建筑障碍情况下的多无人机基站协同部署优化方法和装置

1.一种建筑障碍情况下的多无人机基站协同部署优化方法，其特征在于，包括：多次为所有无人机在候选空间中随机分配位置坐标，得到多个解，每个解中包括所有无人机的位置坐标；所述候选空间为部署无人机的环境空间中无建筑物占据的空间；针对每个解，根据所述解中的所有无人机的位置坐标和多个用户的预设用户坐标，计算所述解中的所有无人机能服务的用户数，将所述解中的所有无人机能服务的用户数作为所述解对应的适应度值；将所有解按各自对应的适应度值的升序排序得到解排序，将所述解排序中适应度值最大的解作为全局最优解，将所述全局最优解对应的适应度值作为全局最优适应度值；基于改进的生物地理学优化算法，对所述多个解进行循环迭代更新，并在每次迭代更新的多个解的适应度值，根据更新后的适应度值对多个解进行排序，根据得到的排序更新全局最优解和全局最优适应度值，直到循环迭代次数达到预设最大迭代次数或者连续无改进次数达到预设最大连续无改进次数时停止迭代，将得到全局最优解用于多无人机基站协同部署，得到的全局最优适应度值为按得到的全局最优解进行多无人机基站协同部署后能服务的用户数；其中，所述基于改进的生物地理学优化算法，对所述多个解进行循环迭代更新，包括：对所有解基于连接性约束进行评估和修正，所述连接性约束用于约束每个无人机至少具有两个邻居无人机，邻居无人机为距离小于预设邻居距离阈值的无人机；对每个无人机的坐标应用一个恒定的突变概率pM∈(0,1)，从区间(0,1)生成一个随机数σ，如果为σ≤pM，则对相应的解进行突变操作；所述突变操作是指在目标空间内生成一个新的无人机坐标，以取代原来的无人机坐标。 2.如权利要求1所述的建筑障碍情况下的多无人机基站协同部署优化方法，其特征在于，所述多次为所有无人机在候选空间中随机分配位置坐标，得到多个解，每个解中包括所有无人机的位置坐标，包括：获取环境空间的空间信息，将所述环境空间栅格化为连续排列的多个立方格，得到环境空间内的建筑物的栅格集合和候选空间的栅格集合；所述栅格集合包括多个立方格；所述环境空间的空间信息包括：环境空间的长、宽和高，以及环境空间内的一个或多个建筑物的空间信息；所述建筑物的空间信息包括建筑物的位置坐标、长、宽和高；在所述候选空间的栅格集合内以随机方式生成每个解中的所有无人机的三维的位置坐标；和/或，利用k-means聚类方法生成候选空间内所有无人机的水平坐标，然后在预设候选空间高度范围内随机确定所有无人机的高度坐标；其中，无人机的位置坐标为所述无人机所占据的立方格的中心坐标；所述位置坐标包括水平坐标和高度坐标。 3.如权利要求2所述的建筑障碍情况下的多无人机基站协同部署优化方法，其特征在于，利用k-means聚类方法生成候选空间内所有无人机的水平坐标，然后在预设候选空间高度范围内随机确定所有无人机的高度坐标，包括：根据多个用户的预设用户坐标中的水平坐标，对所述多个用户进行k-means聚类，得到多个类中心的水平坐标，将多个类中心的水平坐标分别作为多个无人机的水平坐标；针对每个无人机，基于概率统计信道模型，确定所述无人机的最大覆盖半径对应的最佳部署高度，以所述最佳部署高度为中心，确定所述无人机的高度坐标的预设候选空间高度范围的高度上限和高度下限，所述高度上限等于所述最佳部署高度加预设向上偏移值，所述高度下限等于所述最佳部署高度减预设向下偏移值；其中，概率统计信道模型为以下公式表示的模型：其中，h是无人机的高度，d ik 为用户i到无人机k覆盖圈圆心的距离，a和b是由环境决定的常量系数， 为无人机k到用户i的仰角，ηLoS和ηnLoS分别是LoS和nLoS的平均附加损失，f c 是空对地信道的载波频率，c是光速。 4.