1.基于改进蜣螂优化算法的SD‑MANET覆盖优化方法，其特征在于，包括：将任务区域内协同作战分队中的作战士兵、无人机及无人车作为作战节点，以作战节点的数量及感知半径作为输入，以协同作战分队的最优部署位置作为输出，构建该任务区域内基于布尔感知模型的SD‑MANET拓扑模型；

联合切比雪夫混沌映射、鱼鹰优化算法及自适应t分布变异改进蜣螂优化算法，利用改进后的蜣螂优化算法优化SD‑MANET拓扑模型，得到任务区域内协同作战分队的最优部署位置；

构建该任务区域内基于布尔感知模型的SD‑MANET拓扑模型的过程包括：将任务区域描述为一个长L、宽W的二维平面，将该二维平面离散划分为多个监测点网格，将协同作战分队中的第e个作战节点的坐标记为 ，则协同作战分队记为，其中n表示作战节点的总数，将任务区域中的监测点集合记为 ，计算得到协同作战分队中作战节点与第h个监测点 的距离为 ；

根据布尔感知模型计算单一作战节点对于监测点的感知概率，公式为：，

式中， 表示协同作战分队内作战节点的感知半径；

根据单一作战节点的感知概率计算整个协同作战分队对于监测点的联合感知概率，公式为：，

根据联合感知概率计算任务区域的总覆盖率，公式为：，

将任务区域内的总覆盖率作为SD‑MANET拓扑模型的数学模型；

利用改进后的蜣螂优化算法优化SD‑MANET拓扑模型，得到任务区域内协同作战分队的最优部署位置包括如下步骤：步骤21，设置蜣螂种群数量、最大迭代次数和每个蜣螂个体的维度，将任务区域内的总覆盖率作为适应度函数；

步骤22，利用切比雪夫混沌映射初始化蜣螂种群；

步骤23，根据适应度函数计算每个蜣螂的适应度值，按照比例将蜣螂种群划分为滚球、繁殖、觅食和偷窃四个子群；

步骤24，在滚球蜣螂子群中根据鱼鹰优化算法进行位置更新后，计算滚球蜣螂子群的第一适应度值；在觅食蜣螂子群中根据自适应t分布变异扰动进行位置更新后，计算觅食蜣螂子群的第二适应度值；繁殖蜣螂子群、偷窃蜣螂子群分别进行位置更新后，分别计算繁殖蜣螂子群的第三适应度值以及偷窃蜣螂子群的第三适应度值，选出最大的适应度值；

步骤25，重复执行步骤24，直至达到最大迭代次数，得到最优蜣螂位置，将最优蜣螂位置作为任务区域内协同作战分队的最优部署位置。

2.根据权利要求1所述的基于改进蜣螂优化算法的SD‑MANET覆盖优化方法，其特征在于，步骤22中利用切比雪夫混沌映射初始化蜣螂种群包括：生成一个切比雪夫混沌序列Che，公式为：

，

式中，i为种群中个体序号，j为每个个体的第j个维度， 为可调的阶次参数， 表示整个蜣螂种群 中第i个个体第j个维度的值；

将该切比雪夫混沌序列Che映射到解空间内，公式为：，

式中， 表示待优化变量的最小值， 表示待优化变量的最大值。

3.根据权利要求2所述的基于改进蜣螂优化算法的SD‑MANET覆盖优化方法，其特征在于，步骤24中在滚球蜣螂子群中根据鱼鹰优化算法进行位置更新后，滚球蜣螂子群的位置更新公式为：，

式中， 表示当前蜣螂位置， 为当前迭代次数， 为[0,1]内的随机数， 为元素在[1,2]内的随机向量， 是一个超参数，用来调整光源强度对于滚球蜣螂路径的影响，表示蜣螂种群中较优的蜣螂位置，用于引导蜣螂向较优位置运动。

4.根据权利要求3所述的基于改进蜣螂优化算法的SD‑MANET覆盖优化方法，其特征在于，步骤24中在觅食蜣螂子群中根据自适应t分布变异扰动进行位置更新后，觅食蜣螂子群的位置更新公式为：，

式中， 为服从正态分布的随机数， 为解空间中的最优觅食区域的下限， 为(0,1)范围内的随机向量， 为解空间中最优觅食区域的上限， 表示当前蜣螂种群内的最优位置， 是t分布函数， 是生成的[0,1]之间的随机数， 表示最大迭代次数； 表示是否选择t分布变异扰动的概率，计算公式为：，

式中， 为动态选择的概率上限， 为概率的变化幅度。