進(jìn)行覆蓋優(yōu)化。而隨著時(shí)間變化，三種城市環(huán)境參數(shù)下的無人機(jī)網(wǎng)絡(luò)的加權(quán)覆蓋率、網(wǎng)絡(luò)連通度以及地面用戶節(jié)點(diǎn)的平均鏈路損耗變化穩(wěn)定，說明無人機(jī)網(wǎng)絡(luò)的動態(tài)覆蓋性能較好。

圖9 評價(jià)指標(biāo)隨時(shí)間的變化情況Fig.9 Change of evaluation index with time

（5）全局和局部尋優(yōu)能力

由于多峰測試函數(shù)局部極值多，因此多峰測試函數(shù)可以測試算法是否陷入局部最優(yōu)并評價(jià)算法的全局尋優(yōu)能力[14]。因此，為了評價(jià)本文算法的全局及局部尋優(yōu)能力，本文分別采用CSA、本文算法、烏鴉算法（CS）、灰狼算法（GWO）對6個(gè)多峰測試函數(shù)求極值。多峰測試函數(shù)信息如表2所示。

表2 測試函數(shù)Table 2 Test function

由于本文算法是針對城市災(zāi)區(qū)的特定場景所進(jìn)行的改進(jìn)，融入了地面用戶節(jié)點(diǎn)的坐標(biāo)信息，而運(yùn)用于函數(shù)中則是在定義域內(nèi)求一個(gè)最優(yōu)值。因此在使用本文算法進(jìn)行尋優(yōu)時(shí)，為了與本文算法保持一致，在定義域內(nèi)隨機(jī)生成n個(gè)節(jié)點(diǎn)，相當(dāng)于本文中的地面用戶節(jié)點(diǎn)，然后采用本文算法的位置更新規(guī)則尋優(yōu)，相當(dāng)于在函數(shù)的定義域內(nèi)求1架無人機(jī)的最優(yōu)位置問題。

分別對4種算法獨(dú)立運(yùn)行100次，取實(shí)驗(yàn)的平均結(jié)果并畫出進(jìn)化圖像，結(jié)果如圖10～圖15所示。

圖10 F1進(jìn)化曲線Fig.10 Evolution curve of F1

圖11 F2進(jìn)化曲線Fig.11 Evolution curve of F2

圖12 F3進(jìn)化曲線Fig.12 Evolution curve of F3

圖13 F4進(jìn)化曲線Fig.13 Evolution curve of F4

由圖10可以看出，4種算法都達(dá)到了全局最優(yōu)，且尋優(yōu)速度和收斂速度都很快。由圖12、圖14、圖15可以看出，都存在算法陷入了局部最優(yōu)。圖12中GWO算法陷入了局部最優(yōu)，其他3種算法都達(dá)到全局最優(yōu)，但CSA算法和CS算法的尋優(yōu)速度和收斂速度更快。圖14中，CS算法和GWO算法陷入局部最優(yōu)值，CSA算法和本文算法都達(dá)到了全局最優(yōu)，但尋優(yōu)速度劣于其他兩種算法。圖15中CSA算法和GWO算法很早地陷入了局部最優(yōu)且始終未能跳出局部最優(yōu)解，CS算法出現(xiàn)幾次局部極值，且最終未達(dá)到全局最優(yōu)，而本文算法局部尋優(yōu)速度快，且最終達(dá)到全局最優(yōu)，但由于函數(shù)的復(fù)雜性，算法的收斂速度較慢。由圖11和圖13可以看出本文算法出現(xiàn)了幾次局部最優(yōu)值的變化并最終收斂在局部最優(yōu)，圖11中GWO算法達(dá)到了全局最優(yōu)，CSA算法和CS算法陷入局部最優(yōu)，且距離全局最優(yōu)值有一定距離。圖13中CS算法和GWO算法都達(dá)到了全局最優(yōu)，CSA算法和本文算法都出現(xiàn)幾次局部極值并最終收斂到局部最優(yōu)，但在兩個(gè)函數(shù)中本文算法的解都更接近于全局最優(yōu)值且尋優(yōu)速度較快。

圖14 F5進(jìn)化曲線Fig.14 Evolution curve of F5

圖15 F6進(jìn)化曲線Fig.15 Evolution curve of F6

總體上說，本文算法的尋優(yōu)速度以及收斂速度都較快，且算法的局部尋優(yōu)能力和全局尋優(yōu)能力都優(yōu)于其他算法。這是由于本文算法對布谷鳥算法位置更新方程的改進(jìn)，使得算法在全局搜索時(shí)種群多樣性更強(qiáng)，從而使得算法在全局尋優(yōu)和局部尋優(yōu)上更好地達(dá)到平衡。

3.5.2 實(shí)驗(yàn)比較

為了進(jìn)一步驗(yàn)證本文算法的有效性，在相同實(shí)驗(yàn)參數(shù)設(shè)置下，將本文的加權(quán)覆蓋率作為目標(biāo)函數(shù)，在相同實(shí)驗(yàn)環(huán)境下多次運(yùn)行文獻(xiàn)[10]提出的模擬退火算法（SAA）、標(biāo)準(zhǔn)布谷鳥搜索算法（CSA）以及本文提出的改進(jìn)的布谷鳥算法，分別進(jìn)行500次獨(dú)立性實(shí)驗(yàn)。

