考虑通信拓扑控制的FANET实时任务调度算法

doi:10.7527/S1000-6893.2025.32636

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

考虑通信拓扑控制的FANET实时任务调度算法

王沛曌¹, 何明¹^,²^,³, 陈海华¹^,⁴(), 王鸿鹏⁵^,⁶

^1.南开大学电子信息与光学工程学院，天津 300350
^2.教育部薄膜光电子技术工程研究中心，天津 300350
^3.天津市光电子薄膜器件与技术重点实验室，天津 300350
^4.天津市光电传感器与传感网络重点实验室，天津 300350
^5.南开大学人工智能学院，天津 300350
^6.南开大学深圳研究院，深圳 518083

收稿日期:2025-07-31 修回日期:2025-09-11 接受日期:2025-10-23 出版日期:2025-10-31 发布日期:2025-10-30
通讯作者: 陈海华 E-mail:hhchen@nankai.edu.cn
基金资助:
国家自然科学基金(62373201);国家自然科学基金(61973173);天津市科技计划项目新一代人工智能科技重大专项课题(18ZXZNGX00340)

Real-time task scheduling algorithm for FANET considering communication topology control

Peizhao WANG¹, Ming HE¹^,²^,³, Haihua CHEN¹^,⁴(), Hongpeng WANG⁵^,⁶

^1.College of Electronic Information and Optical Engineering，Nankai University，Tianjin 300350，China
^2.Engineering Research Center of Thin Film Optoelectronics Technology，Ministry of Education，Tianjin 300350，China
^3.Tianjin Key Laboratory of Optoelectronic Thin Film Devices and Technology，Tianjin 300350，China
^4.Tianjin Key Laboratory of Optoelectronic Sensor and Sensing Network Technology，Tianjin 300350，China
^5.College of Artificial Intelligence，Nankai University，Tianjin 300350，China
^6.Shenzhen Research Institute，Nankai University，Shenzhen 518083，China

Received:2025-07-31 Revised:2025-09-11 Accepted:2025-10-23 Online:2025-10-31 Published:2025-10-30
Contact: Haihua CHEN E-mail:hhchen@nankai.edu.cn
Supported by:
National Natural Science Foundation of China(62373201);Technology Research and Development Program of Tianjin(18ZXZNGX00340)

摘要/Abstract

摘要：

多无人机飞行自组网（FANET）凭借强大的态势感知和环境适应能力，能够在各类具有实时监测需求的应用场景中有效保障实时地面任务搜索、分配和执行。基于上述应用场景和任务需求，重点解决FANET任务自主分配阶段的实时任务调度与动态拓扑控制的协同优化难题。实时任务调度保障监测任务的时效性，动态拓扑控制确保任务和定位数据的稳定回传。首先，构建基于动态价值评估的拍卖机制与拓扑控制联合优化框架。其次，通过引入动态任务价值评估模型，实现动态的任务优先级排序与分配，同时设计基于最小维护代价的拓扑控制策略，通过选择性链路维护机制降低拓扑调整成本。最后，复杂度分析表明所提算法能够满足动态场景中的高效求解和实时优化需求，仿真实验表明所提算法在任务响应速度和拓扑稳定性方面具有显著优势，为具有即时响应和精准监测等工程应用需求的场景提供了理论支撑和技术参考。

关键词: 无人机, 自组织网络, 实时任务调度, 动态拓扑控制, 拍卖算法, 协同优化

Abstract:

The multiple Unmanned Aerial Vehicle （UAV） Flying Ad hoc Network （FANET）， with its enhanced situational awareness and environmental adaptability， can effectively ensure real-time ground task search， allocation， and execution in applications requiring immediate monitoring. Given these application scenarios and task requirements， the key issue of collaborative optimization of real-time task scheduling and dynamic topology control during autonomous allocation in FANET is addressed： the real-time task scheduling ensures the timeliness requirements of monitoring tasks， and the dynamic topology control ensures the stable transmission of tasks and location data. Firstly， a joint optimization framework integrating auction mechanism and topology control based on dynamic value assessment is constructed. Secondly， through the introduction of a dynamic task value assessment model， dynamic task priority ranking and allocation are realized， and a topology control strategy based on minimum maintenance cost is designed. The cost of topology adjustment is reduced via a selective link maintenance mechanism. Finally， the complexity analysis demonstrates that the proposed algorithm can meet the requirements for efficient solution and real-time optimization in dynamic scenarios. The significant advantages of the proposed algorithm in terms of task response speed and topology stability are demonstrated through simulation experiments. This work provides both theoretical support and technical references for engineering scenarios requiring immediate response and precise monitoring.