如权利要求1所述的建筑障碍情况下的多无人机基站协同部署优化方法，其特征在于，所述针对每个解，根据所述解中的所有无人机的位置坐标和多个用户的预设用户坐标，计算所述解中的所有无人机能服务的用户数，将所述解中的所有无人机能服务的用户数作为所述解对应的适应度值，包括：针对每个解，根据每个用户的预设用户坐标、所述解中的每个无人机的位置坐标以及环境空间中的所有建筑物的空间信息，计算每个用户与所述解中的每个无人机之间是否存在建筑物遮挡；所述建筑物的空间信息包括建筑物的位置坐标、长、宽和高；针对每个用户，对与所述用户存在建筑物遮挡的无人机之间的链接，计算所述用户从所述存在建筑物遮挡的无人机得到的NLoS接收功率，对与所述用户没有建筑物遮挡的无人机之间的链接，计算所述用户从所述没有建筑物遮挡的无人机得到的LoS接收功率；针对每个用户，将所述用户分配给所述用户的所有NLoS接收功率和LoS接收功率中的最大值对应的无人机提供服务；针对每个解，统计所述解中的所有无人机提供服务的总的用户数作为所述解对应的适应度值。 5.如权利要求4所述的建筑障碍情况下的多无人机基站协同部署优化方法，其特征在于，所述对与所述用户存在建筑物遮挡的无人机障碍情况下的之间的链接，计算所述用户从所述存在建筑物遮挡的无人机得到的NLoS接收功率，对与所述用户没有建筑物遮挡的无人机之间的链接，计算所述用户从所述没有建筑物遮挡的无人机得到的LoS接收功率，具体包括：基于二元信道模型，通过以下公式计算空对地通信的功率损耗：PL LoS ＝20lg(d ij )+20lg(f c )+η LoSPL NLoS ＝20lg(d ij )+20lg(f c )+η NLoS其中，f c 为载波频率，d ij 为用户i与无人机j之间的距离，η LoS 和η NLoS 分别表示链路状态LoS和NLoS下的附加路径功率损耗；η LoS ＝92.4，η NLoS ＝92.4+L s ，建筑物遮挡条件下的额外随机路径损失 normrnd(μ,σ)表示正态分布，θ ij 是用户i对无人机j的仰角，g μ 、g σ 、h μ 、h σ 、i μ 、i σ 为经验参数；通过以下公式计算NLoS接收功率和LoS接收功率：P LoS ＝P t -PL LoSP NLoS ＝P t -PL NLoS其中，P t 为无人机传输功率，PL LoS 和PL NLoS 分别表示LoS和NLoS链路下的路径损耗，P LoS 和P NLoS 分别表示链路状态为LoS和NLoS条件下用户的LoS接收功率和NLoS接收功率。 6.如权利要求1所述的建筑障碍情况下的多无人机基站协同部署优化方法，其特征在于，所述基于改进的生物地理学优化算法，对所述多个解进行循环迭代更新，并在每次迭代更新的多个解的适应度值，根据更新后的适应度值对多个解进行排序，根据得到的排序更新全局最优解和全局最优适应度值，直到循环迭代次数达到预设最大迭代次数或者连续无改进次数达到预设最大连续无改进次数时停止迭代，将得到全局最优解用于多无人机基站协同部署，得到的全局最优适应度值为按得到的全局最优解进行多无人机基站协同部署后能服务的用户数，包括：初始化精英率，根据精英率和预设解总数，确定每次迭代保留解数量和更新解数量，设定预设突变概率p M ；执行以下迭代循环，直到达到最大迭代次数，或者连续无改进次数达到最大连续无改进次数时停止迭代：根据所有解的解排序，将适应度值高的保留解数量个数的解作为所有解中保留不变的解，将剩余的适应度低的更新解数量个数的解作为所有解中需要更新的解；对需要更新的解中的每个解执行迁移操作，更新所述需要更新的解；对执行迁移操作后的需要更新的解执行突变操作，更新所述需要更新的解；对所有解基于连接性约束进行评估和修正，所述连接性约束用于约束每个无人机至少具有两个邻居无人机，邻居无人机为距离小于预设邻居距离阈值的无人机；所述针对每个解，根据所述解中的所有无人机的位置坐标和多个用户的预设用户坐标，计算所述解中的所有无人机能服务的用户数，使用所述解中的所有无人机能服务的用户数更新所述解对应的适应度值；将所有解按各自对应更新后的适应度值的升序排序更新解排序，使用所述解排序中适应度值最大的解更新全局最优解，使用所述全局最优解对应的适应度值更新所述全局最优适应度值；停止迭代时，输出所述全局最优解和所述全局最优适应度值。 