5、无人机群：超越个体之和的智慧

无人机群：超越个体之和的智慧

1. 无人机群行为研究的背景与动机

随着科技的发展，网络物理系统（CPS）的群体，如无人机群，正逐渐成为现实。研究表明，当这些群落在现实世界中运行时，会展现出类似生物群落的某些特性和行为。基于这两点，我们认为对无人机互联网（IoD）或任何足够大的网络物理设备群体的研究，可以借鉴生物学家研究自然界中动物群体（如鸟群、鱼群、兽群等）的方法。

在之前的工作中，我们为研究设定了动机，定义了模拟环境以测试各种方法，并提供了性能指标来比较不同的结果和算法。这些工作已经发表并经过同行评审。在之前的论文中，我们还报告了漂移和扩散系数的测量方法，这一方法可用于衡量无人机在环境中的分散程度。

2. 生物学中群体行为的测量：漂移与扩散

在第5节的研究结果清晰地显示，噪声对算法性能在无线传感器网络（WSN）最终覆盖范围以及群体部署期间的快速增长方面具有积极影响。最可能的定量解释是，在适当的环境下，合适的噪声会导致自组织的方向切换，这在我们的性能指标中是有益的，类似于噪声在生物系统中的积极作用。

为了研究无人机群的行为，我们采用了漂移 - 扩散模型（DDM），这是生物学中常用于强制选择下认知决策的模型。我们考虑网络中节点的速度（不考虑其方向），认为这种一维视角足以揭示噪声存在时群体行为的变化。不过，这并不能让我们明确这种变化的原因，也无法让我们充分利用这一效应，只能说明信号噪声本身并非劣势。

在评估BISON算法时，我们不仅关注单个节点的移动距离，还关注无人机群的集体行为。我们使用平均节点速度来描述无线传感器网络部署期间节点的行为。在模拟中，单个节点的速度由Voronoi质心的计算结合节点对自身位置的推断来确定。