Key words: UAV, Ad hoc network, real-time task scheduling, dynamic topology control, auction algorithm, collaborative optimization

中图分类号:

V279

王沛曌, 何明, 陈海华, 王鸿鹏. 考虑通信拓扑控制的FANET实时任务调度算法[J]. 航空学报, 2026, 47(6): 332636.

Peizhao WANG, Ming HE, Haihua CHEN, Hongpeng WANG. Real-time task scheduling algorithm for FANET considering communication topology control[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(6): 332636.

图/表 10

图 1

图 2

图 3

表1

图 4

表2

表3

图 5

图 6

图 7

参考文献 30

[1]	UMAIR M， JOUNG J， CHO Y S. Transmission power and altitude design for energy-efficient mission completion of small-size unmanned aerial vehicle［J］. Electronics Letters， 2020， 56（22）： 1219-1222.
[2]	聂伟，戴琪霏，杨小龙，等. 基于多维信号特征的无人机探测识别方法［J］. 电子与信息学报， 2024， 46（3）： 1089-1099.
	NIE W， DAI Q F， YANG X L， et al. Unmanned aerial vehicle detection and recognition method based on multi-dimensional signal feature［J］. Journal of Electronics & Information Technology， 2024， 46（3）： 1089-1099 （in Chinese）.
[3]	ALAYA H， LETAIFA A BEN， RACHEDI A. State of the art and taxonomy survey on federated learning and blockchain integration in UAV applications［J］. The Journal of Supercomputing， 2025， 81（5）： 655.
[4]	SONG Z Q， FANG W. Research on scheduling problem for persistent servive of multiple unmanned aerial vehicles［C］∥2017 36th Chinese Control Conference （CCC）. Piscataway： IEEE Press， 2017： 2941-2944.
[5]	FAN B Y， BO Y M， WU X. Learning improvement heuristics for multi-unmanned aerial vehicle task allocation［J］. Drones， 2024， 8（11）： 636.
[6]	高云飞，胡钰林，刘鸣柳，等. 多无人机输电线路巡检联合轨迹设计方法［J］. 电子与信息学报， 2024， 46（5）： 1958-1967.
	GAO Y F， HU Y L， LIU M L， et al. Joint multi-UAV trajectory design for power line inspection［J］. Journal of Electronics & Information Technology， 2024， 46（5）： 1958-1967 （in Chinese）.
[7]	WU Y， XU S T， DAI W， et al. Heuristic position allocation methods for forming multiple UAV formations［J］. Engineering Applications of Artificial Intelligence， 2023， 118： 105654.
[8]	WU Y， LIANG T J， GOU J Z， et al. Heterogeneous mission planning for multiple UAV formations via metaheuristic algorithms［J］. IEEE Transactions on Aerospace and Electronic Systems， 2023， 59（4）： 3924-3940.
[9]	YUE W， ZHANG X Y， LIU Z C. Distributed cooperative task allocation for heterogeneous UAV swarms under complex constraints［J］. Computer Communications， 2025， 231： 108043.
[10]	LU Q W， QIU Y F， GUAN C T， et al. Coordinated multi-UAV reconnaissance scheme for multiple targets［J］. Applied Sciences， 2023， 13（19）： 10920.
[11]	LI Y B， ZHANG Z T， HE Z Y， et al. A heuristic task allocation method based on overlapping coalition formation game for heterogeneous UAVs［J］. IEEE Internet of Things Journal， 2024， 11（17）： 28945-28959.
[12]	王政，王华，崔可可，等. 局部引导强化学习的舰载机自主调运方法［J］. 航空学报， 2025， 46（13）： 531333.
	WANG Z， WANG H， CUI K K， et al. Locally guided reinforcement learning for autonomous dispatching of carrier-based aircraft［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（13）： 531333 （in Chinese）.
[13]	陆音，刘金志，张珉. 一种模型辅助的联邦强化学习多无人机路径规划方法［J］. 电子与信息学报， 2025， 47（5）： 1368-1380.
	LU Y， LIU J Z， ZHANG M. A model-assisted federated reinforcement learning method for multi-UAV path planning［J］. Journal of Electronics & Information Technology， 2025， 47（5）： 1368-1380 （in Chinese）.
[14]	ZHANG X， ZHANG X. A binary artificial bee colony algorithm for constructing spanning trees in vehicular ad hoc networks［J］. Ad Hoc Networks， 2017， 58： 198-204.
