2、基于量子退火的无人机网络路由研究

基于量子退火的无人机网络路由研究

1. 无人机应用优势与面临问题

无人机（UAV）相较于传统飞机具有显著优势，尤其在执行枯燥、危险或不洁净任务时表现出色。在紧急情况下，大量无人机的投入有助于决策制定，无论是政府还是救援团队都能从中受益。无人机常用于拍摄灾区图像以实时更新信息，也会为被困在传统车辆无法到达区域的人员运送必需品。

在物联网（IoT）地面网络中，无人机广泛应用于信息覆盖和中继服务。这得益于其良好的功能表现和用户体验，且不受道路限制，避障场景更简单，因此非常适合在自然灾害救援等行动中使用。

对于无人机而言，任务分配和飞行路径规划是两个关键问题。路径规划可视为一个受多种约束的优化问题，涉及最短飞行距离、最短飞行时长和最高能源效率等因素。

2. 任务分配与路径规划的相关策略

为解决无人机任务分配问题，人们采用了多种策略和方法：
- 进化算法 ：可用于将大量代理分配到多个不同目标的任务中。例如，使用遗传算法（GA）规划无人机协同侦察任务，能使其成功执行任务。
- 模拟退火改进的 K - 均值聚类模型 ：该模型考虑了每架无人机的多项职责，辅助进行工作规划。
- 混合整数规划与蚁群算法的分层工作分配方法 ：将问题分解为更小、更易管理的任务进行处理。
- 迭代方法 ：旨在提高分布式应用中大量无人机工作分配和路径规划的效率。
- 量子进化启发技术 ：用于增强动态环境中无人机联盟在任务分配方面的可靠性，同时提