多无人机协同编队最优信息交互拓扑生成方法及装置与流程

本发明涉及通信技术领域，尤其涉及一种多无人机协同编队最优信息交互拓扑生成方法及装置。

背景技术：

在起飞巡航阶段，所有无人机(uav)通常通过点对点的通信链接(communicationlinks)进行信息交互，以形成一定的编队队形(formationshape或者formationgeometry)，并保持此编队队形继续朝目标区域飞行。其中所使用的通信链接被称为多uav协同编队的信息交互拓扑(informationexchangetopology)、通信拓扑(communicationtopology)、连接拓扑(connectiontopology)、信息结构(informationstructure)或者信息拓扑(informationtopology)，它们只是uav之间所有可用的通信链接集合中的一部分。为了统一表述，下文采用“信息交互拓扑”这一名称。同时，将uav之间所有可用的通信链接的集合称为多uav协同编队的通信网络拓扑(communicationnetworktopology)。

由于信息交互拓扑中任何两位置uav之间的通信距离不同，导致信息交互拓扑中不同uav之间通信链接具有不同的通信代价并会消耗uav相应的电池电量或燃料。实际应用中，两个uav之间通信链接的通信代价受到很多因素影响，例如，任务要求、通信距离、飞行性能、安全性等。为简化说明，上述通信代价直接采用通信距离来表示。

同时，每架uav可用的电池电量或燃料又是有限的。因此，如何通过优化多无人机协同编队信息交互拓扑，降低uav的电池的电量或燃料的消耗成为了亟需解决的技术问题。

技术实现要素：

针对现有技术中的缺陷，本发明提供了一种多无人机协同编队最优信息交互拓扑生成方法及装置，用于在每个无人机都可以作为编队领航者且未发生故障时使得三维持久编队保持编队队形飞行的过程中编队通信代价最小。

第一方面，本发明实施例提供了一种多无人机协同编队最优信息交互拓扑生成方法，所述方法包括：

根据无人机需要组成的三维持久编队的编队队形获取通信网络拓扑及其对应的赋权无向图；

根据三维最优刚性图生成算法计算所述赋权无向图的三维最优刚性图；

根据所述三维最优刚性图和三维最优持久图生成算法获取三维最优持久图，所述三维最优持久图即为该编队的最优信息交互拓扑。

可选地，所述三维最优持久图生成算法包括：

将所述三维最优刚性图转换成第一有向图；

在所述第一有向图中增加虚拟领航者节点得到第二有向图；所述虚拟领航者节点与所述第一有向图中每个节点之间设置有三条出弧，并且所述虚拟领航者节点的每条出弧的权值相同并大于所述第一有向图中全部弧的权值之和；

