本發(fā)明涉及一種無人機(jī)數(shù)據(jù)收集過程中的路徑規(guī)劃方法。

背景技術(shù)：

與目前傳感網(wǎng)中主要的數(shù)據(jù)收集方法相比，基于無人機(jī)的數(shù)據(jù)收集方法具有很大的優(yōu)勢(shì)。首先，這種方法在形式上與基于移動(dòng)sink節(jié)點(diǎn)的數(shù)據(jù)收集方法非常相似，因此其可以完全避免“能量空洞問題”。同時(shí)它又將數(shù)據(jù)采集和數(shù)據(jù)收集分離在不同的空間維度進(jìn)行，因此也避免了“sink移動(dòng)受限問題”以及“應(yīng)用場(chǎng)景受限問題”。但是，現(xiàn)有的無人機(jī)大都由電池供電，航行時(shí)間非常短，如果遇到嚴(yán)峻的飛行環(huán)境，例如：飛行時(shí)障礙物較多，風(fēng)阻過大等因素，其航行時(shí)間將會(huì)大大減少，而現(xiàn)有的傳感網(wǎng)規(guī)模卻越來越大。因此，如果利用單個(gè)無人機(jī)對(duì)傳感網(wǎng)中所有數(shù)據(jù)感知節(jié)點(diǎn)進(jìn)行數(shù)據(jù)收集工作，將會(huì)造成大量的數(shù)據(jù)缺失。

雖然，基于多無人機(jī)相互協(xié)同進(jìn)行數(shù)據(jù)收集的方法，可以解決由于無人機(jī)能量受限而引起的數(shù)據(jù)缺失問題，但是這類方法卻有很大的缺點(diǎn)。首先增加多個(gè)無人機(jī)進(jìn)行數(shù)據(jù)收集無疑會(huì)大大的增加網(wǎng)絡(luò)成本，其次現(xiàn)有的多無人機(jī)相互協(xié)作進(jìn)行數(shù)據(jù)收集的方法，大都假設(shè)周圍環(huán)境對(duì)無人機(jī)的影響很少甚至沒有，然而這點(diǎn)在實(shí)際環(huán)境中是不能辦到的。因此，基于多無人機(jī)相互協(xié)同的數(shù)據(jù)收集方法很難在現(xiàn)實(shí)中應(yīng)用。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述現(xiàn)有技術(shù)中存在的問題或缺陷，本發(fā)明的目的在于，針對(duì)基于無人機(jī)的數(shù)據(jù)收集方法中由于無人機(jī)能量受限而引起的數(shù)據(jù)缺失問題，提供一種無人機(jī)數(shù)據(jù)收集過程中的路徑規(guī)劃方法，綜合考慮感知節(jié)點(diǎn)隨時(shí)可能采集到的異常數(shù)據(jù)和環(huán)境中隨時(shí)可能出現(xiàn)的障礙物，動(dòng)態(tài)地規(guī)劃無人機(jī)的航行路線，最終使得無人機(jī)在能量受限的情況下，收集到的數(shù)據(jù)具有最大的數(shù)據(jù)價(jià)值。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種無人機(jī)數(shù)據(jù)收集過程中的路徑規(guī)劃方法，包括以下步驟：

步驟一，獲取布設(shè)在傳感網(wǎng)中的每個(gè)數(shù)據(jù)感知節(jié)點(diǎn)的物理位置；

步驟二，在無人機(jī)上搭載有數(shù)據(jù)收集節(jié)點(diǎn)，所述的數(shù)據(jù)收集節(jié)點(diǎn)為UAV節(jié)點(diǎn)，UAV節(jié)點(diǎn)中設(shè)置有數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ，數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ包含多條數(shù)據(jù)收集任務(wù)，每條數(shù)據(jù)收集任務(wù)表示收集傳感網(wǎng)中一個(gè)數(shù)據(jù)感知節(jié)點(diǎn)的數(shù)據(jù)；

步驟三：計(jì)算數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中每個(gè)任務(wù)所對(duì)應(yīng)的收集效益，找出數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中收集效益最大的任務(wù)，將該任務(wù)所對(duì)應(yīng)的數(shù)據(jù)感知節(jié)點(diǎn)作為數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)；

步驟四：無人機(jī)根據(jù)數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)的物理位置，朝著目標(biāo)節(jié)點(diǎn)飛行，若飛行途中遇到障礙物則返回步驟三，若飛行途中未遇到障礙物，則無人機(jī)到達(dá)目標(biāo)節(jié)點(diǎn)，采集到目標(biāo)節(jié)點(diǎn)的數(shù)據(jù)，并將據(jù)收集任務(wù)隊(duì)列DCTQ中已經(jīng)完成的任務(wù)刪除；