[15]	ALAMERI I， KOMARKOVA J， AL-HADHRAMI T， et al. Optimizing connections： applied shortest path algorithms for MANETs［J］. CMES-Computer Modeling in Engineering and Sciences， 2024， 141（1）： 787-807.
[16]	XIE G Q， ZHONG B W， XU H R， et al. Connectivity-preserving rendezvous in discrete-time multi-agent systems via relative neighborhood proximity graph［J］. Transactions of the Institute of Measurement and Control， 2024， 46（4）： 771-784.
[17]	KHAN S A， MAHMOOD A. Fuzzy goal programming-based ant colony optimization algorithm for multi-objective topology design of distributed local area networks［J］. Neural Computing and Applications， 2019， 31（7）： 2329-2347.
[18]	HOLLY S， NIEßE A. Dynamic communication topologies for distributed heuristics in energy system optimization algorithms［C］∥2021 16th Conference on Computer Science and Intelligence Systems （FedCSIS）. Piscataway： IEEE Press， 2021： 191-200.
[19]	LIN A P， SUN W， YU H S， et al. Global genetic learning particle swarm optimization with diversity enhancement by ring topology［J］. Swarm and Evolutionary Computation， 2019， 44： 571-583.
[20]	PARK S， KIM H T， KIM H. Energy-efficient topology control for UAV networks［J］. Energies， 2019， 12（23）： 4523.
[21]	WANG P Y， LI Q K， YI J K. Topology control of low-connection UAV laser network with virtual nodes［J］. Applied Sciences， 2025， 15（3）： 1086.
[22]	ALAM M M， MOH S. Joint topology control and routing in a UAV swarm for crowd surveillance［J］. Journal of Network and Computer Applications， 2022， 204： 103427.
[23]	XU L， CAO X B， DU W B， et al. Cooperative path planning optimization for multiple UAVs with communication constraints［J］. Knowledge-Based Systems， 2023， 260： 110164.
[24]	GUO J， GAN M G， HU K. Cooperative path planning for multi-UAVs with time-varying communication and energy consumption constraints［J］. Drones， 2024， 8（11）： 654.
[25]	CHEN L， LIU G R， ZHU X， et al. A heuristic routing algorithm for heterogeneous UAVs in time-constrained MEC systems［J］. Drones， 2024， 8（8）： 379.
[26]	王鸿鹏，王前，张晓阳，等. 基于3D-Tabu禁忌搜索的广域环境MESH网络节点部署优化算法研究［J］. 传感技术学报， 2021， 34（2）： 261-267.
	WANG H P， WANG Q， ZHANG X Y， et al. Research on the optimization of node deployment in wide-area MESH networks using 3D-Tabu search［J］. Chinese Journal of Sensors and Actuators， 2021， 34（2）： 261-267 （in Chinese）.
[27]	WANG Y， LI W Z， JIANG R. A novel hybrid algorithm based on improved particle swarm optimization algorithm and genetic algorithm for multi-UAV path planning with time windows［C］∥2022 IEEE 5th Advanced Information Management， Communicates， Electronic and Automation Control Conference （IMCEC）. Piscataway： IEEE Press， 2022： 1005-1009.
[28]	王祝，张梦通，张振鹏，等. 基于多指标动态优先级的无人机协同路径规划［J］. 航空学报， 2024， 45（4）： 328816.
	WANG Z， ZHANG M T， ZHANG Z P， et al. Multi-UAV cooperative path planning based on multi-index dynamic priority［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（4）： 328816 （in Chinese）.
[29]	GOTO T， NAJAFABADI H R， FALHEIRO M， et al. Topological optimization and simulated annealing［J］. IFAC-PapersOnLine， 2021， 54（1）： 205-210.
[30]	王法俊，李喆，陆浩然. 基于复杂网络理论的战术通信网络拓扑构建方法［C］∥第十三届中国指挥控制大会论文集（下册）. 北京：中国指挥与控制学会， 2025： 513-518.
	WANG F J， LI Z， LU H R. Topology construction methods for tactical communication networks based on complex network theory［C］∥Proceedings of the 13th China Conference on Command and Control （Vol 2）. Beijing：Chinese Institute of Command and Control， 2025： 513-518 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