获取所述第二有向图的第一最小树形图，并删除所述第一最小树形图中所述虚拟领航者节点及其对应的出弧得到第三有向图t1；

删除所述第二有向图中对应所述第一最小树形图中所有弧及其对应的反向弧得到第四有向图；

获取所述第四有向图的第二最小树形图，并删除所述第二最小树形图中所述虚拟领航者节点及其对应的出弧得到第五有向图t2；

删除所述第四有向图中对应所述第二最小树形图中所有弧及其对应的反向弧得到第六有向图；

获取所述第六有向图的第三最小树形图，并删除所述第三最小树形图中所述虚拟领航者节点及其对应的出弧得到第七有向图t3；

合并所述第三有向图、所述第五有向图和所述第七有向图得到第八有向图t以及所述第八有向图t中弧的数量m；

当所述三维最优刚性图r的节点数量为n且m满足m＝3n-6时，则所述第八有向图t为三维最优持久图。

可选地，所述三维最优持久图生成算法还包括：

当所述三维最优刚性图的节点数量为n且m满足m<(3n-6)时，获取所述三维最优刚性图中的第l条边对应的两条弧，符号l的初始值为1；

若该两条弧都不在所述第八有向图中，获取第l条边对应两节点的入度；

当第l条边对应的两节点的入度不都等于3时，将该两个节点中入度小于3的节点的连接另外那个节点的入弧添加到所述第八有向图中得到第九有向图；

若所述第九有向图中弧的数量m等于(3n-6)时，则所述第九有向图为三维最优持久图；否则将所述第八有向图中的数据更新为所述第九有向图中的数据。

可选地，所述三维最优持久图生成算法还包括：

当第l条边对应的两节点的入度都等于3时，将该第l条边对应的一条弧添加到第八有向图中得到第九有向图；该弧为第l条边所对应第一节点的入弧；

按照先入度2再入度1最后入度0的方式在所述第九有向图中寻找入度小于3的一个第二节点，并获取所述第二节点与所述第一节点之间具有最少跳数的路径；

将所述最少跳数的路径对应的所有弧反向得到第十有向图；

若所述第十有向图中弧的数量m等于(3n-6)时，则所述第十有向图为三维最优持久图；否则将所述第八有向图中的数据更新为所述第十有向图中的数据。

可选地，所述三维最优持久图生成算法还包括：

将所述符号l的值增加1，若符号l小于等于(3n-6)时，则继续判断第l条边对应的两条弧是否都不在所述第八有向图t中。

第二方面，本发明实施例还提供了一种多无人机协同编队最优信息交互拓扑生成装置，其特征在于，所述装置包括：

赋权无向图获取模块，用于根据无人机需要组成的三维持久编队的编队队形获取通信网络拓扑及其对应的赋权无向图；

三维最优刚性图计算模块，用于根据三维最优刚性图生成算法计算所述赋权无向图的三维最优刚性图；

最优信息交互拓扑获取模块，用于根据所述三维最优刚性图和三维最优持久图生成算法获取三维最优持久图，所述三维最优持久图即为该编队的最优信息交互拓扑。

可选地，所述最优信息交互拓扑获取模块利用三维最优持久图生成算法获取三维最优持久图的步骤包括：

将所述三维最优刚性图转换成第一有向图；

在所述第一有向图中增加虚拟领航者节点得到第二有向图；所述虚拟领航者节点与所述第一有向图中每个节点之间设置有三条出弧，并且所述虚拟领航者节点的每条出弧的权值相同并大于所述第一有向图中全部弧的权值之和；

