技术特征：
1.一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于包括以下步骤：步骤1，模拟城市灾区场景并构建地面移动用户节点的状态集；步骤2，记录所述步骤1中获得的各时刻地面移动用户节点的位置信息；步骤3，根据所述步骤2中各时刻地面移动用户节点的位置信息，计算城市灾区无人机网络的最优覆盖，根据所述最优覆盖获得最优覆盖策略。2.根据权利要求1所述的一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于：所述步骤1的所述模拟城市灾区场景包括：将待覆盖城市区域划分为不同的区域，其中所述不同的区域包括建筑区，街道，禁止区域，开放性区域以及建筑残骸，通过限制节点在所述不同的区域内的移动以模拟城市灾区地面用户节点的移动，从而获得模拟后的城市灾区场景。3.根据权利要求2所述的一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于：所述将待覆盖城市区域划分为不同的区域根据城市灾区的区域划分模型进行，所述城市灾区的区域划分模型为：a＝{b，r，p，x}
ꢀꢀꢀ
(1)其中，a为待覆盖城市灾区，b为建筑物集合且b1‑
b8分别代表居住建筑、公共建筑、商业建筑、商公混合建筑、住公混合建筑、商公混合建筑、其他；r为道路集合且r1‑
r6分别为快速通过型道路、穿越通过型道路、景观旅游型街道、符合共享型街道，居民生活型街道和景观休闲步行路；p为公园等开放性区域，x为禁止区域，即人类无法进入的区域、湖泊、河流。4.根据权利要求1所述的一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于：所述构建地面移动用户节点的状态集包括时刻，方向、速度、坐标位置和/或移动规则。5.根据权利要求4所述的一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于：所述地面移动用户节点的集合为g＝{g1，g2，
…
，g
n
}，其中用户节点g
i
的位置坐标为(x
i
，y
i
，0)，所述移动用户节点的移动规则为：其中，random为用户节点在开放性区域中随机移动；b
‑
trend为用户节点在建筑区域内，节点逐渐向建筑的四个边缘移动并沿着边缘最终到出口；linear为用户节点在街道上线性移动；b
col
表示建筑物坍塌，而fade为用户节点在建筑区且建筑物坍塌时，用户节点被困在建筑区内。6.根据权利要求1所述的一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于：所述步骤3包括：步骤31，初始化无人机，包括：将每架无人机s
i
∈s(s＝{s1，s2，
…
，s
n
})的状态设置为初始状态，设置最大迭代次数，并定义计算加权覆盖率的效用函数；步骤32，更新位置，包括：根据无人机网络中所有无人机节点之间进行的信息交互，将所述步骤2获得的地面移动用户节点信息与无人机的位置更新方程融合，计算无人机集合，
并采用位置更新方程下一位置集合下网络的加权覆盖率和当前位置下网络的加权覆盖率，选择能够带来最优加权覆盖率的覆盖策略。步骤33，循环执行所述步骤32直到无人机网络的所述当前位置下网络的加权覆盖率不再变化或者达到设定的最大迭代次数，无人机位置更新结束，得到最优的所述加权覆盖率以及所述覆盖策略。7.根据权利要求6所述的一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于：所述步骤31中定义的加权覆盖率效用函数具体为：将待覆盖区域离散化为m
×
n个像素点，则无人机网络的全局覆盖率为：其中，j为待覆盖区域内任意一个像素点，为整个待覆盖区域内被覆盖的像素点总数。8.根据权利要求7所述的一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于：将地面移动节点视为像素点可得无人机网络对重点区域的覆盖率为：其中，g∈g＝{g1，g2，
…
，g
n
}为任意一个地面用户节点，为被覆盖的地面用户节点的个数，h为重点区域的像素点总个数；9.根据权利要求8所述的一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于：牺牲禁止区域的覆盖率从而提高对重点区域的覆盖率，引入加权覆盖率对整体目标区域覆盖率和重点区域覆盖率进行归一化计算：cov(w)＝ω1cov(s)+ω2cov(h)
ꢀꢀ
(5)其中，ω1为目标区域整体覆盖率的加权系数，ω2为重点区域覆盖率的加权系数且ω1＜ω2；由此，目标函数为：f(x)＝max(cov(w))
ꢀꢀ
(6)。10.根据权利要求9所述的一种自适应优化城市灾区网络覆盖的无人机部署方法，其特征在于：所述步骤32所述无人机集合的位置更新策略包括：无人机集合的初始状态为随机分布，首先利用公式(5)计算当前状态下的加权覆盖率，然后无人机集合通过公式(7)更新下一次的迭代的目标位置：其中，x(t+1)，y(t+1)分别为第t+1次迭代无人机集合的横坐标位置和纵坐标位置向量；分别为虚拟力向导的无人机的横纵坐标改进距离向量，为无人机s
i
受到无人机集合中其所有其无人机的虚拟力合力，其中计算公式为公式(8)；v
α
，v
β
，v
σ
为权重系数，v
γ
＝v
α
+v
β
+v
σ
，x1，y1，x2，y2，x3，y3的计算公式为公式(9)
‑
公式(11)；
其中，θ
ij
表示力的方向，θ
ij
＝tan
‑1((y
i
‑
y
j
)/(x
i
‑
x
j
))；ω
a
和ω
r
分别表示引力系数和斥力系数；距离阈值为d
th
＝2r，其中r为无人机的通信半径；表示无人机与集合内其他无人机距离的最小值，d
th
表示无人机与无人机之间的距离；d
ij
表示无人机i与无人机j之间的距离。离。离。其中，x
α
，y
α
，x
β
，y
β
，x
σ
，y
σ
分别为通过算法选出的α，β，σ无人机向导下无人机的位置坐标向量；a1＝a2＝a3＝2αr1‑
α为协同系数向量，α＝2
‑
2((e
t/t
‑
1)/(e
‑
1))为收敛因子，t和t分别为当前迭代次数和最大迭代次数，r1为[0，1]中的随机向量，且：且：且：其中，c1＝c2＝c3＝2r2为协同系数向量，r2为[0，1]中的随机向量，x
levy
，y
levy
为当前无人机集合通过莱维飞行规则更新后的无人机位置向量：其中，x，y为初始状态无人机的位置向量；α0，β为常数；μ和均服从高斯分布，且满足：式中xd，yd分别表示无人机集合的横纵坐标的改进距离向量，d
max
为最大移动步长，式中，δx，δy为无人机集合与其水平距离最近的地面用户节点坐标差值向
量，且与无人机集合水平距离最小的位置坐标集通过计算矩阵(16)每列的最小值以及最小值所在行数获得，其中，n为无人机的个数，p为地面移动节点的个数；矩阵中元素代表n个无人机分别与p个地面用户节点之间的水平距离。