-
公开(公告)号：CN118485251A
公开(公告)日：2024-08-13
申请号：CN202410634954.1
申请日：2024-05-21
申请人： 北京邮电大学
IPC分类号： G06Q10/0631 , G06Q10/083 , G06Q10/04 , G06N3/126
摘要： 本发明公开基于CPU和GPU的并行混合机器人任务分配优化方法，所述方法包括：建立机器人任务分配模型，基于多样性策略确定初始种群，采用GPU架构下基于编码分解的并行优化算法对种群个体进行独立优化，将优化后的个体组成多个种群，采用CPU架构下基于多种群的并行遗传算法进行优化，通过种群合并的方式进行信息交流，按照顺序两两合并种群，对合并后的种群个体进行综合评估以保留较优的个体，直到所有种群合并产生新种群；重复上述步骤，直到到达终止条件。采用本发明的方法能够快速决策出任务分配方案，提高任务执行效率和机器人的利用率。
-
公开(公告)号：CN118381755A
公开(公告)日：2024-07-23
申请号：CN202410635185.7
申请日：2024-05-21
申请人： 北京邮电大学
摘要： 本发明公开一种机器人群协调中节点信任度评估和中断自适应的主备路由协议，所述的方法包括：源节点发起路由请求广播，其通过自适应广播转发策略获取源节点到目的节点的可用路径；之后目的节点按照反向路径传输进行路由回复；若源节点到目的节点的路由建立成功，则进入基于Q学习算法的路由决策模块；若路由决策结果选择主路由传输策略，则目的节点进入信任度评估模块、中断自适应可信路径或无可信路径传输模块；若路由决策结果选择备用DTN(Delay Tolerant Networks，时延容忍网络)路由传输策略或路由建立未成功，则目的节点进入Prophet路由模块；通过本发明实例提供的机器人群协调中节点信任度评估和中断自适应的主备路由协议，可以提升数据传输的健壮性和鲁棒性。
-
公开(公告)号：CN113163332B
公开(公告)日：2022-07-05
申请号：CN202110449681.X
申请日：2021-04-25
申请人： 北京邮电大学
摘要： 本发明公布了一种基于度量学习的路标图着色无人机节能续航数据收集方法。主要解决无人机辅助传感器网络中的吞吐量和能耗问题。所述的方法包括：对无人机辅助传感器网络进行模型建立，提出了一种同构的网络模型，网络中的节点都具有移动行，并且具有群体移动性和群体行为特点。然后应用概率路标构造全局地图。利用度量学习的方法对无人机继续轨迹优化，离线训练度量矩阵，离线训练阶段采用LMNN算法构造度量矩阵。为了更新节点信息采用广播Hello包机制，从基站开始逐跳广播Hello包。为了保证较高的传输成功率和吞吐量，采用了图着色的方式减少多跳传输的冲突，由于数据包的传输可能和广播信息收集节点重叠，所以本文存在多跳信道分配问题，因此网络可以用图来表示，图中的每个点代表网络中的节点，连接两点的边代表两点的发包通信，因此多跳网络的信道分配问题可以转换为图着色问题。在支持快速移动的无人机辅助网络中，无人机飞行速度较快，且地面节点可以是具有移动性的移动机器人，因此采用接触时间划分优先级的信道接入方法。
-
公开(公告)号：CN113163332A
公开(公告)日：2021-07-23
申请号：CN202110449681.X
申请日：2021-04-25
申请人： 北京邮电大学
摘要： 本发明公布了一种基于度量学习的路标图着色无人机节能续航数据收集方法。主要解决无人机辅助传感器网络中的吞吐量和能耗问题。所述的方法包括：对无人机辅助传感器网络进行模型建立，提出了一种同构的网络模型，网络中的节点都具有移动性。利用度量学习的方法对无人机继续轨迹优化，离线训练度量矩阵，离线训练阶段采用LMNN算法构造度量矩阵。网络可以用图来表示，图中的每个点代表网络中的节点，连接两点的边代表两点的发包通信，因此多跳网络的信道分配问题可以转换为图着色问题。在支持快速移动的无人机辅助网络中，无人机飞行速度较快，且地面节点可以是具有移动性的移动机器人，因此采用接触时间划分优先级的信道接入方法。
-
-
-
搜索结果
4 条记录 (耗时 0.028 秒)