[發明專利]一種基于圖神經網絡和強化學習的WRSN充電調度方法

在審

• 申請號: 202111174665.0
• 申請日: 2021-10-09
• 公開（公告）號: CN113887138A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 馮勇;王藝均;李英娜;張晶
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06Q10/06;G06Q50/06;G06F111/06
• 代理公司: 昆明明潤知識產權代理事務所(普通合伙) 53215
• 代理人: 馬海紅

1.一種基于圖神經網絡和強化學習的WRSN充電調度方法，其特征在于，包括以下步驟：

Step1：構建無線可充電傳感器網絡模型，整個移動能量補給系統部署在二維平面區域內，不考慮障礙物的影響，由三類成員組成：一個基站BS、n個傳感器節點和m個移動充電設備MC，其中傳感器節點和基站固定不動且位置已知，基站作為最終的數據采集器不受能量限制，MC和傳感器節點電池容量有限，其自身可通過BS快速更換電池；

在WRSN中的MC規格相同初始時位于BS，速度為vm/s，可在WRSN區域內自由移動，能耗為q_mJ/m，通過遠距離通信直接受基站BS調度，并可通過GPS定位技術實時獲取自身位置，MC只有在到達某個節點位置時為其單獨補充能量，充電功率為q_c/w，MC攜帶電池的最大容量為E_mJ；

Step2：在延長網絡生存時間的前提下以最大化充電效率和均衡MC之間的充電負載為目標將多MC充電調度建模為多目標優化問題；

Step3：基于圖神經網絡和強化學習設計一種稱為GRCS的高效移動能量補充框架，提出最短充電回路生成算法，求解Step2中的多目標優化問題，其工作流程為：首先對WRSN中所有傳感器節點進行劃分，每個MC負責相應的節點，將傳感器節點的劃分過程抽象為多旅行商問題MTSP，求得m條最短哈密頓回路，每個MC負責一條充電回路，回路中的節點能量低于設定閾值時發送充電請求，在每個充電周期中MC嚴格按照短哈密頓回路中的順序刪除能量充足的節點，為待充電節點生成最優充電序列，MC按照最優充電序列為節點補充能量，如此循環工作，以保障網絡的持續運行。

2.根據權利要求1所述的基于圖神經網絡和強化學習的WRSN充電調度方法，其特征在于：在充電過程MC的能量消耗包括三個部分：(1)有效能量，即傳感器節點獲取到的能量；(2)機械能，即MC移動過程的能量損耗；以及(3)無線傳輸過程的能量損耗，所述Step2中充電效率為有效能量與總能量之比，充電調度方法可用MC充電效率進行評估。

3.根據權利要求1所述的基于圖神經網絡和強化學習的WRSN充電調度方法，其特征在于：Step2中MC的充電負載定義為每個MC負責充電的傳感器節點的數量。