本发明属于无线通信技术领域，涉及无人机系统充电站部署及路由管理，具体涉及一种无人机系统联合充电站部署及路由选择方法。
背景技术：
无人驾驶飞机简称“无人机”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，可广泛用于空中侦察、监视、通信、反潜、电子干扰等。根据控制中心的指令，无人机可从源点飞行至目地点，执行特定任务。然而，由于无人机飞行及执行任务需消耗一定电池电量，若源点及目的点之间距离过长，无人机需及时补充电量，无人机充电站部署策略及飞行路由选择方案是影响无人机总飞行时间及任务执行效率的重要因素。
目前已有研究中，有文献针对无人机系统节点移动速度快，网络拓扑结构高度变化导致传统路由算法难以适用的问题，提出基于全球定位系统(Global Positioning System，GPS)及预测机制的最短路算法；也有研究提出利用深度强化学习技术实现无模型无人机控制，通过优化确定无人机巡航路线以及移动无人充电站移动路线，可实现无人机高效信息收集。
现有研究主要考虑无人机路由选择问题，未综合考虑无人机系统业务需求、充电站部署及路由选择问题，难以保证无人机高效任务执行。
技术实现要素：
有鉴于此，本发明的目的在于提供一种无人机系统联合充电站部署及路由选择方法，基于无人机执行任务所需总时延最小化为目标，确定无人机联合充电站部署及路由选择策略。
为达到上述目的，本发明提供如下技术方案：
一种无人机系统联合充电站部署及路由选择方法，包括以下步骤：
S1：建模无人机执行任务源点及目的点集合；
S2：建模无人机飞行区域；
S3：建模充电站部署变量；
S4：建模无人机充电变量；
S5：建模无人机路由选择变量；
S6：建模无人机系统联合充电站部署及路由选择限制条件；
S7：建模无人机执行任务所需总时延；
S8：基于无人机执行任务所需总时延最小化，确定无人机系统联合充电站部署及路由选择策略。
进一步，步骤S1中，所述建模无人机执行任务源点及目的点集合具体包括：考虑多个无人机分别执行任务，Uk表示第k个无人机，1≤k≤K，K为无人机总数，令无人机执行任务源点及目的点集合分别为S＝{S1,S2,...,SK}及D＝{D1,D2,...,DK}，其中，Sk为无人机Uk执行任务源点，Dk为无人机Uk执行任务目的点。
进一步，步骤S2中，所述建模无人机飞行区域具体包括：对各无人机源点及目的点之间区域进行二维离散化，建模为二维网格，其中，网格中第i行第j列节点为Ni,j，和分别为网格中行、列的最大点数，令Δx和Δy分别为网格行、列相邻点之间距离；令Sk和Dk对应网格中节点分别为及
进一步，步骤S3中，所述建模充电站部署变量具体包括：将充电站部署于无人机执行任务源点及目的点之间区域内，令可部署充电站集合为C＝{C1,C2,...,CM}，其中，M为充电站总数；令yi,j,m为充电站部署变量，若网格中节点Ni,j处部署充电站Cm，yi,j,m＝1，否则， yi,j,m＝0，1≤m≤M。
进一步，步骤S4中，所述建模无人机充电变量具体包括：令xk,m为无人机充电变量，若无人机Uk经过充电站Cm进行充电，则xk,m＝1，否则，xk,m＝0；并令表示无人机Uk在Cm处充电所需时间，1≤k≤K，1≤m≤M。
进一步，步骤S5中，所述建模无人机路由选择变量具体包括：令为无人机路由选择变量，若无人机Uk经过节点到达节点则否则， 1≤k≤K，
进一步，步骤S6中，所述建模无人机系统联合充电站部署及路由选择限制条件具体包括：
(1)建模充电站部署限制条件：任意一个节点处最多部署一个充电站且每个充电站最多部署在一个节点处，即：
(2)建模无人机路由选择限制条件：各节点需满足保持流守恒，若节点则若节点则若节点且则无人机以各充电站为中继节点执行路由策略，若则
(3)建模无人机Uk飞行距离限制条件：若则其中，为无人机Uk单次充满电后最大飞行距离，表示无人机飞行线路上两节点和间飞行距离，建模为
进一步，步骤S7中，所述无人机执行任务所需总时延建模为
其中，Tk为无人机Uk自执行任务源点到达目的点所需总时间，建模为
其中，为无人机Uk自执行任务源点到达目的点所需飞行时间，建模为其中，为无人机Uk从节点飞行至节点所需飞行时间，建模vk为无人机Uk的飞行速度；
