-
公开(公告)号：CN115564117A
公开(公告)日：2023-01-03
申请号：CN202211246472.6
申请日：2022-10-12
申请人： 合肥工业大学
摘要： 本发明提供一种车机柜协同配送路径优化方法和系统，涉及路径优化技术领域。本发明首先获取带有覆盖点的协同配送任务数据；然后基于协同配送任务数据，以最小化配送总成本为目标构建带有覆盖点的两级路径的车机协同配送模型；最后通过两阶段的启发式算法对车机协同配送模型求解，得到优化路径。本发明中构建的带有覆盖点的两级路径的车机协同配送模型，该模型可以在考虑引入覆盖点选项的情况下，对两级路径问题中车机协同配送问题进行描述，更加契合车机协同进行最后一公里配送的实际过程，通过求解该模型，获得的优化路径能有效提高配送效率，降低末端配送成本。
-
公开(公告)号：CN113344353B
公开(公告)日：2022-12-16
申请号：CN202110591984.5
申请日：2021-05-28
申请人： 合肥工业大学
摘要： 本发明实施例提供一种区域内多点扩散式物流配送方案的生成方法、装置及系统，属于区域物流配送的规划技术领域。通过该技术方案，本发明提供的区域内多点扩散式物流配送方案的生成方法、装置及系统首先采用K中心点算法将待配送的客户配送点分成多个客户配送点集，再针对每个客户配送点集进行分别的路径规划处理，适应了当前无人机协同车辆配送的技术背景，提高了物流配送的效率。
-
公开(公告)号：CN113128699B
公开(公告)日：2022-11-15
申请号：CN202110269462.3
申请日：2021-03-12
申请人： 合肥工业大学
摘要： 本发明提供一种快速收敛的多无人机协同对抗强化学习方法，涉及无人机领域，包括：获取多无人机协同对抗时的无人机状态数据；计算无人机状态数据的奖励回报；基于预先构建的强化学习网络对无人机状态数据进行处理，得到多无人机重决策方案；基于奖励回报更新强化学习网络；基于多无人机重决策方案获取多无人机协同对抗数据，并作为下一回合的无人机状态数据，以使更新后的强化学习网络对下一回合的无人机状态数据进行处理，以得到下一回合的多无人机协同对抗重决策方案。本发明将奖励回报设定为多无人机协同对抗参数奖励回报或多无人机协同对抗规则奖励回报，可以解决稀疏奖励的问题，使得多无人机在强化学习时可以快速收敛。
-
公开(公告)号：CN110147870B
公开(公告)日：2022-11-11
申请号：CN201910277440.4
申请日：2019-04-08
申请人： 合肥工业大学
摘要： 本发明涉及无人机任务分配技术领域，公开了一种用于地震灾后多无人机任务分配的优化方法。该优化方法包括：生成多架无人机的任务分配方案集合，获得多架无人机的最优任务分配方案，在判断最优任务分配方案未能通过约束校验的情况下，对最优任务分配方案进行调整，更新最优任务分配方案，以获得最终的任务分配方案。该优化方法在考虑潜在点目标的权重、无人机续航能力和传感器误差等多种约束条件的情况下优化多无人机的任务分配方案，最大限度地发挥每架无人机的效用，从而提升地震灾后快速评估任务的有效性。
-
公开(公告)号：CN113222318B
公开(公告)日：2022-11-04
申请号：CN202110202530.4
申请日：2021-02-23
申请人： 合肥工业大学 , 北京市遥感信息研究所
摘要： 本发明实施方式提供一种分布式的星上自主任务规划方法、系统及存储介质，属于遥感监测技术领域。所述方法包括：同步每颗卫星的单星任务集合以组成总任务集合；每颗所述卫星依据时间窗计算方法根据对应的所述单星任务集合形成对应的任务序列；根据预设的任务规划方法对所述任务序列进行处理以得到每颗所述卫星的初始规划方案；迭代计算所述初始规划方案以得到最终的任务规划方案；在每颗所述卫星之间同步所述任务规划方案。该方法、系统及存储介质能够提高多卫星任务规划的自主性和实效性。
-
公开(公告)号：CN112488357B
公开(公告)日：2022-11-04
申请号：CN202011189211.6
申请日：2020-10-30
申请人： 合肥工业大学
