1.一种基于能量优先的移动充电车辆多目标充电调度方法，其特征在于，首先，采用K‑Means‑PER方法对WRSN网络进行聚类分簇，使得能量需求紧急度高的节点优先成为聚类中心；其次，综合考虑节点能量和距离信息双重权重，采用RED‑CHS机制选择通信簇头，使其在普通节点与基站之间中转信息；然后，根据虚拟力场理论，采用VFF‑AS算法确定簇内锚点的最佳位置，使其能够兼顾簇内各节点的充电需求；最后，对蚁群系统进行改进，采用PER‑ACS算法对MCV进行路径规划和调度，使得移动路线最优，并根据请求状况自适应调节MCV对节点的充电量，精确求解MCV在各个锚点的停靠时长；

所述的K‑Means‑PER方法用于将整个WRSN网络节点聚类为K个不同的簇，以提高其通信效率和MCV充电效率；

所述的RED‑CHS机制用于选择簇内的通信簇头，使得其能够在簇内普通节点与网络基站之间中转信息；

所述的VFF‑AS算法用于确定MCV在每个簇内的最佳停靠位置，使得MCV能够停留在该处为簇内的节点进行一对多非接触式充电；

所述的PER‑ACS路径规划与充电调度方法用于求解MCV的最优移动路线，并确定在最优路径上每个站点的停靠时长，在该时长内MCV为相应簇内的节点进行无线充电；

K‑Means‑PER聚类分簇方法中，除了考虑节点之间的位置关系与距离信息外，更关注节点对能量的需求；它根据剩余能量多少对节点进行快速排序，使得剩余能量越少的节点充电优先级越高；然后取排序中前K个节点作为初始聚类中心，之后依据节点间的欧氏距离进行聚类，最终获得K个以聚类中心为中心、半径不超过MCV有限充电范围的簇；

所述的RED‑CHS通信簇头选择机制中，同时考虑了节点的剩余能量状况以及节点与簇中心的欧氏距离双重因素，为节点设计了一个综合权重，作为它是否被选为簇头的度量依据；依据该综合权重，剩余能量越多、离簇中心距离越近的节点当选为簇头的概率越大，这样使得所选出的簇头不仅有充足的能量胜任簇内节点与基站之间的信息转发，而且位置上也比较靠近簇中心，从而能够同时兼顾簇内各个节点的通信需求；

所述的VFF‑AS簇内锚点最佳位置确定方法中，采用了力学中的虚拟力场理论，将WRSN节点建模为质点，将节点质量表示为该节点对能量需求的紧急程度；假设在簇内存在一个虚拟质点，根据牛顿万有引力定律，可以求解簇内每个节点对该虚拟质点的引力，进而得出虚拟质点所受的合力；利用力学理论与方法求解虚拟质点的受力平衡点，由于该平衡点处能够兼顾到各个节点的引力需求，因此该位置即为锚点的最佳位置；

所述的PER‑ACS路径规划与充电调度方法中，采用了改进的蚁群系统，将锚点对能量需求的紧急程度整合到到蚁群系统的启发信息中，同时采用伪随机比例规则优化了蚂蚁从一个锚点到下一个锚点的转移决策，使得其能在先验知识和探索新路径之间做出权衡和调节，扩大了路径的搜索范围，避免了算法陷入局部最优，从而找到一条MCV移动充电的最优路径；根据一轮调度中的充电请求数量自适应调节MCV对簇内节点的充电量，并根据当前簇内节点的剩余能量信息和MCV的充电功率，精确地求解MCV在各个锚点的停靠时长，在该时长内MCV对簇内的各个节点以一对多非接触方式进行无线充电。

2.如权利要求1所述的一种基于能量优先的移动充电车辆多目标充电调度方法，其特征在于，节点的剩余能量由其能量消耗速率和能量接收功率综合计算而来；对于任意节点i，其能量消耗速率、能量接收功率和剩余能量分别按照(式1)、(式2)和(式3)的方法求出：其中， 为当前时刻t节点i的能量消耗速率， eij(t)和eiB(t)分别表示

t时刻节点i接收1bit数据、向节点j发送1bit数据、向基站BS发送1bit数据所消耗的能量；

dfki(t)、dfij(t)和dfiB(t)分别表示t时刻节点k到节点i、节点i到节点j、节点i到基站BS的数据流速率，单位均为bit/s；Ni‑recv是节点i的邻居中向i发送数据的节点所形成的集合，即：节点i从这些邻居节点接收数据；Ni‑send是节点i的邻居中从i发送数据所到节点形成的集合，即：节点i发送数据到这些邻居节点； 为节点i接收数据时的总能量消耗率， 为节点i发送数据时的总能量消耗率； 为节

