In this paper, we investigate the trajectory and service optimization problem for a priority-aware UAV-assisted simultaneous wireless information and power transfer (SWIPT) for IoT networks, where the ground nodes (GNs) have different priorities and energy and data requirements. In this system, the UAV takes off from an initial point and then visits each GN to transfer energy and transmit information as much as its requirements. The goal of the UAV is to jointly minimize the energy consumption of the UAV and the sum of the priority-weighted delays of the GNs. To solve this problem, we first transfer the multi-objective optimization problem to a single-objective optimization problem by using the weighted sum method. Then, we reformulate the problem as a variation of the traveling salesman problem (TSP) by proposing a tuple of optimal solutions for the UAV's flying strategy, service time for each GN, and proper dynamic power split adoption at each GN in a closed form. Based on this result, an optimal trajectory of the UAV is obtained by designing a dynamic programming (DP) algorithm. To reduce computational complexity, we propose some suboptimal algorithms based on the genetic algorithm (GA) with some variations of the parent selection method. Numerous numerical results are presented to show the differences in optimal flight paths according to various environmental parameters and to compare the performances of the GA-based algorithms.
본 논문에서는 지상 노드 (GN)의 우선순위와 에너지 및 데이터 요구 사항이 서로 다른 IoT 네트워크를 위한 우선순위 인식 UAV 기반 동시 무선 정보 및 전력 전송 (SWIPT)에 대한 궤적 및 서비스 최적화 문제를 조사합니다. 이 시스템에서는 UAV가 초기 지점에서 이륙한 후 각 GN을 방문하여 필요한 만큼 에너지를 전달하고 정보를 전송합니다. UAV의 목표는 UAV의 에너지 소비와 GN의 우선순위 가중치 지연의 합을 공동으로 최소화하는 것입니다. 이 문제를 해결하기 위해 먼저 가중치 합 방법을 사용하여 다중 목표 최적화 문제를 단일 목표 최적화 문제로 전환합니다. 그런 다음 UAV의 비행 전략, 각 GN의 서비스 시간 및 각 GN의 적절한 동적 전력 분할 채택을 위한 최적의 솔루션 튜플을 닫힌 형식으로 제안하여 문제를 여행하는 외판원 문제 (TSP)의 변형으로 재구성합니다. 이 결과를 바탕으로 동적 프로그래밍 (DP) 알고리즘을 설계하여 무인기의 최적 궤적을 도출한다. 계산 복잡성을 줄이기 위해 부모 선택 방법의 일부 변형이 포함된 유전 알고리즘 (GA)을 기반으로 하는 몇 가지 차선책 알고리즘을 제안합니다. 다양한 환경변수에 따른 최적 비행경로의 차이를 보여주고, GA 기반 알고리즘의 성능을 비교하기 위해 수많은 수치 결과를 제시합니다.