获取所述第二有向图的第一最小树形图，并删除所述第一最小树形图中所述虚拟领航者节点及其对应的出弧得到第三有向图；

删除所述第二有向图中对应所述第一最小树形图中所有弧及其对应的反向弧得到第四有向图；

获取所述第四有向图的第二最小树形图，并删除所述第二最小树形图中所述虚拟领航者节点及其对应的出弧得到第五有向图；

删除所述第四有向图中对应所述第二最小树形图中所有弧及其对应的反向弧得到第六有向图；

获取所述第六有向图的第三最小树形图，并删除所述第三最小树形图中所述虚拟领航者节点及其对应的出弧得到第七有向图t3；

合并所述第三有向图t1、所述第五有向图t2和所述第七有向图t3得到第八有向图t以及所述第八有向图t中弧的数量m；

当所述三维最优刚性图r的节点数量为n且m满足m＝3n-6时，则所述第八有向图t为三维最优持久图。

可选地，所述最优信息交互拓扑获取模块利用三维最优持久图生成算法获取三维最优持久图的步骤还包括：

当所述三维最优刚性图的节点数量为n且m满足m<(3n-6)时，获取所述三维最优刚性图中的第l条边对应的两条弧，符号l的初始值为1；

若该两条弧都不在所述第八有向图中，获取第l条边对应两节点的入度；

当第l条边对应的两节点的入度不都等于3时，将该两个节点中入度小于3的节点的连接另外那个节点的入弧添加到所述第八有向图中得到第九有向图；

若所述第九有向图中弧的数量m等于(3n-6)时，则所述第九有向图为三维最优持久图；否则将所述第八有向图中的数据更新为所述第九有向图中的数据。

可选地，所述最优信息交互拓扑获取模块利用三维最优持久图生成算法获取三维最优持久图的步骤还包括：

当第l条边对应的两节点的入度都等于3时，将该第l条边对应的一条弧添加到第八有向图中得到第九有向图；该弧为第l条边所对应第一节点的入弧；

按照先入度2再入度1最后入度0的方式在所述第九有向图中寻找入度小于3的一个第二节点，并获取所述第二节点与所述第一节点之间具有最少跳数的路径；

将所述最少跳数的路径对应的所有弧反向得到第十有向图；

若所述第十有向图中弧的数量m等于(3n-6)时，则所述第十有向图为三维最优持久图；否则将所述第八有向图中的数据更新为所述第十有向图中的数据。

可选地，所述最优信息交互拓扑获取模块利用三维最优持久图生成算法获取三维最优持久图的步骤还包括：

将所述符号l的值增加1，若符号l小于等于(3n-6)时，则继续判断第l条边对应的两条弧是否都不在所述第八有向图t中。

由上述技术方案可知，本发明根据无人机需要组成的三维持久编队的编队队形获取通信网络拓扑及其对应的赋权无向图；然后根据三维最优刚性图生成算法计算上述赋权无向图的三维最优刚性图；最后根据所述三维最优刚性图和三维最优持久图生成算法获取三维最优持久图，所述三维最优持久图即为该编队的最优信息交互拓扑。与现有技术相比较，本发明可以在无人机未发生故障且需要组成三维持久编队时，能够在更短的时间内计算出三维最优持久图作为三维持久编队的最优信息交互拓扑，可以使三维持久编队保持队形安全飞行的过程中编队通信代价最小。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1为本发明实施例提供的多无人机协同编队最优信息交互拓扑生成方法的流程示意图；

图2(a)～(b)是本发明实施例中5架uav组成的三维持久编队的三维空间队形以及相对位置示意图；

图3(a)～(e)是采用图1方法获取图2中5架uav组成的三维持久编队的最优信息交互拓扑的过程示意图；

图4是现有技术获取的图2中5架uav组成的三维持久编队的最优信息交互拓扑示意图；

图5(a)～(b)是本发明实施例中16架uav组成的三维持久编队的三维空间队形以及相对位置示意图；

图6(a)～(e)是采用图1方法获取图5中16架uav组成的三维持久编队的最优信息交互拓扑的过程示意图；

图7是现有技术获取的图5中16架uav组成的三维持久编队的最优信息交互拓扑示意图；

图8为本发明实施例提供的多无人机协同编队最优信息交互拓扑生成装置框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明一实施例提供的一种多无人机协同编队最优信息交互拓扑生成方法的流程示意图。需要说明的是，本发明实施例中多无人机协同编队中每个无人机都可以作为编队领航者，且是在全部无人机未发生故障的情景下使用的。如图1所示，该方法包括：

s1、根据无人机需要组成的三维持久编队的编队队形获取通信网络拓扑及其对应的赋权无向图。

实际应用中，本发明实施例根据所述预设编队的队形和无人机的通信范围，确定编队中无人机之间的可用通信链接，以无人机作为节点，以可用通信链接作为弧，构建编队的通信网络拓扑。其中，任意两个无人机之间的距离在无人机的通信范围之内，则该两无人机之间具有双向的通信链接，每个通信链接的通信代价由相应的通信距离决定。

假设n个uav通过uav之间的单向通信以形成并保持一个三维的编队队形s。该编队队形s中n个位置分别编号为{1,2,…,n}，每个位置的高度不同。此编队的通信网络拓扑可用一个赋权有向图d＝(v,a,w,p)来表示：

(1)v＝{vi},1≤i≤n是图中的节点集合，其中vi表示uavi。

(2)是图中的弧集合，其中弧aij＝(vi,vj)表示从uavi到uavj有一个可用的通信链接，使得uavi能发送信息给uavj。

(3)w＝{w(aij)},aij∈a是图中所有弧的权值集合，其中w(aij)表示从uavi到uavj的通信链接aij的代价。

(4)p＝{pi},1≤i≤n是每个uav在编队队形s的具体位置集合，简称为uav位置配置(uavpositionconfiguration)。其中将编队队形s中的n个位置分别编号为{1,2,...,n}，则1≤pi≤n表示uavi在编队队形s中的具体位置。