点i在t时刻的能量接收功率，Pemission为MCV的发送功率，Gs为发射天线增益，Gr为接收天线增益，ηrect为整流器的效率，λ为波长，Lp为极化损耗，d为发送器与接收器之间的距离，R为MCV的充电半径，ξ为常数，用于调整短距离传输时的Friis自由空间传输方程； 为节点i在t时刻的剩余能量，Emax为节点可充电电池的最大容量。

3.如权利要求1所述的一种基于能量优先的移动充电车辆多目标充电调度方法，其特征在于，节点的综合权重采用 的方法求

出，其中， 和 分别是剩余能量比权重与距离比权重，ε可调节这双重因素的放大比例，使其处于同一数量级水平； 为节点i的剩余能量，Emax为节点可充电电池的最大容量，|Cm|为Cm簇中节点的个数，Cm是第m个簇内的节点所形成的集合，m∈{1，2，...，K}，di‑center和dj‑center分别为节点i和节点j到簇中心的距离。

4.如权利要求1所述的一种基于能量优先的移动充电车辆多目标充电调度方法，其特征在于，所述的VFF‑AS算法中，节点的质量采用的方法求得，其中，ψ1和ψ2分别是剩余能量和能量消耗速率对能量需求紧急程度的影响权重，节点质量调节因子δ能够调整两者之间的放大比例，这种方法可使剩余能量越少、能量消耗率越快的节点对充电需求的紧急度越高； 为节点i的剩余能量； 为其能量消耗速率。

5.如权利要求1所述的一种基于能量优先的移动充电车辆多目标充电调度方法，其特征在于，改进的蚁群系统中，蚂蚁从一个锚点到下一个锚点的选择时采用(式6)的转移决策，并在蚂蚁寻径时采用局部信息素更新和全局信息素更新两种更新机制，避免了算法过早收敛于同一条路径；

其中，κ为本轮调度的充电锚点个数，τln(t)为t时刻锚点l到锚点n路段上的信息素浓度，初值为常数Ω，即：τln(0)＝Ω，α为信息素启发式因子，表征信息素的重要程度；

其中，dln(t)为t时刻锚点l到锚点n之间路段的长度，β为距离期望启发式因

子，表征距离信息的重要程度；Mn‑max(t)为t时刻锚点n所在簇中节点的最大质量，也即能量需求最迫切的节点的充电紧急程度，γ为能量需求紧急程度期望启发式因子，表征能量需求紧急程度的重要性； 为t时刻蚂蚁ANT从锚点l到锚点n的转移概率；allowedANT为蚂蚁ANT下一步允许选择的锚点集合，在一轮路径搜索过程中，蚂蚁走过的站点被列入禁忌表，只有那些不在禁忌表中的尚未访问过的站点才可能作为下一站的后备访问点，即allowedANT中的点，这样可以确保一轮路径搜索时蚂蚁不会重复访问任一路段；q是在[0,1]区间均匀分布的随机变量，参数q0是当前选择最优移动方式的概率，0≤q0≤1；当q≤q0时，蚂蚁根据先验知识选择目前最优路径；而当q＞q0时，则按照概率 探索新的路径，参数q0用来调节利用先验知识与探索新路径之间的相对重要性。

6.如权利要求1所述的一种基于能量优先的移动充电车辆多目标充电调度方法，其特征在于，在动态调整MCV对簇内节点的充电量时，基站BS能够根据当前一轮调度中所收到的锚点充电请求数、总的锚点数、节点的充电请求阈值以及节点电池的最大容量，采用的方法求得MCV为本轮请求锚点的充电停止阈值，其中，Estop‑th为MCV对节点的充电停止能量阈值，Emax为节点可充电电池的最大容量；Ereq‑th为节点发送充电请求的能量阈值，一旦节点低于该值，就请求补充能量；K为所有锚点的总数，κ为本轮调度中有充电请求的锚点数量；然后利用计算结果，并结合锚点所在簇内各节点的剩余能量和充电功率，采用 方法精确求解MCV在最优路径上各个锚点的停靠时间，其中， 为MCV停靠在锚点 处为相应簇内节点充电的时间，Estop‑th为本轮调度时的充电停止能量阈值， 为锚点 所在的簇，vn∈{1，2，...，κ}， 为簇 内的节点在时刻t剩余能量的最小值，为簇 内的节点在时刻t接收功率的最小值，使得MCV的充电效率最大。