[发明专利]一种基于图神经网络和强化学习的WRSN充电调度方法

权利要求书

1.一种基于图神经网络和强化学习的WRSN充电调度方法，其特征在于，包括以下步骤：

Step1：构建无线可充电传感器网络模型，整个移动能量补给系统部署在二维平面区域内，不考虑障碍物的影响，由三类成员组成：一个基站BS、n个传感器节点和m个移动充电设备MC，其中传感器节点和基站固定不动且位置已知，基站作为最终的数据采集器不受能量限制，MC和传感器节点电池容量有限，其自身可通过BS快速更换电池；

在WRSN中的MC规格相同初始时位于BS，速度为vm/s，可在WRSN区域内自由移动，能耗为q_mJ/m，通过远距离通信直接受基站BS调度，并可通过GPS定位技术实时获取自身位置，MC只有在到达某个节点位置时为其单独补充能量，充电功率为q_c/w，MC携带电池的最大容量为E_mJ；

Step2：在延长网络生存时间的前提下以最大化充电效率和均衡MC之间的充电负载为目标将多MC充电调度建模为多目标优化问题；

Step3：基于图神经网络和强化学习设计一种称为GRCS的高效移动能量补充框架，提出最短充电回路生成算法，求解Step2中的多目标优化问题，其工作流程为：首先对WRSN中所有传感器节点进行划分，每个MC负责相应的节点，将传感器节点的划分过程抽象为多旅行商问题MTSP，求得m条最短哈密顿回路，每个MC负责一条充电回路，回路中的节点能量低于设定阈值时发送充电请求，在每个充电周期中MC严格按照短哈密顿回路中的顺序删除能量充足的节点，为待充电节点生成最优充电序列，MC按照最优充电序列为节点补充能量，如此循环工作，以保障网络的持续运行。

2.根据权利要求1所述的基于图神经网络和强化学习的WRSN充电调度方法，其特征在于：在充电过程MC的能量消耗包括三个部分：(1)有效能量，即传感器节点获取到的能量；(2)机械能，即MC移动过程的能量损耗；以及(3)无线传输过程的能量损耗，所述Step2中充电效率为有效能量与总能量之比，充电调度方法可用MC充电效率进行评估。

3.根据权利要求1所述的基于图神经网络和强化学习的WRSN充电调度方法，其特征在于：Step2中MC的充电负载定义为每个MC负责充电的传感器节点的数量。