步驟五：如果無人機(jī)能量充足，且整體區(qū)域的數(shù)據(jù)采集任務(wù)還沒有完成，則返回步驟三得到下一個(gè)數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)，直到無人機(jī)能量消耗完或整體區(qū)域的數(shù)據(jù)采集任務(wù)完成，無人機(jī)返回服務(wù)站。

具體地，所述步驟三中的計(jì)算數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中每個(gè)任務(wù)所對(duì)應(yīng)的收集效益，具體方法如下：

對(duì)于數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中的第i條任務(wù)，其對(duì)應(yīng)的收集效益計(jì)算公式如下：

${\mathrm{CG}}_i=(1-\∂)\frac{C_i}{\left|\right|P_{UAV}-P_{n_i}\left|\right|}+{(1-\∂)}^2{f}_{max}^i---\left(1\right)$

其中，表示在數(shù)據(jù)收集過程中異常數(shù)據(jù)的出現(xiàn)概率，C_i表示第i條任務(wù)所對(duì)應(yīng)的數(shù)據(jù)價(jià)值，P_UAV表示UAV節(jié)點(diǎn)的實(shí)時(shí)位置，表示第i條任務(wù)中要對(duì)其數(shù)據(jù)進(jìn)行采集的數(shù)據(jù)感知節(jié)點(diǎn)n_i的位置，||P_UAV-Pn_i||表示UAV節(jié)點(diǎn)和數(shù)據(jù)感知節(jié)點(diǎn)n_i的直線距離，表示節(jié)點(diǎn)執(zhí)行第i條任務(wù)的直接投入產(chǎn)出比的數(shù)學(xué)期望；函數(shù)表示，如果UAV節(jié)點(diǎn)執(zhí)行完第i條任務(wù)的時(shí)候，UAV節(jié)點(diǎn)任務(wù)隊(duì)列中所有任務(wù)投入產(chǎn)出比的最大值，因此則表示執(zhí)行第i條任務(wù)所對(duì)應(yīng)的間接最大投入產(chǎn)出比的數(shù)學(xué)期望。

具體地，所述步驟一中的獲取傳感網(wǎng)中每個(gè)數(shù)據(jù)感知節(jié)點(diǎn)的物理位置，具體的獲取方法為在部署傳感網(wǎng)中的數(shù)據(jù)感知節(jié)點(diǎn)時(shí)人工記錄，或者利用節(jié)點(diǎn)定位技術(shù)獲取。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)效果：

1、本發(fā)明為無人機(jī)節(jié)點(diǎn)挑選當(dāng)前情況下投入產(chǎn)出比最高的節(jié)點(diǎn)，作為目的地來收集數(shù)據(jù)。因此，相比現(xiàn)有技術(shù)本發(fā)明則會(huì)更好的利用無人機(jī)的能量，收集更多的有“價(jià)值”的數(shù)據(jù)。

2、隨著無人機(jī)節(jié)點(diǎn)初始化總能量的增加，本發(fā)明中無人機(jī)節(jié)點(diǎn)收集到的數(shù)據(jù)可以更快的趨近于網(wǎng)絡(luò)中的總數(shù)據(jù)價(jià)值。在無人機(jī)節(jié)點(diǎn)收集到的數(shù)據(jù)趨近于網(wǎng)絡(luò)中的總數(shù)據(jù)價(jià)值之前，本發(fā)明中無人機(jī)節(jié)點(diǎn)在每次執(zhí)行任務(wù)的時(shí)候都是以選擇投入產(chǎn)出比最高的任務(wù)來執(zhí)行，而現(xiàn)有技術(shù)則總是選擇最省時(shí)的任務(wù)來執(zhí)行，因此總體來看本發(fā)明中的無人機(jī)節(jié)點(diǎn)將會(huì)收集到更多有價(jià)值的數(shù)據(jù)。