为了保持编队队形，uav之间需要使用相应的单向通信链接进行信息交互以保持它们之间的距离恒定，但不一定需要使用所有的双向通信链接，即编队用于保持队形的信息交互拓扑t＝(v,a^*,w^*,p)只是通信网络拓扑d＝(v,a,w,p)的一个子图，其中表示uavi需要发送自身信息给uavj使得uavj可以根据接收到的信息调整自身参数以保持与uavi的距离恒定，即uavj具有一个与uavi的距离约束。信息交互拓扑t中，节点vi的入度表示uavi需要从多少个其它uav接收信息，即具有的与其它uav的距离约束的数量，记为d^-(i)；节点vi的出度表示uavi需要给多少个其它uav发送信息，记为d⁺(i)。

s2、根据三维最优刚性图生成算法计算所述赋权无向图的三维最优刚性图。

下面对本发明实施例用到的几个概念进行解释说明。

三维刚性图是指：令pi(t)∈r³代表uavi在t时刻的位置，假设编队中部分uav之间通过双向通信以保持它们之间的距离恒定。如果编队运动过程中任意两个uav在任意时刻都能够保持恒定的距离，即和都满足||pi(t)-pj(t)||＝dij(其中的dij为常量，表示uavi和uavj之间需要保持的距离)，则此编队的信息交互拓扑t＝(v,e^*,w^*,p)为三维刚性图，反之则为三维可变形图。

需要说明的是，具有相同节点的三维刚性图可能不是唯一的。

三维最小刚性图是指：如果一个三维刚性图任意删除一条边都不能够维持其刚性，则称此三维刚性图为三维最小刚性图。或者，节点数为n，边数为3n-6的三维刚性图为三维最小刚性图。需要说明的是，具有相同节点的三维最小刚性图也可能不唯一。

三维最优刚性图是指：如果一个三维最小刚性图的各边权值之和是具有相同节点的所有三维刚性图中最小的，则此三维最小刚性图为三维最优刚性图(three-dimensionaloptimalrigidgraph,3dorg)。

本发明实施例中采用现有的基于三维刚度矩阵的三维最优刚性图生成算法获取三维最优刚性图，此算法运行在编队中每个uav中。以uavi为例，此算法的步骤如表1所示。

表1

需要说明的是，表1所示三维最优刚性图生成算法的时间复杂度主要由step4决定。而step4最多需要计算|e|次，并且第i次计算矩阵m的秩的时间复杂度为其中mi为第i次计算时m的行数。由于表1所示三维最优刚性图生成算法运行时，最好的情况是每次加入mc的新行都能满足step6中的要求。此时表1中step4只需要计算n＝3×|v|-6次，而第i次计算时m的行数mi＝i，因此表1所示三维最优刚性图生成算法的时间复杂度至少为：

s3、根据所述三维最优刚性图和三维最优持久图生成算法获取三维最优持久图，所述三维最优持久图即为该编队的最优信息交互拓扑。

在三维空间中，如果一个有向图的每个节点的入度都小于等于3，并且其对应的无向图为三维最优刚性图，则此有向图为三维最优持久图(three-dimensionaloptimalpersistentgraph,3dopg)。

