基于模因蛇优化算法的物联网无人机布局优化OA

面向物联网环境下的多无人机协同感知场景,文中提出了一种适用于物联网定位节点的布站优化算法。多飞行器布局方式优化是飞行器协同定位跟踪领域中的一个重要问题。受制于算法迭代次数及GDOP的高度非线性特征的影响,传统用于多飞行器布局方式优化的算法,普遍存在收敛性能不佳、优化计算耗时偏长的缺陷。文中提出了一种多目标模因蛇优化算法(MOMA-SO)。该算法以GDOP为优化指标,在模因搜索框架下引入局部问题启发式信息和种群关联机制,通过在基因层面对个体位置进行自适应更新实现全局探索与局部开发能力的平衡;然后采用总拥挤度概念,通过量化Pareto前沿内个体的分布密度来动态调整搜索方向,确保种群在收敛性和多样性之间取得平衡;最后针对GDOP采用梯度变换技术将其转化为分段平滑函数,改善算法在优化后期的收敛性能。仿真实验结果表明,与对比算法中的最优算法相比,MOMA-SO算法在GDOP优化精度上平均提升了12.7%,同时计算耗时降低了23.4%,能够有效满足动态目标跟踪场景下对实时性和优化精度的双重需求。该算法为多飞行器协同定位系统的构型优化提供了一种高效可靠的解决方案。