卢森堡大学和安大略科技大学的一组研究人员最近提出了一种新方法，来设计启用节能的无人机(UAV)的无线通信的轨迹。他们的论文专门发表在arXiv上，重点关注无人机在某些预定的延迟限制内充当飞行基站(BS)为地面用户(GS)服务的情况。

研究人员在论文中写道：“我们的目标是设计无人机轨迹，以在满足RT要求和能源预算的同时，将总能量消耗降至最低，这是通过共同优化轨迹和后续跳段的无人机速度来实现的。”

一起优化无人机的轨迹和速度可能有些困难。为此，研究人员开发了一种方法，该方法执行两个连续的步骤。

他们的方法需要使用两种不同的算法，一种启发式搜索和一种动态编程(DP)算法。启发式搜索方法的工作原理是在每个步骤评估所有可用信息，并通过对可用选项进行排名来确定遵循的路径。

另一方面，动态编程是解决“子问题”重叠的问题的一种方法。它的工作方式是只处理单个子问题一次，并保存这些分析的结果，以便在相同子问题下再次使用它们。 -将来会遇到问题。

研究人员使用他们的启发式搜索和动态编程算法来获得不违反地面用户等待时间约束的无人机的可行轨迹集。找到这些轨迹的任务就好像是所谓的带时间窗的旅行推销员问题(TSPTW)一样得到解决。TSPTW是计算机科学中使用的一种算法问题，它为想要在特定时间范围内一次旅行并访问一组城市中的每个城市的推销员找到一条最小成本的路径。

随后将算法建议的轨迹与使用穷举搜索技术获得的轨迹进行比较，并在将任务作为旅行商问题(TSP)进行处理时进行比较;这是一种算法问题，其中需要为想要在没有任何特定时间要求的情况下访问一组特定城市的推销员提供最佳路线。

研究人员在论文中解释说：“虽然穷举算法以较高的计算成本实现了最佳性能，但启发式算法表现出的性能较差且复杂度较低。” “因此，建议将DP作为穷举算法和启发式算法之间的实际折衷。”

除了找到最佳无人机轨迹的两种算法外，研究人员还提出了一种能量最小化技术。该方法通过共同优化无人机的速度和随后的跃点而起作用。

当研究人员评估他们的算法时，他们发现它们是高效的，在能耗和断电性能方面均优于现有的最新技术。将来，他们提出的新方法可能有助于设计更好的轨迹，以在涉及具有等待时间限制的支持UAV的无线通信的应用中将能量最小化。此外，他们的工作可以为未来的研究铺平道路，这些研究旨在开发新工具以增强无人机通信网络的性能。