无人机WSN数据采集轨迹算法，采用Q学习方法。

简介：
针对无人机协助采集无线传感器网络数据时，各节点数据产生速率呈现随机性，且汇聚节点状态存在不一致的情况，我们提出了一种基于Q学习的非连续无人机轨迹规划算法，命名为Q-TDUD。该算法旨在显著提升无人机的能量利用率以及整体的数据采集效率。具体而言，我们考虑了各节点在每个周期内数据产生速率的随机性特征，并构建了一个汇聚节点的延迟模型，以精确描述汇聚过程中的延时。随后，我们运用强化学习中的Q学习算法，将各个汇聚节点的延迟时间和采集链路的上行传输速率进行归一化处理，并将这些归一化的数值整合到奖励函数中。通过迭代计算的方式，最终确定出最佳的非连续无人机飞行轨迹。实验验证表明，相较于TSP-conTInues TSP、NJS-conTInues和NJS算法，Q-TDUD算法在任务完成时间方面表现出更优的性能，并且能够有效地降低无人机的能耗同时提升其数据采集效率。