1.摘要
针对三维空间中多无人机基站部署的高维搜索和高代价适应度评估问题,论文提出点云网络辅助粒子群算法(PCN-PSO)。模型同时考虑三维信号覆盖、LoS/NLoS传播损耗和热点连接均衡;点云网络(PCN)学习无人机部署点的空间结构,用于筛选高潜力粒子并近似适应度;粒子群则结合多步更新、重要维度精细更新和停滞重初始化增强搜索。仿真表明,PCN-PSO在固定和随机热点场景下平均覆盖率均超过90%,并以约4000 s的运行时间取得较好的覆盖---效率折中。
2.三维基站部署模型
见个人简介
针对三维空间中多无人机基站部署的高维搜索和高代价适应度评估问题,论文提出点云网络辅助粒子群算法(PCN-PSO)。模型同时考虑三维信号覆盖、LoS/NLoS传播损耗和热点连接均衡;点云网络(PCN)学习无人机部署点的空间结构,用于筛选高潜力粒子并近似适应度;粒子群则结合多步更新、重要维度精细更新和停滞重初始化增强搜索。仿真表明,PCN-PSO在固定和随机热点场景下平均覆盖率均超过90%,并以约4000 s的运行时间取得较好的覆盖---效率折中。
见个人简介