本发明涉及无人机集群组网控制领域，具体涉及一种基于谱聚类-离散鸽群算法的无人机集群分簇方法。
背景技术：
1、随着无人机技术的发展，无人机已成为现代战争中不可或缺的组成部分，其在成本效益、操作灵活性、快速部署和隐蔽性方面具有明显的优势。尤其是在军事侦查、电子对抗、情报搜集和战场监控等领域，无人机的应用已显著改变了战争的面貌。在这一背景下，无人机集群的应用前景尤为广泛，因为相比单个无人机，无人机集群在容错性、任务性能、以及多样化作战能力方面具有显著优势。
2、虽然无人机集群作战能够有效提高我方力量打击效能，但是大规模无人机集群作战对网络通信性能提出了较高要求，现有大规模无人机集群作战任务背景下，分簇是一种适用性较好的组网方式，由于如下几个难点，分簇组网依然存在较大挑战：首先，机间协同关系复杂。分簇是为无人机集群提供较好的通信架构，复杂机间关系增加分簇决策难度。其次，簇首通信负担重。在分簇架构下，簇首负责信息传输、数据聚合以及簇间通信，容易成为通信瓶颈。最后，分簇策略求解空间大。大规模无人机集群将带来大求解空间问题，难以高效求解。
技术实现思路
1、针对无人机集群分簇面临的上述难点，本发明提出一种基于谱聚类-离散鸽群算法的无人机集群分簇方法，通过谱聚类-离散鸽群算法，结合该问题结构特征，克服该问题面临的机间协同关系复杂、簇首通信负担重、分簇策略求解空间大难点。
2、实现本发明目的的技术方案为：一种基于谱聚类-离散鸽群算法的无人机集群分簇方法，包括如下步骤：
3、步骤1：获取无人机集群总数量，各作战任务下无人机通信资源、通信需求；
4、步骤2：建立考虑机间协同行为的自组网稳定分簇模型，确定分簇约束条件，构建优化目标函数；
5、步骤3：采用谱聚类对无人机集群节点进行分组，为鸽群算法初始化提供决策依据；
6、步骤4：基于节点分组结果，初始化多个待评估簇首选择方案；
7、步骤5：设置适应度函数评价方法，实现簇首选择方案与分簇方案的唯一对应，量化分簇性能；
8、步骤6：基于离散鸽群算法，对簇首选择方案进行迭代优化；
9、步骤7：提取、输出最优分簇方案。
10、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的基于谱聚类-离散鸽群算法的无人机集群分簇方法。
11、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的基于谱聚类-离散鸽群算法的无人机集群分簇方法。
12、本发明由于采用以上技术方案，能够取得如下的技术效果：本发明建立的协同自组网稳定分簇模型能够有效表征无人机集群机间协同行为，同时考虑了簇首负载对分簇成本的影响，从而能够有效实现通信需求与分簇能力映射。基于上述模型，提出了基于谱聚类-离散鸽群算法的分簇算法，能够有效规范簇首选择方案的初始化，解决决策空间过大问题，提高求解效率。
1.一种基于谱聚类-离散鸽群算法的无人机集群分簇方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于谱聚类-离散鸽群算法的无人机集群分簇方法，其特征在于，步骤1包括：
3.根据权利要求2所述的基于谱聚类-离散鸽群算法的无人机集群分簇方法，其特征在于，步骤2包括：
4.根据权利要求3所述的基于谱聚类-离散鸽群算法的无人机集群分簇方法，其特征在于，步骤3包括：
5.根据权利要求4所述的基于谱聚类-离散鸽群算法的无人机集群分簇方法，其特征在于，步骤4包括：
6.根据权利要求5所述的基于谱聚类-离散鸽群算法的无人机集群分簇方法，其特征在于，步骤5包括：
7.根据权利要求6所述的基于谱聚类-离散鸽群算法的无人机集群分簇方法，其特征在于，步骤6包括：
8.根据权利要求7所述的基于谱聚类-离散鸽群算法的无人机集群分簇方法，其特征在于，将步骤6-6中记录的，使用，找到对应的，作为最优分簇方案提取、输出。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的基于谱聚类-离散鸽群算法的无人机集群分簇方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的基于谱聚类-离散鸽群算法的无人机集群分簇方法。
