2026年IEEE IOTJ，DNA序列启发相似性驱动粒子群算法+无人机与基站部署，深度解析+性能实测

1.摘要

针对城市物联网中海量设备接入引发的突发性高流量需求，无人机基站（UAV-BS）的动态高效部署是满足复杂环境下普通与特殊区域差异化通信覆盖的核心挑战。因此，本文提出一种基于DNA序列相似度计算的平均汉明距离改进粒子群算法（AHDPSO），该算法将粒子的位置与速度信息矩阵化，利用DNA映射序列计算平均汉明距离以精准识别离群点；在此基础上，算法引入搜索引导系数c3量化离群点对全局搜索的导向作用。

2.模型构建

论文构建面向差异化服务需求的多无人机基站（UAV-BS）辅助通信三维部署模型，为在最小化无人机部署数量的同时保障信号连续性，该模型将目标环境划分为标准化网格，并基于服务质量要求严格界定关键任务区与标准服务区，从而建立空间覆盖优先级框架。模型综合考量信号强度阈值、覆盖半径及飞行高度等物理约束，量化空间覆盖率与均匀度双重评估指标。

模型采用栅格法对目标区域进行离散化划分，定义未覆盖率参数以量化未能获取充足信号强度的地面用户比例，该指标直接反映了无人机的覆盖效能：
f 1 = n 2 − ∑ i = 1 n ∑ j = 1 n a i j n 2 f_1 = \frac{n^2 - \sum_{i=1}^{n} \sum_{j=1}^{n} a_{ij}}{n^2} f1=n2n2−∑i=1n∑j=1naij

为保障区域内信号分布的均衡性，避免局部信号过强或过弱，模型通过计算特殊区域与非特殊区域内接收信号强度的标准差来评估信号匀度。基于视距（LoS）链路的确定性路径损耗，在理想条件下，接收端信号强度的估算公式为：
P r = P t − 20 log ⁡ 10 ( d ) − 20 log ⁡ 10 ( f ) − 20 log ⁡ 10 ( 4 π c ) Pr = Pt - 20 \log_{10}(d) - 20 \log_{10}(f) - 20 \log_{10}\left(\frac{4\pi}{c}\right) Pr=Pt−20log10(d)−20log10(f)−20log10(c4π)

针对不同评估指标量级差异过大的问题，模型引入对数函数对特殊区域及非特殊区域的信号匀度指标进行平滑缩放与降维处理。结合各性能指标优先级权重配置，模型构建了综合目标函数：
F = w 1 ⋅ f 1 + w 2 ⋅ log ⁡ 100 ( 1 + f 2 ) + w 3 ⋅ log ⁡ 1000 ( 1 + f 3 ) F = w_1 \cdot f_1 + w_2 \cdot \log_{100}(1 + f_2) + w_3 \cdot \log_{1000}(1 + f_3) F=w1⋅f1+w2⋅log100(1+f2)+w3⋅log1000(1+f3)

3.算法设计

矩阵粒子群算法

矩阵粒子群算法(MPSO)将所有粒子包含的无人机基站三维位置及速度信息分别重构为全局位置矩阵 X X X 和速度矩阵 V V V，通过矩阵并行机制实现所有维度的同步处理

V = w ⋅ V + c 1 ⊙ R 1 ⊙ ( p b − X ) + c 2 ⊙ R 2 ⊙ ( g b b − X ) V=w\cdot V+c_1\odot R_1\odot(p_b-X)+c_2\odot R_2\odot(g_{bb}-X) V=w⋅V+c1⊙R1⊙(pb−X)+c2⊙R2⊙(gbb−X)

X = X + V X=X+V X=X+V

其中， w w w为惯性权重矩阵； c 1 c_1 c1与 c 2 c_2 c2为加速系数矩阵， R 1 R_1 R1与 R 2 R_2 R2为元素在[0,1]区间内独立采样的随机数矩阵， ⊙ \odot ⊙表示矩阵哈达玛积， p b p_b pb为个体历史最优位置矩阵， g b b g_{bb} gbb是经过维度广播扩展以匹配矩阵 X X X全局最优位置矩阵。

AHDPSO算法

AHDPSO引入了仿生DNA序列映射机制，通过四进制编码将连续的三维位置浮点数据转化为离散字符集 ( A , C , G , T ) (A,C,G,T) (A,C,G,T)，粒子间的平均汉明距离以量化个体在种群中的空间分布差异

H D ( p i ) = ∑ j = 1 N H D ( p i , p j ) N − 1 , i ≠ j HD(p_i)=\frac{\sum_{j=1}^NHD(p_i,p_j)}{N-1},\quad i\neq j HD(pi)=N−1∑j=1NHD(pi,pj),i=j

通过上述计算，算法能够精准定位种群中平均汉明距离最大的粒子，将其作为离群点( x f w o r s t xf_{worst} xfworst )

4.结果展示

5.参考文献

Zhu D, Hu J, Shen J, et al. DNA sequence-inspired similarity-driven particle swarm optimization for UAV-BSs deployment[J]. IEEE Internet of Things Journal, 2025.