圖16為進(jìn)行一次實(shí)驗(yàn)后，三種算法的適應(yīng)度值函數(shù)曲線圖。從圖中可以看出，本文算法的加權(quán)覆蓋率高達(dá)95.43%，而標(biāo)準(zhǔn)布谷鳥搜索算法和模擬退火算法的覆蓋率則分別為89.14%和86.16%。對比數(shù)據(jù)，本文算法的加權(quán)覆蓋率明顯高于其他兩種算法。

圖16 算法性能對比Fig.16 Algorithm performance comparison

3.5.3 實(shí)驗(yàn)分析

為了更加公平地獲得實(shí)驗(yàn)結(jié)果并對其分析，本文分別取三種算法500次實(shí)驗(yàn)結(jié)果性能指標(biāo)的平均值，具體結(jié)果如表3所示。

表3 算法性能對比Table 3 Algorithm performance comparison

對比表中的算法的各個(gè)性能指標(biāo)，可以看出經(jīng)過本文對布谷鳥搜索算法的改進(jìn)，無人機(jī)網(wǎng)絡(luò)的加權(quán)覆蓋率達(dá)到的94.32%，比文獻(xiàn)[10]中的模擬退火算法的覆蓋率高出了2.98個(gè)百分點(diǎn)，比標(biāo)準(zhǔn)布谷鳥算法的覆蓋率高出了1.87個(gè)百分點(diǎn)。

綜上所述，本文提出的城市災(zāi)區(qū)無人機(jī)網(wǎng)絡(luò)自適應(yīng)覆蓋優(yōu)化算法不僅綜合考慮了地面用戶節(jié)點(diǎn)的移動特性，以及待覆蓋區(qū)域的重要程度差異，且重點(diǎn)提高了無人機(jī)網(wǎng)絡(luò)對重點(diǎn)區(qū)域的覆蓋率，能夠?qū)崿F(xiàn)無人機(jī)網(wǎng)絡(luò)對目標(biāo)區(qū)域的自適應(yīng)覆蓋且保證了網(wǎng)絡(luò)的連通性，此外本文算法的全局尋優(yōu)以及局部尋優(yōu)能力較強(qiáng)，證明本文所提算法能夠更加有效地對城市災(zāi)區(qū)無人機(jī)網(wǎng)絡(luò)的覆蓋率進(jìn)行優(yōu)化。

4 結(jié)束語

傳統(tǒng)的對無人機(jī)應(yīng)急網(wǎng)絡(luò)覆蓋優(yōu)化的研究，大多不針對城市災(zāi)區(qū)環(huán)境，且將地面用戶節(jié)點(diǎn)視為靜止節(jié)點(diǎn)，與災(zāi)害發(fā)生后的實(shí)際情況不符。

針對此，本文提出了一種城市災(zāi)區(qū)無人機(jī)網(wǎng)絡(luò)自適應(yīng)覆蓋優(yōu)化算法來對城市環(huán)境下移動的地面用戶節(jié)點(diǎn)進(jìn)行覆蓋優(yōu)化。以某校區(qū)地圖為例，對地震發(fā)生后地面用戶節(jié)點(diǎn)的移動情況進(jìn)行模擬。從移動模型中獲得各個(gè)時(shí)刻地面用戶節(jié)點(diǎn)的坐標(biāo)，融入到布谷鳥算法的位置更新方程中，使無人機(jī)網(wǎng)絡(luò)能夠?qū)Φ孛嬗脩艄?jié)點(diǎn)進(jìn)行動態(tài)覆蓋同時(shí)實(shí)現(xiàn)對重點(diǎn)區(qū)域的覆蓋率優(yōu)化?？紤]到無人機(jī)網(wǎng)絡(luò)的連通性，引入虛擬力對布谷鳥算法的位置更新方程再次改進(jìn)。使無人機(jī)網(wǎng)絡(luò)在維持網(wǎng)絡(luò)連通性的情況下適應(yīng)了城市災(zāi)區(qū)場景中用戶節(jié)點(diǎn)的動態(tài)移動性。

將本文算法同傳統(tǒng)布谷鳥算法以及改進(jìn)的模擬退火算法進(jìn)行多次實(shí)驗(yàn)對比，本文所提算法針對城市環(huán)境下地面用戶節(jié)點(diǎn)的移動特性覆蓋優(yōu)化有效。采用本文所提算法，無人機(jī)網(wǎng)路的覆蓋率、連通性以及路徑損耗在動態(tài)環(huán)境下穩(wěn)定，全局尋優(yōu)能力以及局部尋優(yōu)能力強(qiáng)并能保持平衡性，且在覆蓋率上優(yōu)于其他兩種算法。以上證明本文所提算法具有一定的應(yīng)用價(jià)值。