本发明实施例中利用三维最优刚性图和三维最优持久图生成算法获取三维最优持久图的具体步骤包括：

s31、将所述三维最优刚性图转换成第一有向图；

s32、在所述第一有向图中增加虚拟领航者节点得到第二有向图；所述虚拟领航者节点与所述第一有向图中每个节点之间设置有三条出弧，并且所述虚拟领航者节点的每条出弧的权值相同并大于所述第一有向图中全部弧的权值之和；

s33、获取所述第二有向图的第一最小树形图，并删除所述第一最小树形图中所述虚拟领航者节点及其对应的出弧得到第三有向图；

s34、删除所述第二有向图中对应所述第一最小树形图中所有弧及其对应的反向弧得到第四有向图；

s35、获取所述第四有向图的第二最小树形图，并删除所述第二最小树形图中所述虚拟领航者节点及其对应的出弧得到第五有向图；

s36、删除所述第四有向图中对应所述第二最小树形图中所有弧及其对应的反向弧得到第六有向图；

s37、获取所述第六有向图的第三最小树形图，并删除所述第三最小树形图中所述虚拟领航者节点及其对应的出弧得到第七有向图；

s38、合并所述第三有向图、所述第五有向图和所述第七有向图得到第八有向图t以及所述第八有向图t中弧的数量m；

s39、当所述三维最优刚性图r的节点数量为n且m满足m＝3n-6时，则所述第八有向图t为三维最优持久图。

本发明一实施例中，三维最优持久图生成算法还利用节点的入度获取三维最优持久图的具体步骤还包括：

当所述三维最优刚性图的节点数量为n且m满足m<(3n-6)时，获取所述三维最优刚性图中的第l条边对应的两条弧，符号l的初始值为1；

若该两条弧都不在所述第八有向图中，获取第l条边对应两节点的入度；

当第l条边对应的两节点的入度不都等于3时，将该两个节点中入度小于3的节点的连接另外那个节点的入弧添加到所述第八有向图中得到第九有向图；

若所述第九有向图中弧的数量m等于(3n-6)时，则所述第九有向图为三维最优持久图；否则将所述第八有向图中的数据更新为所述第九有向图中的数据。

本发明一实施例中，三维最优持久图生成算法还利用节点的入度获取三维最优持久图的具体步骤还包括：

当第l条边对应的两节点的入度都等于3时，将该第l条边对应的一条弧添加到第八有向图中得到第九有向图；该弧为第l条边所对应第一节点的入弧；

按照先入度2再入度1最后入度0的方式在所述第九有向图中寻找入度小于3的一个第二节点，并获取所述第二节点与所述第一节点之间具有最少跳数的路径；

将所述最少跳数的路径对应的所有弧反向得到第十有向图；

若所述第十有向图中弧的数量m等于(3n-6)时，则所述第十有向图为三维最优持久图；否则将所述第八有向图中的数据更新为所述第十有向图中的数据。

基于上述说明，本发明实施例提供了一种基于三维最优刚性图和最小树形图(three-dimensionaloptimalrigidgraphandminimumcostarborescence，3dorg_mca)的三维最优持久图生成算法，如表2所示。

表2

需要说明的是，本实施例中最小树形图(minimumcostarborescence，mca)指的是一个赋权有向图的最小生成树。求解mca问题的第一个算法是edmonds算法，其计算复杂度为o(|e|×|v|)，后来gabow等人又提出了一个针对edmonds算法的更快的实现，其计算复杂度为o(|e|+|v|×log|v|)。

可理解的是，表2中三维最优持久图生成算法主要由step3、step5和step7的时间复杂度决定。例如，本发明实施例中表2中step3、step5和step7采用了gabow等人提出的edmonds算法实现，从而得到该算法的时间复杂度约为o(3×(|a|+|v|×log|v|))。

由表2中step1可知|a|＝2×|e^*|，而由三维最优刚性图的特性可知三维最优刚性图r＝(v,e^*,w^*,p)的边数|e^*|等于3×|v|-6，所以上述算法的时间复杂度又约为o(3×(6×|v|+|v|×log|v|))。

现有技术中最好的三维最优持久图生成算法需要计算矩阵的秩，因此其时间复杂度至少为o(|v|³)，与其相比较，本发明实施例中三维最优持久图生成算法的时间复杂度更低。

本发明实施例中假设编队中所有uav都可以作为编队领航者，因此上述三维最优持久图即是该编队的最优信息交互拓扑。

1、无人机组成的小规模三维持久编队的信息交互拓扑优化。

假设一个小规模三维持久编队由5架uav组成，每个uav的通信范围是1600m并且不会发生任何故障，它们需要形成并保持一个如图2所示的三维空间队形，所有位置分别编号为{1,2,3,4,5}，它们在三维空间的相对位置图2(a)所示。例如，本发明实施例中以上述三维空间队形中的4号位置作为编队参考点，则上述三维持久编队队形s中的每个位置的坐标如图2(b)所示。

