1.摘要
移动群智感知(MCS)常因缺乏实时环境信息而出现任务分配不合理和资源利用率低的问题,论文提出协同优化无人机路径规划框架 Co-UPP,将无人机从单纯的数据采集者转变为环境信息传感器。算法 EF-DH 先规划无人机路径,同时最大化任务真值奖励和环境信息价值、最小化飞行距离,再利用无人机采集的道路状态优化地面工人任务分配。EF-DH融合MOPSO的早期全局探索与NSGA-II的后期收敛搜索,在真实轨迹数据上提升了系统效用、任务效率和鲁棒性。
2.系统模型与问题定义
见个人简介
移动群智感知(MCS)常因缺乏实时环境信息而出现任务分配不合理和资源利用率低的问题,论文提出协同优化无人机路径规划框架 Co-UPP,将无人机从单纯的数据采集者转变为环境信息传感器。算法 EF-DH 先规划无人机路径,同时最大化任务真值奖励和环境信息价值、最小化飞行距离,再利用无人机采集的道路状态优化地面工人任务分配。EF-DH融合MOPSO的早期全局探索与NSGA-II的后期收敛搜索,在真实轨迹数据上提升了系统效用、任务效率和鲁棒性。
见个人简介