1、“.....本文算法用于集群和簇头选择。因为我们要求它们位置从传感器位置中选择。记作簇头节点数量，记作传感器网络中传感器数量。我们还涉及成种二维问题，并且假定每个传感器位置是已知。由于包含所有簇头节点候选解决方案。向量长度是。为强制簇头节点位置从传感器位置中选择，我们引入了函数，它接收个搜索空间中位置向量，例如粒子位置向量，返回最近传感器位置向量。例如如果其中是公式解决方案。是传感器网络中组坐标集。这些簇头是根据适应度函数公式选择。其中是加权常量，是网络能耗，是传输误码率，是无人机总行驶时间。每项将在以下章节里解释。．网络能耗非簇头在不同限制条件下路径优化问题已经有了几十年研究。根据不同应用环境，所采用目标函数和优化方法也不样。本文目标是为了使通过节点最能耗最低任何节点和它簇头节点之间，簇头节点和无人机之间通过无线通道数据通信质量最好无人机飞行时间最短。目标是提供个无人机能访问到节点列表。优化在每个无人机飞行任务之前运行，其解决方安案为无人机完成次数据采集提供了条路径。参考无线传感器网络与无人机之间通信质量表明，如果无人机次与较少传感器节点通信，那么误码率就较低。然而......”。

2、“.....飞行时间会显著增长。这个问题在集群中分组节点和只有簇头节点被无人机访问地方较好。集群技术只取决于通信能力或距离，这导致通信质量差或低能源利用率是低效。这里最小化访问所有节点时间簇头节点优化与推销员覆盖问题研究相似。在中，目标是最小化总行驶时间或销售员至少访问没有交集集合中个无素距离。研究表明，通信质量和网络模型中行驶距离或时间是相关联。这可以在本文第五节中看见。能耗问题在传统传感器网络中是个具有挑战性问题，它涉及到如网络拓扑结构跨层设计集群算法传输方法和协议。在之前论文中，已经提出了针对广域传感器网络节能协议和网络编码方法。在本文中我们专注于集群算法，这般取决于网络是集中式或分散式。因为我们假设无人机有网络全部信息，所以集中式集群解决方案会被使用。在传统无线传感器网络中，集中式低功耗自适应集群分层协议被普遍使用在各种应用环境下，因为它效率和节点上低运算负重。然而，大面积传感器网络中节能比正常无线传感器网络中更具有挑战性，个更好优化方法是很有必要。相比于普通传感器节点，应用基于迭代技术粒子群优化算法，无人节能耗和计算能力很有优势。其结果是在同等条件下与比较结果......”。

3、“.....低功耗自适应集群分层协议是个旨在降低无线传感器网络能耗集群算法。它是个没有任何中心节点分布式方案。在中，每个节点能依赖些概率函数自主决定是否会成为个簇头节点。簇头数量可以变化，集群主要是基于节点到簇头节点最短欧式距离。是否为成为个簇头节点独立决策可能会导致网络中些节点能量引流加速。是个集中式方案，它可以改善些与相关问题。在中，关于位置和所有节点剩余能量信息会被发送至每个无人机起始处基站。然后，基站将计算网络中平均能耗水平，将高于平均水平节点看作是簇头节点。基站将在这些节点中随机选择些候选节点，并计算它们各自目标函数。此过程重复多次迭代，比较目标函数值以找到最适合簇头节点。在无线传感器参考文献中，普遍使用目标函数是基于簇头节点和它们成员节点间平均距离。所选簇头节点然后会通过无人机传播到网络中所有节点。为了启动它数据传输，网络中每个节点然后将需要找到最近簇头节点。在我们网络系统中，目标函数更复杂，将在第节进行说明。粒子群优化算法无线传感器网络中许多应用是采用作为个有效集群算法。背后是想法是模拟鸟群和鱼群社会行为。算法是种计算方法......”。

4、“.....对于每个粒子，是粒子数量，粒子位置根据公式来更新，粒子速度根据公式来更新。这里，是粒子最好位置，是种群最好位置，参数是惯性权重，和加速度常数是调整参数。个方案适合度是基于函数值，它能被最小化。，粒子最好位置被更新。，种群最好位置被更新。粒子初始位置在搜索空间中均匀分布，即，其中和分别是搜索空间最小边界和最大边界。粒子初始速度是。算法会在用户指定迭代次数或些依赖适应度函数其它标准后结束。能被用于集群以及查找集群质心向量。每个粒子为含有质心位置向量候选解决方案。本文算法用于集群和簇头选择。因为我们要求它们位置从传感器位置中选择。记作簇头节点数量，记作传感器网络中传感器数量。我们还涉及成种二维问题，并且假定每个传感器位置是已知。由于包含所有簇头节点候选解决方案。向量长度是。为强制簇头节点位置从传感器位置中选择，我们引入了函数，它接收个搜索空间中位置向量，例如粒子位置向量，返回最近传感器位置向量。例如如果其中是公式解决方案。是传感器网络中组坐标集。这些簇头是根据适应度函数公式选择。其中是加权常量，是网络能耗，是传输误码率，是无人机总行驶时间......”。

5、“.....．网络能耗非簇头对于在运输中无人机，假设燃料消耗与拖动成正比是合理，而这又可以假设为正比于速度平方。如果无人机在运输过程中大多数时间是以恒定或几乎恒定速度运行，那么消耗能量正比于行驶距离和行驶时间。仿真对两个方案和用不同集群簇头节点数量做了大量模拟实验。对于所有模拟实验中，网络中传感器数目保持恒定，在平方公里区域中随机生成位置。在每种模拟情况开始时，它们都拥有样初始能量。每轮数据收集，优化算法运行次迭代。模拟总数是次，每次当网络中所有节点能量排出时停止。在每轮开始，优化算法结果将提供给无人机个应当飞过和从中收集数据簇头节点集合。这个簇头节点集也通过广播被传送至网络所有节点中。每个节点需要找到它最好簇头节点，准备与这个簇头节点进行数据通信。在这些模拟中，簇头数目从网络中节点总数变化到。为了让两种算法模拟结果具有可比性，和两种算法选择簇头节点迭代次数是样。此外，所有和无人机飞行相关其它参数，数据通信和仿真条件是相同，在表中显示。假定这两个传感器节点与无人机都配有阵列天线，并且在通信过程中，发射机和接收机都指向彼此。如果和位置信息是已知，那么这种假设是可行......”。

