买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门大学申请的专利一种基于排队模型和遗传算法的水声数据搜集方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115658980B 。

龙图腾网通过国家知识产权局官网在2026-01-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211293810.1，技术领域涉及：G06F16/903；该发明授权一种基于排队模型和遗传算法的水声数据搜集方法是由陈友淦;罗圆;董妍函;谭诗路;熊艺程;张小康;许肖梅设计研发完成，并于2022-10-21向国家知识产权局提交的专利申请。

本一种基于排队模型和遗传算法的水声数据搜集方法在说明书摘要公布了：一种基于排队模型和遗传算法的水声数据搜集方法，涉及水声网络。针对水声网络中簇头容量有限的问题，通过将单服务台混合制排队理论模型，运用于利用AUV进行水下节点数据搜集场景中簇头和传感器节点之间的数据传输过程，可以得出不同簇头到达簇头容量上限的时间。将该时间参数和簇头间的距离作为遗传算法适应度函数设计的根据，考虑该时间参数和AUV到达簇头之间的时间差距造成的数据包丢失，以及AUV行驶过程中的能量损耗，按照需要调整二者之间的权重，再通过遗传算法对AUV行驶路径进行规划。目的在于考虑AUV能量损耗的前提下，减少节点容量有限导致数据搜集到达上限后的数据丢失。

本发明授权一种基于排队模型和遗传算法的水声数据搜集方法在权利要求书中公布了：1.一种基于排队模型和遗传算法的水声数据搜集方法，其特征在于包括以下步骤： 1在海底布置一定数量的传感器节点，用于水下信息数据搜集；将节点分为若干个集群，在每一个集群中选择合适节点作为数据搜集中心的簇头，负责搜集部署在其周围节点的数据；在簇头进行数据搜集的过程中，AUV以一定的访问顺序定期访问簇头并进行数据搜集；由于AUV容量且能量有限，不能长期在水下工作，规定在访问一遍各个簇头之后，AUV将返回至初始节点，将搜集到的数据传输给水面浮标节点sink；由于簇头布置在海底，认为数据搜集过程在二维场景下进行； 2将每个集群内节点向簇头传输数据包的过程，类比为一个单服务台混合制排队模型MM1K的过程；其中，M代表指数分布，K为簇头空间容量；节点向簇头传输数据的过程作为顾客相继到达服务台的过程，节点对簇头进行数据传输的行为看作一次服务，则相应的数据传输时间为服务时间，节点到达簇头以及排队等待服务的时间为排队理论中的等待时间；每个集群内的簇头个数为1，看作单服务台模型；簇头所能存储的数据有一定的容量上限，这个上限是排队系统的簇头空间容量K；当簇头可存储的数据已达容量上限时，表示空间全部被占用，新到的节点数据将不再被搜集而丢失；当簇头可存储的数据未达容量上限时，节点将会继续进行数据传输； 3在实际水下场景中，每个数据包本身具有不同的长度；即使簇头空间容量固定为K，簇头每次所能搜集的节点数Nc也不相同；节点向簇头传输完数据后，数据在簇头中会占据一定的容量空间，相当于顾客接受完服务后仍然占据系统空间；假设节点向簇头传输数据的过程服从参数为λ1的负指数分布，节点向簇头传输数据和节点与簇头进行数据交换的时间服从参数为λ2负指数分布，每个数据包的长度服从参数为λ3的负指数分布，数据包的长度分别为L1,L2,L3……LNc；则簇头空间容量K与数据包长度Li的关系满足： 其中，Li为第i个数据包的长度，Nc为簇头所能搜集的节点数量； 在节点-簇头排队系统中，排队的节点数为0到Nc-1个，且满足参数为λ1的负指数分布，因此节点向簇头传输数据的过程满足： 节点与簇头进行数据交换的时间，则服从参数为λ2的负指数分布，即： λ2n＝λ2,n＝1,2,…，Nc 根据平衡方程推导得出单服务台混合制排队系统平稳状态下的队长分布为： 其中，Ls即为系统的平均队长，对应本场景中节点传输数据包在簇头中所占据的空间；表示系统的繁忙程度；Pi为队列中有i个顾客排队的概率； 4由于排队系统容量有限，只有Nc-1个位置，因此，当系统空间被占满时，再来的顾客不能进入系统排队，即不能保证所有到达的顾客都能进入系统等待服务；顾客到达率为λ1，系统处于满状态时顾客不能进入系统，即顾客可进入系统概率为1-pNc；所以单位时间内实际可进入系统的顾客的平均数为： λe＝λ11-pNc 其中，pNc为顾客损失率；平均逗留时间为： 对应在本场景中，节点与簇头进行数据交换的时间和节点向簇头传输数据的时间作为服务时间Ts；节点等待与簇头进行数据交换的时间作为排队时间Tw；在节点-簇头系统中，平均逗留时间即为： Ws＝Ts+Tw 在节点向簇头传递完数据后，数据在簇头中仍然会占据一定的容量空间，因此簇头到达容量上限的预估时间为： T＝Nc*Ws 5通过遗传算法对AUV的路径规划，采用的编码形式是将访问的簇头编号并将序号排列组合，以此作为路径规划过程中访问的簇头顺序的代表；不同排列组合的序列，是遗传算法中的不同个体，用Xi表示，其中i表示第i个个体；定义数量为N的随机排列组合作为初始化种群，种群大小影响着种群多样性以及算法效率； 6将上述推导所得的时间参数T应用在遗传算法的目标函数和适应度函数中，个体Xi的适应度函数设置为个体目标函数值的倒数；由于AUV在实际水下航行过程中会受到海流因素影响，导致AUV位置及状态发生改变，进而引起能量损耗；因此，在假设海流方向和速度一定的情况下，通过海流干扰下的运动模型，该能量损耗表示为： Ji，j＝{v*cosθ-vx2+v*sin-vy2}*dijv E＝∑Ji,j 其中，Ji,j为簇头i到簇头j之间的能耗，v为AUV行驶速度，θ为航行速度与x轴夹角，vx、vy分别为海流在x轴和y轴上的速度分量，dij为簇头i到簇头j之间的距离； 设定目标函数值包括三个部分，分别为：AUV以个体Xi为顺序行驶的总距离、AUV到达簇头时路程损耗的时间和该簇头到达容量上限的预估时间T之间的时间差的绝对值，以及对所有簇头的总和、海流因素导致的能量损耗；三者以一定比例相加得到目标函数值，即: 其中，β、α和γ分别为总距离、总时间差和海流损耗的权重，lenXi为以个体Xi序列为访问顺序的总路径，D为在个体Xi中访问簇头j之前经历的路径，EXi为以个体Xi序列为访问顺序的海流导致的AUV总能耗； 则适应度函数为： fitnessXi＝1FXi 通过交叉、变异的遗传操作，得到AUV不同访问顺序的路径，计算其适应度得出选择该路径的概率； 7采用轮盘赌选择策略，计算每个个体的适应度及被遗传到下一代的概率，将概率值累加并归一化处理，通过在[0,1]区间内随机产生数值并与累积概率对比得出个体是否被选中；个体Xi被选中概率PXi为： 其中，N为簇头数量，fitnessXi为个体Xi的适应度函数；则，累积概率为： 8不断尝试找出初始化种群数量、交叉、变异概率的合理设置值；在初始化种群设计中，种群个体数过小，会导致多样性减少，而个体数过多又会导致算法效率降低；遗传操作的参数设置时，交叉、变异概率的大小会影响算法的收敛性，导致提前收敛或者不收敛的结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。