摘要： 本发明实施方式提供一种基于车辆和无人机协同作业的末端配送方法及系统，属于物流的调度技术领域。本发明提供的基于车辆和无人机协同作业的末端配送方法及系统通过对现有技术中的调度算法进行改造，针对车辆访问路径的每个节点单独进行分析，确定无人机能够访问的节点，从而克服了现有技术中调度算法无法适应车辆和无人机协同配送条件的技术缺陷，提高了调度的效率。
-
公开(公告)号：CN112434901B
公开(公告)日：2022-11-04
申请号：CN202011101535.X
申请日：2020-10-15
申请人： 合肥工业大学
摘要： 本发明提供一种无人机交通巡逻方案的智能重决策方法和系统，涉及无人机领域。包括以下步骤：获取无人机交通巡逻数据；对无人机交通巡逻数据进行关联处理；基于无人机交通巡逻时发生的交通事件和预设的周期判断是否事件触发重决策，并分析事件触发重决策的类型；基于关联后的无人机交通巡逻数据判断是否推理触发重决策，并分析推理触发重决策的类型；重决策的类型包括：交通巡逻任务重决策和无人机飞行任务重决策；对事件触发重决策的类型和推理触发重决策的类型进行冲突消解处理，得到无人机交通巡逻方案重决策类型；对无人机交通巡逻方案进行相应类型的重决策。本申请可以增强无人机交通巡逻方案在执行时的适应性。
-
公开(公告)号：CN113128021B
公开(公告)日：2022-10-25
申请号：CN202110269461.9
申请日：2021-03-12
申请人： 合肥工业大学
IPC分类号： G06F30/20 , G06F17/18 , G06F111/02
摘要： 本发明提供一种多无人平台协同对抗的实时重决策方法和系统，涉及无人平台领域，包括：实时获取多无人平台协同对抗时的无人平台状态数据；计算无人平台状态数据的奖励回报；基于预先构建的Actor网络对无人平台状态数据进行处理，得到当前回合的多无人平台重决策方案；基于预先构建的Critic网络对无人平台状态数据进行处理，得到重决策价值函数；基于奖励回报和重决策价值函数计算TD误差；基于TD误差更新Actor网络和Critic网络；多无人平台执行多无人平台重决策方案，得到多无人平台协同对抗数据，并作为下一回合的无人平台状态数据。本发明可以得到最适应当前环境下的无人平台重决策方案。
-
公开(公告)号：CN112612207B
公开(公告)日：2022-10-25
申请号：CN202011362535.5
申请日：2020-11-27
申请人： 合肥工业大学
IPC分类号： G05B13/04
摘要： 本发明提供了一种不确定环境下多目标博弈求解方法及系统，涉及战术决策技术领域。本发明针对现有方法无法对于多目标权重模糊的情况进行求解的问题，通过获取双方的支付矩阵以及每个优化目标的权重；对于任意双方选择的一对策略对构建偏序关系；并构建双方的全局偏序关系表征矩阵，再基于所述全局偏序关系表征矩阵构建精炼偏序关系表征矩阵；最后从精炼偏序关系表征矩阵中获取纯策略纳什均衡解；直至获得的纯策略纳什均衡数量是否小于预设数量。能够针对不同的权重情况，选择合适的偏序关系构建方法，进而实现无明确权重时的偏序关系的构建，最终输出纯策略纳什均衡解。
-
公开(公告)号：CN113671986B
公开(公告)日：2022-10-18
申请号：CN202110858529.7
申请日：2021-07-28
申请人： 合肥工业大学
IPC分类号： G05D1/10
摘要： 本发明提供了一种空地协同下无人机与车辆的任务分配方法和系统，涉及无人机技术领域。本发明先获取无人机、车辆、任务和道路路网的参数集合；然后在空地协同模式下获取预设的约束条件，并以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数，构建空地协同下无人机与车辆的任务分配的混合整数规划模型；利用预设算法对任务分配模型进行求解，最终得到无人机执行任务方案和车辆执行任务方案，本发明提出的方法和系统能够优化无人机与车辆执行任务的集合，提升任务执行效率，实现无人机与车辆协同执行任务。
-
-
-
-
-
-
-
-
-
搜索结果
476 条记录 (耗时 0.071 秒)