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明的方案做進(jìn)一步詳細(xì)的解釋和說明。

附圖說明

圖1是本發(fā)明的流程圖；

圖2是室外環(huán)境數(shù)據(jù)集數(shù)據(jù)字段示意圖；

圖3是障礙物不同出現(xiàn)概率下TSP類算法數(shù)據(jù)總價(jià)值比較；

圖4是無人機(jī)初始能量不同情況下TSP與DG類算法與DG算法數(shù)據(jù)總價(jià)值比較；

具體實(shí)施方式

遵從上述技術(shù)方案，參見圖1，本發(fā)明的無人機(jī)數(shù)據(jù)收集過程中的路徑規(guī)劃方法，包括以下步驟：

步驟一，獲取布設(shè)在傳感網(wǎng)中的每個(gè)數(shù)據(jù)感知節(jié)點(diǎn)的物理位置；具體的獲取方法為在部署傳感網(wǎng)中的數(shù)據(jù)感知節(jié)點(diǎn)時(shí)人工記錄，或者利用節(jié)點(diǎn)定位技術(shù)獲取。

步驟二，在無人機(jī)上搭載數(shù)據(jù)收集節(jié)點(diǎn)，即UAV節(jié)點(diǎn)，UAV節(jié)點(diǎn)上設(shè)置有包含數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ，數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ包含多條數(shù)據(jù)收集任務(wù)，每條數(shù)據(jù)收集任務(wù)表示收集傳感網(wǎng)中一個(gè)數(shù)據(jù)感知節(jié)點(diǎn)的數(shù)據(jù)。

步驟三：計(jì)算數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中每個(gè)任務(wù)所對(duì)應(yīng)的收集效益，找出此時(shí)數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中收集效益最大的任務(wù)，該任務(wù)所對(duì)應(yīng)的數(shù)據(jù)感知節(jié)點(diǎn)作為數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)。對(duì)于數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中的第i條任務(wù)，其對(duì)應(yīng)的收集效益可以按照如下公式計(jì)算得到：

${\mathrm{CG}}_i=(1-\∂)\frac{C_i}{\left|\right|P_{UAV}-P_{n_i}\left|\right|}+{(1-\∂)}^2{f}_{max}^i---\left(1\right)$

其中，表示在數(shù)據(jù)收集過程中異常數(shù)據(jù)的出現(xiàn)概率，C_i表示第i條任務(wù)所對(duì)應(yīng)的數(shù)據(jù)價(jià)值，P_UAV表示UAV節(jié)點(diǎn)的實(shí)時(shí)位置，表示第i條任務(wù)中要對(duì)其數(shù)據(jù)進(jìn)行采集的數(shù)據(jù)感知節(jié)點(diǎn)n_i的位置，||P_UAV-Pn_i||表示UAV節(jié)點(diǎn)和數(shù)據(jù)感知節(jié)點(diǎn)n_i的直線距離，因此，表示節(jié)點(diǎn)執(zhí)行第i條任務(wù)的直接投入產(chǎn)出比的數(shù)學(xué)期望。函數(shù)表示，如果UAV節(jié)點(diǎn)執(zhí)行完第i條任務(wù)的時(shí)候，UAV節(jié)點(diǎn)任務(wù)隊(duì)列中所有任務(wù)投入產(chǎn)出比的最大值，因此則表示執(zhí)行第i條任務(wù)所對(duì)應(yīng)的間接最大投入產(chǎn)出比的數(shù)學(xué)期望。所以，公式(1)總體表示執(zhí)行某個(gè)數(shù)據(jù)收集任務(wù)即收集某個(gè)節(jié)點(diǎn)的數(shù)據(jù)，所帶來的直接投入產(chǎn)出比和最大間接投入產(chǎn)出比的數(shù)學(xué)期望之和。

本發(fā)明引入“收集效益”CG(Collection Gain:CG)這一概念。CG在物理意義上表示，UAV節(jié)點(diǎn)在當(dāng)前狀況下，收集一個(gè)節(jié)點(diǎn)的數(shù)據(jù)所帶來的直接投入產(chǎn)出比和最大間接投入產(chǎn)出比的數(shù)學(xué)期望之和。它直接反映UAV節(jié)點(diǎn)的能量使用效率。因此，如果一條數(shù)據(jù)收集任務(wù)所對(duì)應(yīng)的CG值越高，則UAV節(jié)點(diǎn)認(rèn)為執(zhí)行該任務(wù)的優(yōu)先級(jí)越高。

上述步驟可用如下代碼表示：

步驟四：無人機(jī)根據(jù)數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)的物理位置，朝著數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)飛行，若飛行途中遇到障礙物則返回步驟三重新找出數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中收集效益最大的任務(wù)，若飛行途中未遇到障礙物，則無人機(jī)到達(dá)數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)，采集到目標(biāo)節(jié)點(diǎn)的數(shù)據(jù)，并將據(jù)收集任務(wù)隊(duì)列DCTQ中已經(jīng)完成的任務(wù)刪除，即將數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中收集效益最大的任務(wù)刪除。

