计算机应用

作者：孙鉴, 马宝全, 吴隹伟, 杨晓焕, 武涛, 陈攀

单位：1.北方民族大学 计算机科学与工程学院，银川 750021；2.图像图形智能处理国家民委重点实验室（北方民族大学），银川 750021

关键词：路径规划,任务均衡,能耗均衡,蚁群算法,无人机群,集群并行处理

基金：国家自然科学基金资助项目(62062002);宁夏自然科学基金资助项目(2022AAC03289);北方民族大学研究生创新项目(YCX23155)

无人机（UAV）群路径规划和任务分配是UAV群救援应用的核心，然而传统方法分开求解路径规划与任务分配，导致资源分配不均。为了解决上述问题，结合UAV群的物理属性与应用环境因素，改进蚁群算法（ACO），提出联合并行蚁群（JPACO）模型。首先，借助分级信息素增强系数机制更新信息素，以提高JPACO任务分配均衡性和能耗均衡性；其次，设计路径平衡因子和动态概率转移因子优化蚁群模型易陷入局部收敛的情况，从而提高JPACO的全局搜索能力；最后，引入集群并行处理机制，以降低JPACO运算耗时。将JPACO与自适应动态蚁群算法（ADACO）、扫描动态蚁群算法（SMACO）、贪婪策略蚁群算法（GSACO）和交叉蚁群算法（IACO）在公开数据集CVRPLIB上对比最优路径、任务分配均衡、能耗均衡和运算耗时。实验结果表明：与IACO和ADACO相比，JPACO处理小规模运算的最优路径平均值分别降低7.4%和16.3%；处理大规模运算的求解耗时与GSACO、ADACO相比降低8.2%和22.1%。以上结果验证了JPACO在处理小规模运算时能够改善最优路径，处理大规模运算时任务分配均衡、能耗均衡和运算耗时明显优于对比算法。

来源：2024年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第10期