本发明实施例中，根据图1所示算法，首先令初始的uav位置配置为p＝{1,2,3,4,5}，构建相应的通信网络拓扑d＝(v,a,w,p)；将d中的弧转换成边得到对应的赋权无向图g＝(v,e,w,p)；然后结合表1所示算法生成赋权无向图g的三维最优刚性图r(如图3(a)所示)。利用表2所示算法生成上述三维最优刚性图r对应的三维最优持久图t。其中，表2所示算法中step3所得的最小树形图t1'如图3(b)所示；表2所示算法中step5所得的最小树形图t2'如图3(c)所示；表2所示算法中step7所得的最小树形图t3'如图3(d)所示。再将最小树形图t1'、t2'和t3'中的虚拟领航者节点v0和v0的出弧删除分别得到有向图t1、t2和t3。然后合并有向图t1、t2和t3得到的有向图t如图3(e)所示。由于该有向图t中弧的总数和三维最优刚性图r中边的总数相同，满足表2所示算法的step9的条件，因此t是r对应的一个三维最优持久图。又因为t中的节点v1的入度为0，因此三维最优持久图t就是此三维持久编队的最优信息交互拓扑，uav1作为编队领航者，对应的编队通信代价为8640。

对比地，现有技术中效果最优的信息交互拓扑优化算法得到的最优信息交互拓扑如图4所示，uav5作为编队领航者，其对应的编队通信代价也是8640，但其时间复杂度也比本发明实施例提供的优化方法的时间复杂度更高。

2、无人机组成的大规模三维持久编队的信息交互拓扑优化。

假设一个大规模三维持久编队由16架uav组成，每个uav的通信范围是1600m并且不会发生任何故障，上述16架uav需要形成并保持如图5所示的三维空间队形s，所有位置分别编号为{1,2,…,16}，它们在三维空间的相对位置如图5(a)所示。例如，本发明实施例中以上述三维空间队形中的10号位置作为编队参考点，则上述三维持久编队队形s中每个位置的坐标如图5(b)所示。

本发明一实施例中，根据图1所示算法，首先令初始的uav位置配置为p＝{1,2,…,16}，构建相应的通信网络拓扑d＝(v,a,w,p)；将d中的弧转换成边得到对应的赋权无向图g＝(v,e,w,p)；然后结合表1所示算法生成赋权无向图g的三维最优刚性图r(如图6(a)所示)。利用表2所示算法生成上述三维最优刚性图r对应的三维最优持久图t。其中，表2所示算法中step3所得的最小树形图t1'如图6(b)所示；表2所示算法中step5所得的最小树形图t2'如图6(c)所示；表2所示算法中step7所得的最小树形图t3'如图6(d)所示。将t1'中的v0和v0的出弧删除后得的t1，将t2'中的v0和v0的出弧删除后得的t2，将t3'中的v0和v0的出弧删除后得的t3，将上述最小树形图t1、t2和t3合并得到的有向图t如图6(e)所示。由于该有向图t中弧的总数和三维最优刚性图r中边的总数相同，满足表2所示算法的step9的条件，因此t是r对应的一个三维最优持久图。又因为t中的节点v1的入度为0，因此三维最优持久图t就是此三维持久编队的最优信息交互拓扑，uav1作为编队领航者，对应的编队通信代价为32102。

对比地，现有技术中效果最优的信息交互拓扑优化算法得到的最优信息交互拓扑如图7所示，uav13作为编队领航者，其对应的编队通信代价也是32102，但其时间复杂度也比本发明实施例提供的优化方法的时间复杂度更高。