7.如权利要求6所述的建筑障碍情况下的多无人机基站协同部署优化方法，其特征在于，对需要更新的解中的每个解执行迁移操作，更新所述需要更新的解，包括：根据所有解的解排序为所有解设置迁入率和迁出率，其中，适应度值大的解对应的迁入率大；迁入率和迁出率都小于或等于1且同一个解的迁入率和迁出率的和为1；针对需要更新的解中的每个解，在区间(0,1)内生成一个所述解对应的第一随机数，如果所述解对应的第一随机数小于所述解对应的迁入率，则将所述解作为迁入解，从迁出解中随机选择一个无人机的水平坐标，替换所述迁入解中随机选择的一个无人机的水平坐标；其中，所述迁出解使用轮盘赌算法从所有解中除去所述迁入解后剩余的解中选择。 8.如权利要求7所述的建筑障碍情况下的多无人机基站协同部署优化方法，其特征在于，所述根据所述解排序为所有解设置迁入率和迁出率，包括：通过在[0,1]之间生成升序的等差数列，将所述等差数列中的项作为迁入率，所述等差数列包含的项数与所述多个解的个数相同；按照解排序中解的顺序与所述等差数列中的项按序一一对应，得到每个解对应的迁入率，每个解对应的迁出率等于1减去所述解对一个的迁入率。 9.如权利要求6所述的建筑障碍情况下的多无人机基站协同部署优化方法，其特征在于，所述对所有解基于连接性约束进行评估和修正，包括：针对每个解，逐个将所述解中的每架无人机作为目标无人机，计算所述目标无人机与所述解中的其他无人机的距离，如果得到的距离小于预设邻居距离阈值，则将所述其他无人机添加为所述目标无人机的邻居无人机；检查每架目标无人机是否至少有两个邻居无人机；如果检查出所述目标无人机的邻居无人机少于两个，则以与所述目标无人机最近的非邻居无人机连线为方向，以移动距离将所述目标无人机向所述最近的非邻居无人机调整，以满足连接性约束，所述移动距离为所述目标无人机和所述非邻居无人机之间的实际距离减去预设邻居距离阈值。 10.一种建筑障碍情况下的多无人机基站协同部署优化装置，其特征在于，包括：初始解确定单元，用于多次为所有无人机在候选空间中随机分配位置坐标，得到多个解，每个解中包括所有无人机的位置坐标；所述候选空间为部署无人机的环境空间中无建筑物占据的空间；适应度值确定单元，用于针对每个解，根据所述解中的所有无人机的位置坐标和多个用户的预设用户坐标，计算所述解中的所有无人机能服务的用户数，将所述解中的所有无人机能服务的用户数作为所述解对应的适应度值；全局最优确定单元，用于将所有解按各自对应的适应度值的升序排序得到解排序，将所述解排序中适应度值最大的解作为全局最优解，将所述全局最优解对应的适应度值作为全局最优适应度值；全局最优迭代单元，用于基于改进的生物地理学优化算法，对所述多个解进行循环迭代更新，并在每次迭代更新的多个解的适应度值，根据更新后的适应度值对多个解进行排序，根据得到的排序更新全局最优解和全局最优适应度值，直到循环迭代次数达到预设最大迭代次数或者连续无改进次数达到预设最大连续无改进次数时停止迭代，将得到全局最优解用于多无人机基站协同部署，得到的全局最优适应度值为按得到的全局最优解进行多无人机基站协同部署后能服务的用户数；其中，所述基于改进的生物地理学优化算法，对所述多个解进行循环迭代更新，包括：对所有解基于连接性约束进行评估和修正，所述连接性约束用于约束每个无人机至少具有两个邻居无人机，邻居无人机为距离小于预设邻居距离阈值的无人机；对每个无人机的坐标应用一个恒定的突变概率pM∈(0,1)，从区间(0,1)生成一个随机数σ，如果为σ≤pM，则对相应的解进行突变操作；所述突变操作是指在目标空间内生成一个新的无人机坐标，以取代原来的无人机坐标。