算法名称	ISATC	CNTC	M²TC
HPSO	2.396 5×10⁷	2.340 3×10⁷	2.335 3×10⁷
禁忌搜索	8.130 0×10⁶	7.567 5×10⁶	7.517 5×10⁶
WM-Lazy Theta*	7.761 5×10⁵	2.136 5×10⁵	1.636 5×10⁵
DVATS	7.750 5×10⁵	2.130 0×10⁵	1.630 0×10⁵

算法	ISATC	CNTC	M²TC	穷搜索（基准）
HPSO	0.101 2	0.096 0	0.069 2	0.064 8
禁忌搜索	0.120 0	0.080 0	0.066 8	0.063 6
WM-Lazy Theta*	0.098 4	0.066 0	0.054 1	0.042 8
静态拍卖	0.094 0	0.076 0	0.060 0	0.052 8
DVATS	0.084 3	0.060 4	0.046 2	0.042 4

算法	飞行时间/s
算法	W=5	W=10	W=20	W=40
HPSO	66.59	54.87	66.66	75.39
禁忌搜索	37.50	25.10	26.53	130.66
WM-Lazy Theta*	75.65	71.74	93.47	169.10
静态拍卖	55.61	30.55	45.43	145.68
DVATS	77.88	72.11	99.19	198.09

考虑通信拓扑控制的FANET实时任务调度算法

Real-time task scheduling algorithm for FANET considering communication topology control

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 30

相关文章 15

编辑推荐

Metrics

本文评价

[1]	高思华, 赵炳阳, 李建伏. 基于时间窗约束的无人机完整性数据采集路径规划算法[J]. 航空学报, 2026, 47(6): 332451-332451.
[2]	郭鹏, 徐田来, 郎安琪, 崔祜涛, 李子迪. 基于复杂网络模型的多无人机系统协同导航信息融合方法[J]. 航空学报, 2026, 47(5): 332428-332428.
[3]	伍瀚, 孙浩, 刘奎, 计科峰, 匡纲要. 无人机视频多目标特征关联技术研究进展[J]. 航空学报, 2026, 47(4): 331967-331967.
[4]	冯子成, 张文龙, 刘冬辉, 于起峰. 复杂背景下反无人机红外目标鲁棒跟踪算法[J]. 航空学报, 2026, 47(4): 332264-332264.
[5]	郭玉英, 廖兰馨, 张晓强, 张友民, 王凯. 无人机复合执行器故障有限时间容错控制[J]. 航空学报, 2026, 47(4): 332659-332659.
[6]	张磊, 田灿, 文方青, 张清河, 刘含. 面向移动边缘网络的多目标进化深度确定性策略梯度算法[J]. 航空学报, 2026, 47(3): 631880-631880.
[7]	张陈鹏, 艾渤, 王公仆, 刘铭, 许荣涛. 基于反向散射的定位技术：原理与挑战及航空场景应用[J]. 航空学报, 2026, 47(3): 632635-632635.
[8]	王浩宇, 张泽旭, 闻单, 刘金龙, 朱倍孝, 包为民. 基于时序耦合分析的无人机集群任务分配方法[J]. 航空学报, 2026, 47(2): 332075-332075.
[9]	赵长啸, 方玉麟, 汪克念. 基于BiTCN的无人机指挥控制链路DoS攻击检测方法[J]. 航空学报, 2026, 47(1): 332048-332048.
[10]	贺炅, 任斌武, 杜思亮, 徐尤松, 王博. 基于ADRC-RBF倾转四旋翼无人机姿态自适应控制[J]. 航空学报, 2025, 46(S1): 732189-732189.
[11]	周攀, 李霓, 黄江涛, 杨青林, 廉云霄. 非完备信息下无人机近距博弈自主决策[J]. 航空学报, 2025, 46(S1): 732215-732215.
[12]	虞翔宇, 李文, 严杰, 梁世哲. 无人机液氢燃料电池热管理系统仿真研究[J]. 航空学报, 2025, 46(9): 630964-630964.
[13]	杨芃芊, 陈禹彤, 刘俊辉, 杨杰豪, 单家元, 孙士珺. 串列翼货运无人机大攻角气动与操稳特性[J]. 航空学报, 2025, 46(9): 131056-131056.
[14]	李荣祖, 刘莉, 杨盾. 基于多源域融合代理模型的氢能无人机优化设计[J]. 航空学报, 2025, 46(9): 630979-630979.
[15]	万开方, 吴志林, 武韫晖, 强皓植, 吴艺博, 李波. 拒止环境下基于深度强化学习的多无人机协同定位[J]. 航空学报, 2025, 46(8): 331024-331024.