本发明实施例还提供了一种多无人机协同编队最优信息交互拓扑生成装置，如图8所示，包括：

赋权无向图获取模块m1，用于根据无人机需要组成的三维持久编队的编队队形获取通信网络拓扑及其对应的赋权无向图；

三维最优刚性图计算模块m2，用于根据三维最优刚性图生成算法计算所述赋权无向图的三维最优刚性图；

最优信息交互拓扑获取模块m3，用于根据所述三维最优刚性图和三维最优持久图生成算法获取三维最优持久图，所述三维最优持久图即为该编队的最优信息交互拓扑。

可选地，所述最优信息交互拓扑获取模块m3利用三维最优持久图生成算法获取三维最优持久图的步骤包括：

将所述三维最优刚性图转换成第一有向图；

在所述第一有向图中增加虚拟领航者节点得到第二有向图；所述虚拟领航者节点与所述第一有向图中每个节点之间设置有三条出弧，并且所述虚拟领航者节点的每条出弧的权值相同并大于所述第一有向图中全部弧的权值之和；

获取所述第二有向图的第一最小树形图，并删除所述第一最小树形图中所述虚拟领航者节点及其对应的出弧得到第三有向图；

删除所述第二有向图中对应所述第一最小树形图中所有弧及其对应的反向弧得到第四有向图；

获取所述第四有向图的第二最小树形图，并删除所述第二最小树形图中所述虚拟领航者节点及其对应的出弧得到第五有向图；

删除所述第四有向图中对应所述第二最小树形图中所有弧及其对应的反向弧得到第六有向图；

获取所述第六有向图的第三最小树形图，并删除所述第三最小树形图中所述虚拟领航者节点及其对应的出弧得到第七有向图；

合并所述第三有向图、所述第五有向图和所述第七有向图得到第八有向图t以及所述第八有向图t中弧的数量m；

当所述三维最优刚性图的节点数量为n且m满足m＝3n-6时，则所述第八有向图t为三维最优持久图。

可选地，所述最优信息交互拓扑获取模块m3利用三维最优持久图生成算法获取三维最优持久图的步骤还包括：

当所述三维最优刚性图的节点数量为n且m满足m<(3n-6)时，获取所述三维最优刚性图中的第l条边对应的两条弧，符号l的初始值为1；

若该两条弧都不在所述第八有向图中，获取第l条边对应两节点的入度；

当第l条边对应的两节点的入度不都等于3时，将该两个节点中入度小于3的节点的连接另外那个节点的入弧添加到所述第八有向图中得到第九有向图；

若所述第九有向图中弧的数量m等于(3n-6)时，则所述第九有向图为三维最优持久图；否则将所述第八有向图中的数据更新为所述第九有向图中的数据。

可选地，所述最优信息交互拓扑获取模块m3利用三维最优持久图生成算法获取三维最优持久图的步骤还包括：

当第l条边对应的两节点的入度都等于3时，将该第l条边对应的一条弧添加到第八有向图中得到第九有向图；该弧为第l条边所对应第一节点的入弧；

按照先入度2再入度1最后入度0的方式在所述第九有向图中寻找入度小于3的一个第二节点，并获取所述第二节点与所述第一节点之间具有最少跳数的路径；

将所述最少跳数的路径对应的所有弧反向得到第十有向图；

若所述第十有向图中弧的数量m等于(3n-6)时，则所述第十有向图为三维最优持久图；否则将所述第八有向图中的数据更新为所述第十有向图中的数据。

可选地，所述最优信息交互拓扑获取模块m3利用三维最优持久图生成算法获取三维最优持久图的步骤还包括：

将所述符号l的值增加1，若符号l小于等于(3n-6)时，则继续判断第l条边对应的两条弧是否都不在所述第八有向图t中。

需要说明的是，本发明实施例提供的多无人机协同编队最优信息交互拓扑生成装置与上述方法是一一对应的关系，上述方法的实施细节同样适用于上述装置，本发明实施例不再对上述系统进行详细说明。

本领域技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在于该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是互相排斥之处，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。