Flying Over Dynamism: Predictive Intelligence and Evolutionary Optimization for Multi-UAV Crowdsensing

doi:10.1109/tsusc.2026.3715184

Flying Over Dynamism: Predictive Intelligence and Evolutionary Optimization for Multi-UAV Crowdsensing

2026-07-20

0

PRE

AI

DOI：10.1109/tsusc.2026.3715184

原文链接

原文求助

摘要

En 中文

移动众包（MCS）的快速增长已推动无人机（UAV）在大规模、灵活、及时的数据收集中的应用部署。然而，多无人机MCS中的轨迹规划仍极具挑战性，这是由于兴趣点（PoIs）的动态不确定性激活、严格的能源限制以及高密度无人机操作带来的安全风险。现有的强化学习方法在动态和不确定PoI设置下的大规模协调中可能面临可扩展性和训练稳定性挑战，而许多启发式方法依赖于静态PoI等过度简化的假设，导致在动态环境中性能次优。为克服这些局限性，本文提出Pre-Evo，一种新颖的混合预测-进化框架，通过协同整合预测智能与进化优化，实现高效可靠的多无人机协调。在预测方面，采用长短期记忆（LSTM）网络精确预测动态PoI的活跃时间窗口，从而将时间不确定性转化为可处理的决策输入。在优化方面，我们设计了一种增强的多智能体遗传算法（EnhancedMAGA），配备了三种定制机制。预测建模与进化搜索的协同设计使Pre-Evo能够在最大化任务完成度、最小化飞行距离和能耗以及降低密集无人机群碰撞风险之间取得平衡权衡。在真实世界城市交通数据集和多样化合成场景上的广泛实验表明，Pre-Evo持续优于当前最优基准。值得注意的是，Pre-Evo在大型且高度动态的环境中仍表现出强大的泛化能力，突显其应用于下一代无人机辅助MCS系统的潜力。

Keyword:

Dynamic and uncertain PoIs

multi-UAV collaborative sensing

trajectory planning

prediction

evolution

Flying Over Dynamism: Predictive Intelligence and Evolutionary Optimization for Multi-UAV Crowdsensing

摘要

期刊

机构

引用论文