陈秉试

（厦门海洋职业技术学院，福建 厦门 361012）

0 引言

近年来，面向消费级和工业级的无人机(Unmanned Aerial Vehicle,UAV)的应用发展迅速，在地图重建、监控巡查、电力巡检、灾后救援以及物流运输等领域都取得了显著的成效。无人机集群可以通过感知交互、信息传递和协同工作应付更加复杂的任务和环境，提高执行效率以及任务完成度，从而受到广泛关注[1-3]。大规模的无人机集群已成为趋势，针对无人机网络的高度动态性和能耗约束性等特点，分层组网架构具备更强的可扩展性，更有利于无人机网络资源分配[4]。

在进行分层组网时，分簇算法起到重要作用，其中簇成员和簇头时常分别隶属于不同组网层面，通过簇内和簇间通信实现层间数据传输。文献[5]提出了基于路径规划的簇首加权选举和簇成员加权调整算法，动态调整分簇过程。文献[6]采用鱼群算法实现网络自组重构，并考虑节点剩余能量和簇间通信开销，以完成簇头选举。文献[7]提出了针对速度相似度、链路保持率、节点度差和节点剩余能量的多参数加权分簇算法。文献[8]综合考虑节点能耗以及距离等因素进行分簇以及簇头选择。本文则采用机器学习的思想，利用Kmeans++算法，更加强调聚类的相似性和智能性。

无人机集群拓扑动态变化，因此集群控制技术至关重要。文献[9]通过覆盖分布地图(CDM)描述任务环境，以预测周期内最大覆盖率增量设为奖励函数，采用差分进化算法进行求解。文献[10]采用虚拟力的理念控制无人机飞行到合适的位置。……