一个智能生物启发的多目标和可扩展的无人机辅助集群算法在飞行特设网络中
Zaheer Aslam1,2, Taj Rahman3, Ghassan Husnain4
1Physical & Numerical Science, Qurtuba University of Science and Information Technology, Peshawar, 25000, Pakistan.
Scientific reports
|January 8, 2026
概括
秘书鸟优化算法 (SBOA) 为无人驾驶飞行器网络提供了高效的,适应性的集群,提高了动态环境中的能源效率和负载平衡.
科学领域:
- 计算机科学 计算机科学
- 网络工程 网络工程
- 人工智能的人工智能
背景情况:
- 飞行特设网络 (FANET) 对于任务关键的无人机 (UAV) 操作至关重要.
- 有效,可扩展和适应的集群对于在动态的3D环境中管理无人机群体至关重要.
- 现有的集群算法在高流动性和能源受限制的FANET中面临挑战.
研究的目的:
- 引入一个新的集群优化框架用于使用秘书鸟优化算法 (SBOA) 的FANET.
- 通过优化集群内部距离,剩余能量和负载平衡来增强集群头 (CH) 选择.
- 在效率,可扩展性和稳定性方面评估SBOA与其他元启发算法的性能.
主要方法:
- 开发了一个基于生物启发的SBOA的多目标优化框架.
- 模拟的无人机网络具有不同的节点数量 (30-160) 和通信范围 (100-900m).
- 将SBOA与火优化算法 (FHOA),Portia蜘蛛优化算法 (PSOA) 和MOSFP进行了比较.
主要成果:
- SBOA实现了高达15%的更高优化适应性和10%的更高集群密度.
- 显示负载不平衡减少了40%,并改善了趋同稳定性.
- 在稀疏的环境中展示了超过85%的最佳适应性,证实了可扩展性和强度.
结论:
- SBOA为实时,能源受限制的FANET提供了一种优越,强大的,可扩展的集群解决方案.
- 该算法在动态和关键操作环境中表现出色.
- 未来的工作可能涉及整合流动性预测和能源意识的路由,以提高FANET可扩展性.