为无人机Uk自执行任务源点到达目的点所需充电时间，建模为
进一步，步骤S8中，所述基于无人机执行任务所需总时延最小化部署充电站，优化确定无人机路由选择，即其中分别为无人机Uk执行任务所需总时延最小的最优充电策略、充电站部署策略及路由选择策略。
本发明的有益效果在于：本发明所述方法可以在有效保障无人机执行任务的情况下，通过联合充电站部署及路由选择，实现无人机执行任务所需总时延最小化。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为无人机场景示意图；
图2为本发明所述方法的流程示意图。
具体实施方式
下面将结合附图，对本发明的优选实施例进行详细的描述。
本发明所述的无人机系统联合充电站部署及路由选择方法，假设在某个区域有多个无人机执行任务，每个无人机源点和任务目的点不同，对各无人机源点及目的点之间区域进行二维离散化，建模为二维网格，在所区域中网格节点部署充电站，建模充电站部署变量，建模无人机充电变量，建模无人机路由选择变量，建模无人机系统联合充电站部署及路由选择限制条件，建模无人机执行任务所需总时延，基于无人机执行任务所需总时延最小化，确定无人机联合充电站部署及路由选择策略。
图1为无人机场景图，如图1所示，该区域有多个无人机执行任务，基于无人机执行任务所需总时延最小化，确定无人机系统联合充电站部署及路由选择策略。
图2为本发明所述方法的流程示意图，如图2所示，本发明所述方法具体包括以下步骤：
1)建模无人机执行任务源点及目的点集合
建模无人机执行任务源点及目的点集合，考虑多个无人机分别执行任务，Uk表示第k个无人机，1≤k≤K，K为无人机总数，令无人机执行任务源点及目的点集合分别为 S＝{S1,S2,...,SK}及D＝{D1,D2,...,DK}，其中，Sk为无人机Uk执行任务源点，Dk为无人机Uk执行任务目的点。
2)建模无人机飞行区域
建模无人机飞行区域，对各无人机源点及目的点之间区域进行二维离散化，建模为二维网格，其中，网格中第i行第j列节点为Ni,j，和分别为网格中行、列的最大点数，令Δx和Δy分别为网格行、列相邻点之间距离；令Sk和Dk对应网格中节点分别为及
3)建模充电站部署变量
建模充电站部署变量，将充电站部署于无人机执行任务源点及目的点之间区域内，令可部署充电站集合为C＝{C1,C2,...,CM}，其中，M为充电站总数；令yi,j,m为充电站部署变量，若网格中节点Ni,j处部署充电站Cm，yi,j,m＝1，否则，yi,j,m＝0，1≤m≤M。
4)建模无人机充电变量
建模无人机充电变量，令xk,m为无人机充电变量，若无人机Uk经过充电站Cm进行充电，则xk,m＝1，否则，xk,m＝0；并令表示无人机Uk在Cm处充电所需时间，1≤k≤K，1≤m≤M。
5)建模无人机路由选择变量
建模无人机路由选择变量，令为无人机路由选择变量，若无人机Uk经过节点到达节点则否则，
6)建模无人机系统联合充电站部署及路由选择限制条件
建模无人机系统联合充电站部署及路由选择限制条件，具体包括：
(1)建模充电站部署限制条件：任意一个节点处最多部署一个充电站且每个充电站最多部署在一个节点处，即：
(2)建模无人机路由选择限制条件：各节点需满足保持流守恒，若节点则若节点则若节点且
则无人机以各充电站为中继节点执行路由策略，若则
(3)建模无人机Uk飞行距离限制条件：若则其中，为无人机Uk单次充满电后最大飞行距离，表示无人机飞行线路上两节点和间飞行距离，建模为
7)建模无人机执行任务所需总时延
无人机执行任务所需总时延建模为其中，Tk为无人机Uk自执行任务源点到达目的点所需总时间，建模为其中，为无人机Uk自执行任务源点到达目的点所需飞行时间，建模为其中，为无人机Uk从节点飞行至节点所需飞行时间，建模vk为无人机Uk的飞行速度；为无人机Uk自执行任务源点到达目的点所需充电时间，建模为
8)基于无人机执行任务所需总时延最小化，确定无人机系统联合充电站部署及路由选择策略
基于无人机执行任务所需总时延最小化部署充电站，优化确定无人机路由选择，即其中分别对应无人机Uk执行任务所需总时延最小的最优充电策略、充电站部署策略及路由选择策略。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。