一种基于区块链的无人机集群协作监测框架设计

提出了一个新型无人机(Unmanned Aerial Vehicle,UAV)集群协作监测公共卫生事件的监测框架,并讨论了该框架中UAV执行的任务类型与流程。针对UAV集群通信面临的复杂度高、资源消耗大以及安全性低等挑战,引入区块链技术来提升其高效性与安全性,提出了一种改进的拜占庭容错(Improved Byzantine Fault Tolerant,IBFT)算法,该算法具有最小的成本和资源并具备可扩展性和普适性。在正常情况下使用f+1个节点,在通信故障情况下使用2f+1个节点,而拜占庭容错算法使用3f+1个节点。实验结果表明,所提算法相比于其他对比算法,具有更高的吞吐量和更低的共识时延,能有效保证UAV集群协作监测紧急公共卫生事件,为疫情防控提供一种新手段。

基于禁忌搜索算法的传染病样本收集无人机调度方法

路径规划和调度问题对无人机完成特定任务具有重要意义。针对蚁群算法容易陷入局部最优、迭代次数多和稳定性低等问题,提出了一种改进的基于禁忌搜索的蚁群算法(Improved Taboo Ant Colony Algorithm,ITAC),利用禁忌搜索算法的思想进行优势互补,旨在提高算法运行效率,增强全局搜索能力,更能适应解决更大规模的无人机调度问题,最大程度地节省配送成本,有助于高效地控制疫情的蔓延。实验针对3类不同患者数量(30,50和100例)的案例,分别使用10,20,30,50,100架无人机,进行了路径优化仿真。以无人机的使用数量、飞行总距离和算法运行时间为评估指标,将ITAC算法和3种常用路径规划算法(禁忌搜索算法、蚁群算法和Dijkstra算法)进行对比实验和分析,结果表明,4类算法均优化了3类案例中无人机的使用数量,其中ITAC算法表现最佳,在提供最佳路径的同时缩减了运算时间。