步驟五：如果無人機(jī)能量充足，且整體區(qū)域的數(shù)據(jù)采集任務(wù)還沒有完成，則返回步驟三得到下一個(gè)數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)，該下一個(gè)數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)為將步驟四中的數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中收集效益最大的任務(wù)刪除后，重新計(jì)算得到的數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ中收集效益最大的任務(wù)，直到無人機(jī)能量消耗完或整體區(qū)域的數(shù)據(jù)采集任務(wù)完成，無人機(jī)返回服務(wù)站。

對(duì)節(jié)點(diǎn)數(shù)據(jù)收集的路徑規(guī)劃問題，其物理意義在于：當(dāng)UAV節(jié)點(diǎn)處于數(shù)據(jù)收集工作最開始的時(shí)候，UAV節(jié)點(diǎn)遇到障礙物改變已有航行路線的時(shí)候，UAV節(jié)點(diǎn)接收到異常感知數(shù)據(jù)收集請(qǐng)求的時(shí)候，UAV節(jié)點(diǎn)執(zhí)行完某個(gè)數(shù)據(jù)收集任務(wù)的時(shí)候，UAV節(jié)點(diǎn)根據(jù)其數(shù)據(jù)收集任務(wù)隊(duì)列DCTQ，如何選擇數(shù)據(jù)收集目的節(jié)點(diǎn)的問題。UAV節(jié)點(diǎn)數(shù)據(jù)收集的目標(biāo)節(jié)點(diǎn)，應(yīng)該滿足以下特點(diǎn)：距離UAV節(jié)點(diǎn)當(dāng)前位置較近；此節(jié)點(diǎn)具有較大的數(shù)據(jù)價(jià)值；收集完此節(jié)點(diǎn)的數(shù)據(jù)之后，下一個(gè)目標(biāo)節(jié)點(diǎn)距離此節(jié)點(diǎn)也較近。

仿真實(shí)驗(yàn)

1、無人機(jī)數(shù)據(jù)收集方法仿真參數(shù)介紹

首先，本發(fā)明使用的數(shù)據(jù)集是部署在榆林鎮(zhèn)北臺(tái)長(zhǎng)城遺址內(nèi)的41個(gè)數(shù)據(jù)感知節(jié)點(diǎn)在2015年12月1日到2015年12月20日之間所采集的數(shù)據(jù)。這41個(gè)節(jié)點(diǎn)底層采用CC2530硬件結(jié)構(gòu)，負(fù)責(zé)采集長(zhǎng)城遺址土壤內(nèi)部15cm深度的溫度值。數(shù)據(jù)采集的范圍是-20℃-40℃之間。具體的數(shù)據(jù)格式如圖2所示：

第一個(gè)字段Nodeid，表示采集這條數(shù)據(jù)的節(jié)點(diǎn)所對(duì)應(yīng)的節(jié)點(diǎn)編號(hào)第二個(gè)字段SenseTime，表示節(jié)點(diǎn)采集這條數(shù)據(jù)的時(shí)間，第三個(gè)字段StoreTime，表示數(shù)據(jù)庫存儲(chǔ)這條數(shù)據(jù)的時(shí)間，第四個(gè)字段Data，表示節(jié)點(diǎn)采集的15cm深度的土壤內(nèi)部溫度值。

采用應(yīng)用誤差為0.01時(shí)，網(wǎng)絡(luò)中的數(shù)據(jù)關(guān)鍵性節(jié)點(diǎn)和其相應(yīng)的覆蓋范圍。并且在節(jié)點(diǎn)數(shù)據(jù)收集之前，它已經(jīng)獲取了數(shù)據(jù)關(guān)鍵性節(jié)點(diǎn)的所有信息，以及網(wǎng)絡(luò)中所有數(shù)據(jù)感知節(jié)點(diǎn)的地理位置。根據(jù)現(xiàn)實(shí)環(huán)境中的情況，在仿真中本文假設(shè)節(jié)點(diǎn)每航行一個(gè)單位長(zhǎng)度耗費(fèi)0.02個(gè)單位能量，在航行的過程中總是以單位時(shí)間內(nèi)航行1.6個(gè)單位長(zhǎng)度的速度勻速運(yùn)行。本文假設(shè)，節(jié)點(diǎn)在數(shù)據(jù)收集的過程中每躲避一次障礙物所耗費(fèi)的能量在0.02-0.04個(gè)單位能量之間，偏離航線的范圍在2個(gè)單位長(zhǎng)度之內(nèi)。本文假設(shè)所要涉及的監(jiān)測(cè)環(huán)境總體上處于平穩(wěn)的狀態(tài)。因此，數(shù)據(jù)感知節(jié)點(diǎn)不會(huì)頻繁的采集到異常感知數(shù)據(jù)，即使采集到的異常感知數(shù)據(jù)其異常度也不會(huì)很高，因此在仿真中本文將異常感知數(shù)據(jù)的數(shù)據(jù)價(jià)值取值范圍設(shè)為5-10之間，異常感知數(shù)據(jù)出現(xiàn)的概率為10％。

