基于博弈论学习的多无人机系统（UGV）公平性感知与及时数据收集技术在工业无线传感器网络（WSNs）中的应用

《IEEE Internet of Things Journal》：Game-Theoretic Learning-Enabled Multi-UGV Fairness-Aware and Timely Data Collection in Industrial WSNs

基于物联网的农业传感器数据动态采集与多UGV协同优化研究。提出融合联盟形成博弈与贝叶斯优化的多智能体路径规划算法，通过动态数据缓存模型和公平性指标设计，有效解决复杂环境中UGV路径安全与数据采集效率问题。实验表明该算法在通信公平性上提升39.2%，数据收集量增加142.07%。

　　

摘要：

在农业和食品生产中，传感器被广泛用于实时监控生产过程。这些传感器将数据传输到无线传感器网络（WSNs）中的接入点（APs），从而形成了一个基于物联网的先进生产模式。由于电池容量有限，传感器的传输范围受到限制，因此需要无人地面车辆（UGVs）来协助及时收集传感器数据。一个关键问题是多辆UGVs之间的智能协调，以实现安全路径规划和公平、及时的数据收集。然而，这面临着以下挑战：1）实时监控会导致传感器数据量的动态变化；2）未知障碍物（如移动包装容器和车辆）会复杂化WSNs中的安全路径规划和数据收集；3）低效的动作探索会降低动作选择的效率。为了解决这些问题，我们提出了一种基于联盟形成博弈和贝叶斯优化（BO）的多智能体路径规划算法（MAPP-CFGBO），以优化工业WSNs中UGVs的路径和传感器配对。首先，我们构建了一个动态数据缓存模型并设计了一个公平性指标。其次，提出了一种合作通信联盟形成（C3F）算法来促进UGVs之间的协作。接下来，我们利用所提出的BO算法解决了安全路径规划问题，从而解决了挑战2和3。通过大量仿真测试，与基准算法相比，该算法将通信服务的公平性提高了 %，并且收集的数据量增加了 。

引言

近年来，信息和通信技术的快速发展推动了物联网（IoT）在智能食品质量检测和精准农业等领域的广泛应用 [1], [2], [3], [4]。通过整合自动化和物联网技术，可以提高生产力和产品质量，优化仓储流程，并降低劳动力成本。此外，物联网还提供了创新的解决方案，以减少浪费、降低碳排放、优化资源利用并提高生产力 [2]。例如，已经提出了一种基于物联网的食品质量监测系统，该系统利用温度、湿度和气体传感器进行实时产品监控 [3]。此外，区块链与物联网的结合也被探索用于开发精准农业中的先进应用 [4]。