[发明专利]基于改进遗传算法的成本最优化无人机基站部署方法

权利要求书

1.一种基于改进遗传算法的成本最优化无人机基站部署方法，其特征在于，包括如下步骤：

(1)建立无人机基站对地无线通信覆盖模型，即在面积为X km×Y km的地面矩形区域范围内随机分布m个用户，用户集合用U表示，假设每个用户只能连接一个无人机基站，采取最优接收信噪比原则分配用户；

(2)假设无人机基站的发射功率均为P_t，用户接收灵敏度为P_rth，计算用户的路径损耗门限记为L_th：

L_th＝P_t-P_rth；

(3)根据城市环境下“无人机基站-用户”最佳仰角θ，结合用户的路径损耗门限L_th计算无人机基站最大覆盖半径R，再根据无人机基站覆盖半径R计算无人机基站最佳悬停高度h；

所述的无人机基站最大覆盖半径R，其计算公式为：

其中r为无人机基站覆盖半径，L为空地路径损耗，其计算公式为：

其中η_Los、η_NLos分别是视距链路(LoS)与非视距链路(NLoS)的平均额外损耗，a、b分别是环境参数，f_c是载波频率，θ在城市环境下为42.44度，

所述的无人机基站最佳悬停高度h，其计算公式为：

h＝R tan(θ)；

(4)假设无人机基站建造成本相同，则将总成本的优化等效为无人机基站对地无线通信覆盖模型中部署的无人机基站数量的优化，建立以无人机基站部署数量最优化为目标的无人机基站部署优化模型：

min size(A)

其中，A是优化后部署的无人机基站集合，集合大小为size(A)，(x_j,y_j)是无人机基站j的坐标，(x_i,y_i)是用户i的坐标，U是用户集合，M是一个保证u_ij为0时满足第一个约束条件的大常数，u_ij是表示用户i被无人机基站j覆盖情况的变量，u_ij为0时用户i不被覆盖，u_ij为1时用户i被覆盖，X_max、X_min分别是目标区域的横坐标上下限，Y_max、Y_min分别是目标区域的纵坐标上下限；

(5)基于改进的遗传算法对无人机基站部署优化模型求解，得到最优染色体；其实现如下：

(5a)将无人机基站部署优化模型中的无人机基站位置坐标映射为对目标区域划分的网格：(x_j,y_j)→w_j；并将映射后的无人机基站位置组成序列w₁w₂w₃...w_n，

其中，w_j表示第j个无人机基站对应的网格，j的值为1到n，w_j的值为1时表示该网格位置处部署无人机基站，w_j的值为0时表示该网格位置处不部署无人机基站，n为对目标区域划分的网格总数；

(5b)对序列w₁w₂w₃...w_n进行二进制编码作为一条染色体，染色体基因序列的每一位与对目标区域划分的网格一一对应，若该网格位置部署无人机基站，则基因序列对应位的值置1，否则置0；

(5c)计算用户i到无人机基站j部署位置的距离d_ij：

d_ij＝(x_i-x_j)²+(y_i-y_j)²

其中，(x_i,y_i)是用户i的坐标，(x_j,y_j)是无人机基站j的坐标；

(5d)比较d_ij与无人机基站覆盖半径R的大小，若d_ijR，则无人机基站j为用户i的可连接无人机基站，遍历整个用户集合与无人机基站集合，得到用户可选择连接的无人机基站集合，编排用户与可连接无人机基站的序号；

(5e)初始化种群；

(5f)计算初始种群中染色体s的适应度：

fit(s)＝size(A_s)

其中A_s表示第s条染色体对应部署的无人机基站集合，size(A_s)表示该集合的大小；

(5g)使用轮盘赌方法选择作为亲代的个体用于交叉操作；

(5h)将选出的亲代进行单点交叉，然后对交叉产生的子代进行变异操作，得到一个由子代组成的新的种群；

(5i)对新种群中的染色体进行安全距离修正与覆盖约束修正，得到一个修正后的新种群；

(5j)计算修正后的新种群中染色体的适应度，对比上一代种群中染色体的适应度，留下最优个体，组成当前最优种群；

(5k)重复步骤(5f)-(5j)，迭代T代，记录最优染色体；

(6)将求解得到的最优染色体转化为对应的无人机基站坐标集合，得到成本最优的无人机基站部署方案。