2、算法仿真結(jié)果分析

當(dāng)UAV節(jié)點(diǎn)在數(shù)據(jù)收集過程中，利用本文提出的DG算法與TSP類算法分別進(jìn)行路徑規(guī)劃時(shí)，比較UAV節(jié)點(diǎn)最終收集到的數(shù)據(jù)所具有總數(shù)據(jù)價(jià)值。由于仿真過程中，引入了隨機(jī)函數(shù)來刻畫異常數(shù)據(jù)和障礙物出現(xiàn)的概率，所以針對(duì)每種情況下的結(jié)果，本文都是將仿真程序運(yùn)行了20次，并取所有運(yùn)行結(jié)果的平均值作為最終的結(jié)果來展示。

圖3是DG算法與TSP類算法在數(shù)據(jù)收集過程中遇到障礙物概率不同的情況下，UAV節(jié)點(diǎn)收集的數(shù)據(jù)所對(duì)應(yīng)的數(shù)據(jù)總價(jià)值的比較圖。圖中的紫紅色曲線和藍(lán)色曲線分別是UAV節(jié)點(diǎn)使用DG算法和TSP類算法最終的仿真結(jié)果。從圖的整體來看，兩種算法在障礙物出現(xiàn)概率增加的時(shí)候，UAV節(jié)點(diǎn)收集到的數(shù)據(jù)，其具有的總價(jià)值都會(huì)降低。當(dāng)障礙物出現(xiàn)的概率增加到一定值的時(shí)，UAV節(jié)點(diǎn)收集到的數(shù)據(jù)所具有的總價(jià)值趨近于0，也就是說這個(gè)時(shí)候UAV節(jié)點(diǎn)將幾乎收集不到數(shù)據(jù)。造成這種情況的原因有兩點(diǎn)：第一當(dāng)障礙物出現(xiàn)的概率增加的時(shí)候，UAV節(jié)點(diǎn)會(huì)消耗過多的能量用來躲避障礙物。單從收集數(shù)據(jù)的角度來看，這些消耗的能量則是被白白浪費(fèi)掉了，真正用于數(shù)據(jù)收集的有效能量則急劇減少，因此無論基于那種方法最終的總數(shù)據(jù)價(jià)值都會(huì)減少。第二當(dāng)障礙物出現(xiàn)的概率增加時(shí)，UAV節(jié)點(diǎn)會(huì)由于躲避障礙物而頻繁的偏離當(dāng)前的數(shù)據(jù)收集的航線，因此對(duì)于UAV節(jié)點(diǎn)來說它會(huì)走很多的“冤枉路”，白白的消耗很多能量，最終也是因?yàn)橛糜跀?shù)據(jù)收集的有效能量減少，從而收集到的數(shù)據(jù)總價(jià)值變少。

