(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210690725.2 (22)申请日 2022.06.17 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 吴亚辉　常沙　马武彬　周浩浩　 戴超凡　邓苏　 (74)专利代理 机构 长沙大珂知识产权代理事务 所(普通合伙) 4323 6 专利代理师 伍志祥 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) G06N 3/12(2006.01) G06Q 10/04(2012.01)G06Q 10/06(2012.01) (54)发明名称 基于李雅普诺夫优化的移动群智感知动态 能量均衡方法 (57)摘要 本发明属于移动群智感知领域， 公开了基于 李雅普诺夫优化的移动群智感知动态能量均衡 方法， 包括以下步骤： 将能量均衡问题构建为时 间离散模型； 利用李雅普诺夫优化算法确定动态 负载均衡策略， 将系统效用作为目标函数， 利用 参与者剩余能量方差衡量负载均衡程度； 基于线 性规划与遗传算法对问题进行求解， 得到针对在 线任务的长期动态能量均衡， 并将任务分配给 感 知参与者。 本发明不以牺牲系统效益为代价， 尽 可能降低能量消耗并使参与者能量达到相对均 衡， 从而维持参与者数量， 延长移动群智感知系 统寿命， 促进感知任务的完成， 实现了任务准入 策略和任务分配方案的长期在线动态控制。 权利要求书3页 说明书18页 附图5页 CN 115203899 A 2022.10.18 CN 115203899 A 1.基于李雅普诺夫优化的移动群智感知动态能量均衡方法， 其特征在于， 包括以下步 骤： 将能量均衡问题构建为时间离 散模型； 利用李雅普诺夫优化算法确定动态负载均衡策略， 将系统效用作为目标函数， 利用参 与者剩余能量方差衡量负载均衡程度； 基于线性规划与遗传算法对问题进行求解， 得到针对在线任务的长期动态能量均衡， 并将任务分配给感知参与者； 其中， 所述时间离 散模型为： N个感知参与者注册到感知平台， 参与并完成感知任务， 存在M类感知任务， j表示不同 的感知任务类型， j∈{1, …,M}， 将时间划分为离散的等长的时隙t， Oj(t)表示在时隙t到达 感知平台的类型j的感知任务数量， 感知平台在每个时隙将不同类型 的任务分配给感知参 与者； 若Qj(t)满足： 则Qj(t)是平均速率稳定的， 即所有进入感知平台的感知任务均会被执行； 当{Qj(t)},j ∈{1,…,M}均满足上式时， 则移动群智感知系统是 稳的。 2.根据权利要求1所述的基于李雅普诺夫优化的移动群智感知动态能量均衡方法， 其 特征在于， 在所述时间离散模型中， 在每个时隙， 感知平台将不同类型的任务分配给感知参 与者， 即分配决策， x(t)表示在时隙t的任务分配情况， xij(t)表示在时隙t是否将任务j分配 给感知参与者i， i∈{1, …,N}， 即感知参与者i 是否执行任务j， 当xij(t)＝1时， 感知参与者i 执行任务j； 当xij(t)＝0时， 感知参与者i不 执行任务j； 每个时隙内， 同一感知参与者能够同 时执行多种类型 的单位数量的任务； 任务分配后， 任务j在时隙t能够被执行 的数量表示为 rj(t)： rj(t)＝∑i∈Nxij(t)    (2) 其中0≤rj(t)≤N； Q(t)＝(Q1(t),Q1(t),…,QM(t))表示在时隙t感知平台内不同类型的感知请求队列积 压向量， 其动态变化情况服从下式： Qj(t+1)＝max[Qj(t)‑rj(t),0]+oj(t)    (3) 其中， oj(t)表示在时隙t经过 感知平台选择决策后进入感知平台的类 型j的感知任务数 量， 0≤oj(t)≤Oj(t)。 3.根据权利要求2所述的基于李雅普诺夫优化的移动群智感知动态能量均衡方法， 其 特征在于， 感知参与者在执行感知任务过程中， 传感数据采集、 本地数据处理和数据传输均 会导致设备能量消 耗， 且不同参与者执行相同类型感知任务导致的能量消 耗存在差异； 为 了反映不同感知 参与者的剩余能量差异， 利用剩余能量方差对其进行度量， Vc(t)表示在时 隙t所有参与者执 行完任务后剩余能量 的方差， 即： 权　利　要　求　书 1/3 页 2 CN 115203899 A 2其中， 表示所有参与者的剩余能量均值, 表示在时隙t参与者i执行完被分配任务后的剩余能量， 其随时间变化情况服从 下式： 其中， cij表示参与者i执行单位数量任务j时的能量消耗。 4.根据权利要求3所述的基于李雅普诺夫优化的移动群智感知动态能量均衡方法， 其 特征在于， 为了确保参与者之间的负载均衡， 对剩余能量方差进行了限制： 其中， Vmax为移动群智感知系统规定的最大 方差值。 5.根据权利要求4所述的基于李雅普诺夫优化的移动群智感知动态能量均衡方法， 其 特征在于， U(t)表示时隙t感知平台的效益， 其大小取决于进入平台的感知任务数量， 其中β 表示感知平台执 行单位数量任务所能获得的效益， 为 正常数。 6.根据权利要求5所述的基于李雅普诺夫优化的移动群智感知动态能量均衡方法， 其 特征在于， 时间离散模型要解决的问题是在满足感知任务队列稳定性的条件下， 通过选择 控制和任务分配， 确保各参与者能量负载均衡的同时， 使得系统平均效益最大化， 所述问题 的目标函数为： s.t.constraints(1)(3)(8) 其中公式(8)为： 若 则称虚拟队列z(t)稳定 。 7.根据权利要求6所述的基于李雅普诺夫优化的移动群智感知动态能量均衡方法， 其 特征在于， 所述虚拟队列z(t)定义如下： z(t+1)＝max[z(t) ‑Vmax,0]+Vc(t)    (9) 其中， z(0)＝0， 且 对于所有的t， 存在虚拟队列z(t)≥0 。 8.根据权利要求3所述的基于李雅普诺夫优化的移动群智感知动态能量均衡方法， 其 特征在于， 所述动态负载均衡策略包括： 在每个时隙t， 感知平台轮流选择M个任务的每 个任务， 选择oj(t)， 使得 下式最小化： 感知平台选择x(t)＝{xij(t),i∈{1, …,N},j∈{1, …,M}}， 使得下式最小化： 权　利　要　求　书 2/3 页 3 CN 115203899 A 3