6、“.....米最小转弯半径下飞行。仿真结果表明，适应度函数所有项性能，其中包括网络中平均能耗平均误码率和无人机行驶时间。其他结果，如活死节点节点分布，以及和适应度函数值进行了分析。根据图图和图结果表明，在样仿真条件和网络拓扑下，相较于性能更好。例如在样簇节点数目下，通过提供飞行路径里网络节点总能耗比提供路径更低。从图中可以看出，使用粒子群优化方案剩余网络中活节点数量始终比为方案更多。此外，这个图表明，网络中簇头节点数目越高，能耗和误码率就越低，这也解释了更高存活节点数。图也表明，使用方案时个簇头节点比使用方案时个簇头节点效果还好。这趋势与图中结果相匹配，表示适应度函数最佳值来自这两种算法。图显示出相较于主要改进之处。在这两种情况下，使用和两种方案自适应度值开始时略微升高，然后在数轮数据收集后开始降低。似乎合理理由是，此刻几乎所有节点已经死了，但簇头节点数量仍然不变。因此，与无人机直接通信节点比率增加了。这导致个事实，误码率和无人机行驶时间变低。由于方案在节点节约能源中性能更好，所以在网络中仍然有许多存活着节点。图和图显示了其进步分析，描绘了死节点和活节点位置。图中显示出......”。

7、“.....网络中所有节点在运行了将近次数据收集后死掉而方案中，运行轮后，网络中仍有许多活节点。当节点由于能量排出而死掉时，节点颜色与轮数和迭代次数相关联。在图中，使用，相同颜色节点通常位于相同区域，并且它们不是均匀分布，在图中应用。算法可能会尝试从轮中这些区域处选择许多簇头节点，因为它们相互接近，因此能降低自适应度函数值。图中显示出和之间死节点分布不同可能是用无人机行驶时间没有用好。这些结果表明，方案中无人机每轮需要长点时间收集数据，但是较总能提供个更好整体适应值。例如在个簇头节点情况下，自适应度值是两倍。图中显示，当簇头节点数目增加时，差距就增大，例如网络中个簇头节点情况下。结论在本文中，我们已经评估了两种算法在无人机访问节点优化选择上性能。在我们目标函数中，网络能源消耗通信质量和无人机行驶时间都是通过算法进行优化。在仿真中，我们知道效果最好方面是平均误码率，其次是平均能耗和无人机行驶时间。当在广域传感器网络中，被表明优于。我们模拟实验也已表明了使用网络存活时间得到了显著延长。中文字，单词，英文字符出处.,.,......”。

8、“.....低功耗自适应集群分层型协议被普遍应用以节省能量。在不同限制条件下路径优化问题已经有了几十年研究。根据不同应用环境，所采用目标函数和优化方法也不样。本文目标是为了使通过节点最能耗最低任何节点和它簇头节点之间，簇头节点和无人机之间通过无线通道数据通信质量最好无人机飞行时间最短。目标是提供个无人机能访问到节点列表。优化在每个无人机飞行任务之前运行，其解决方安案为无人机完成次数据采集提供了条路径。参考无线传感器网络与无人机之间通信质量表明，如果无人机次与较少传感器节点通信，那么误码率就较低。然而，无人机需要飞过网络中所有节点，飞行时间会显著增长。这个问题在集群中分组节点和只有簇头节点被无人机访问地方较好。集群技术只取决于通信能力或距离，这导致通信质量差或低能源利用率是低效。这里最小化访问所有节点时间簇头节点优化与推销员覆盖问题研究相似。在中，目标是最小化总行驶时间或销售员至少访问没有交集集合中个无素距离。研究表中文字，单词，英文字符出处,.,.,.无线传感器网络中基于集群通信拓扑结构选择和无人机路径规划摘要在传统无线传感器网络中......”。

9、“.....在大规模部署中，节约能源非常困难。本文主要介绍了传感器网络通信拓扑结构选择和应用无人机进行数据采集。为降低能源消耗和误码率，减少无人机飞行时间，本文采用粒子群优化算法寻找最佳集群。根据实验结果表明，在能耗和误码率方面更优于协议，而无人机飞行时间样。实验结果进步表明两者之间性能差距随着簇头节点数量增加而增大。降低能源消耗意味着网络运行时间可显著延长，而低误码率则可以大大增加网络接收数据量。引言无人机系统技术在各种军用领域和民用领域已得到广泛应用。该技术主要应用在雷达定位野火管理观察支撑农业监测边境监视环境监测气象监测和航拍，以及搜索救援任务。与传统载人机相比，无人机系统技术最明显好处就是成本低，提高了人员安全性，并且易于部署。无线传感器网络中许多应用采用了无人机系统技术来扩大通信范围，通过使用运载工具作为中继节点最大化网络数据通信能力，从远程或恶劣环境中收集数据，或协助节点在移动网络中定位。本文作者主要对这些方面进行研究，溢油应急响应海冰监测船舶交通监控和海水水质监测。然而，许多待探索地区条件非常苛刻，并且很偏远，由于缺乏通信基础设施相对孤立。而建立永久性通信基础设施又非常昂贵......”。