從圖3中也可以清楚的看到，在大部分的情況下DG算法總是優(yōu)于TSP類算法。這是因?yàn)門SP類算法的核心思想是讓節(jié)點(diǎn)的數(shù)據(jù)盡可能早的被收集完。因此在對(duì)UAV節(jié)點(diǎn)的路徑規(guī)劃中，總是挑選與當(dāng)前位置相近的節(jié)點(diǎn)作為目的地來收集數(shù)據(jù)，在數(shù)據(jù)收集的過程中完全沒有數(shù)據(jù)價(jià)值的概念。而DG算法的核心的思想是為UAV節(jié)點(diǎn)挑選當(dāng)前情況下投入產(chǎn)出比最高的節(jié)點(diǎn)，作為目的地來收集數(shù)據(jù)。因此，相比TSP類算法DG算法則會(huì)更好的利用自己的能量，收集更多的有“價(jià)值”的數(shù)據(jù)。但是當(dāng)障礙物出現(xiàn)的概率增加到一定量的時(shí)候，TSP算法則優(yōu)于DG算法。這是因?yàn)?，?dāng)障礙物出現(xiàn)概率非常大的時(shí)候，UAV節(jié)點(diǎn)會(huì)頻繁的偏離航線，進(jìn)而有可能改變數(shù)據(jù)收集的目的地，這個(gè)時(shí)候UAV節(jié)點(diǎn)的運(yùn)動(dòng)狀態(tài)趨近于隨機(jī)狀態(tài)。因此，UAV節(jié)點(diǎn)只會(huì)“碰巧”地出現(xiàn)在某個(gè)節(jié)點(diǎn)的附近。這個(gè)時(shí)候TSP類的算法則會(huì)收集該節(jié)點(diǎn)的數(shù)據(jù)。而對(duì)于DG算法，如果“碰巧”這個(gè)節(jié)點(diǎn)正好是未被收集的數(shù)據(jù)關(guān)鍵性節(jié)點(diǎn)，那么該節(jié)點(diǎn)的數(shù)據(jù)就會(huì)被收集。而當(dāng)這個(gè)節(jié)點(diǎn)是數(shù)據(jù)平凡節(jié)點(diǎn)的時(shí)候，對(duì)于DG算法來說除非該數(shù)據(jù)平凡節(jié)點(diǎn)采集的是異常數(shù)據(jù)，它才會(huì)收集，如果是正常數(shù)據(jù)，它將不會(huì)理睬。綜上所述，當(dāng)障礙物出現(xiàn)概率增加的時(shí)候DG算法“碰巧”遇到可以收集數(shù)據(jù)的節(jié)點(diǎn)的概率將會(huì)非常小，此時(shí)利用DG算法UAV節(jié)點(diǎn)將幾乎收集不到數(shù)據(jù)，所以在障礙物出現(xiàn)概率增加到一定量的時(shí)候TSP類的算法將優(yōu)于DG算法。

圖4是當(dāng)節(jié)點(diǎn)初始化能量不同的情況下，分別利用DG算法與TSP類的算法來規(guī)劃路徑，最終收集到的數(shù)據(jù)所具有的總價(jià)值的比較圖。圖中紫紅色曲線是DG算法的仿真結(jié)果，圖中藍(lán)色的曲線是TSP類算法的仿真結(jié)果。從圖中可以明顯的看出，隨著UAV節(jié)點(diǎn)初始化總能量的增加，利用兩種算法收集到的數(shù)據(jù)其總數(shù)據(jù)價(jià)值都會(huì)增加。當(dāng)UAV節(jié)點(diǎn)總能量增加到一定值μ的時(shí)候，利用兩種算法收集到的數(shù)據(jù)都趨近于網(wǎng)絡(luò)中的總數(shù)據(jù)價(jià)值Ω，此時(shí)當(dāng)UAV節(jié)點(diǎn)初始化能量繼續(xù)增加的時(shí)候，兩者的結(jié)果都基本保持在Ω左右不變。(在本仿真環(huán)境下，網(wǎng)絡(luò)中理論的數(shù)據(jù)價(jià)值總和Ω＝42)。這是因?yàn)楫?dāng)UAV節(jié)點(diǎn)的總能量很小的時(shí)候無論是DG算法還是TSP類算法都不能保證UAV節(jié)點(diǎn)能完成自己任務(wù)隊(duì)列中的所有數(shù)據(jù)收集任務(wù)。當(dāng)UAV節(jié)點(diǎn)的總能量變大的時(shí)候UAV節(jié)點(diǎn)執(zhí)行任務(wù)的“能力”則得到加強(qiáng)，因此其最終收集到的數(shù)據(jù)總價(jià)值會(huì)變高。但是當(dāng)UAV節(jié)點(diǎn)的能量小于μ之前，相同的初始化總能量下，DG算法明顯優(yōu)于TSP類算法。這是因?yàn)樵谀芰啃∮讦讨埃m然兩者都沒有能力完全執(zhí)行完任務(wù)隊(duì)列中的任務(wù)，但是DG算法在每次執(zhí)行任務(wù)的時(shí)候都是以選擇投入產(chǎn)出比最高的任務(wù)來執(zhí)行，而TSP類的算法則總是選擇最省時(shí)的任務(wù)來執(zhí)行，因此總體來看DG算法將會(huì)收集到更多有價(jià)值的數(shù)據(jù)。