-
公开(公告)号：CN109087023A
公开(公告)日：2018-12-25
申请号：CN201810967096.7
申请日：2018-08-23
Applicant: 中南大学
IPC: G06Q10/06
Abstract: 本发明提供一种基于分治策略的多星观测分层调度方法及系统，具体包括以下步骤：S1、利用分配算法把任务分配至各轨道圈次上，形成各轨道圈次的任务集；S2、利用近似优化算法求解各轨道圈次上任务集的调度序列；S3、分配算法根据各轨道圈次调度序列反馈的未生成调度序列的任务重新更新分配算法的分配方案，进而形成新的各轨道圈次的新的任务集；S4、重复步骤S1、S2、S3直至达到多星观测分层调度的终止条件。通过把一个复杂的组合优化问题进行有效的分解简化，变成一个双层规划，有效降低了问题求解的复杂度，尤其在求解大规模多星观测调度问题时表现出卓越的性能。本发明应用于卫星调度技术领域。
-
公开(公告)号：CN119444038A
公开(公告)日：2025-02-14
申请号：CN202411602912.6
申请日：2024-11-11
Applicant: 中南大学
IPC: G06Q10/0835 , G06Q10/047
Abstract: 本发明公开了一种考虑三维装载约束的车与无人机协同路径规划方法，包括：分别采用“先入后出”和“卸货再装货”两种卸货模式。其中，货物先入后出模式指的是每次仅能配送位于车辆最表层的货物，货物允许卸货再装货模式指的是允许配送位于车辆内层的货物；构建混合整数线性规划模型，包括决策变量与辅助变量、优化目标、约束条件；设计求解效率高的混合元启发式求解方法，求解装载方案和配送方案。本发明应用于协同路径规划领域，同时考虑了货物的装载和配送过程，分别采用物流配送过程中常见的“先入后出”和“卸货再装货”模式，优化配送车辆的主路径与无人机的路径，显著提升物流配送效率的同时满足客户的需求。
-
公开(公告)号：CN115268493B
公开(公告)日：2025-02-14
申请号：CN202210880483.3
申请日：2022-07-25
Applicant: 中南大学
IPC: G05D1/46 , G05D1/695 , G06F18/20 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06N3/092 , G05D109/20
Abstract: 本发明公开了一种基于双层强化学习的大规模多无人机任务调度方法，包括如下步骤：建立多无人机任务路径规划数学模型，并基于多无人机任务路径规划数学模型建立马尔可夫决策过程；构建包括上层模型和下层模型的分而治之框架，上层模型为基于Transformer模型的深度强化学习模型，用于处理多无人机任务分配；下层模型为基于注意力机制的深度强化学习模型，用于规划每个无人机的可行任务路径；采用交互式训练方法训练上层模型与下层模型；基于训练后的双层强化学习模型对大规模多无人机任务进行调度。本发明应用于无人机调度领域，能够有效地应用于大规模多无人机任务调度问题中，并且具有良好的泛化性。
-
公开(公告)号：CN118469225A
公开(公告)日：2024-08-09
申请号：CN202410646177.2
申请日：2024-05-23
Applicant: 中南大学
IPC: G06Q10/0631 , G06Q10/047 , G06Q10/083 , G06N3/126 , G06N3/08 , G06N3/0464 , G06N3/047 , G06N3/048 , G06F18/2415
Abstract: 本公开实施例中提供了一种基于双层协同优化的产业链资源智能决策方法，属于运输技术领域，具体包括：建立双层优化数学模型；将货位摆放货品种类和货品量作为上层优化的初始解，将车皮到站目的地排序作为下层优化的初始解；生成上层优化的上层种群；求出各上层个体对应的下层解和适应度值；根据适应度值对初始数据集中的个体添加标签；对神经网络进行训练；生成新的上层种群和下层种群；将归档集中的个体根据适应度值进行排序，重新对个体优劣分类；将新归档集训练神经网络；迭代至满足预设迭代终止条件，以最后一次迭代产生的归档集中适应度最大的个体以及该个体对应的下层解为双层优化的最优解。通过本公开的方案，提高了优化效率和精准度。
-
公开(公告)号：CN114967757B
公开(公告)日：2024-07-12
申请号：CN202210816082.1
申请日：2022-07-12
Applicant: 中南大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及一种车辆与多无人机协同路径规划方法、装置、终端及介质。该方法根据目标区域集合中待搜索区域确定无人机覆盖路径；根据映射点确定车辆规划路径，根据起飞点、覆盖路径以及降落点构建无人机航路集合，采用迭代松弛算法对无人机航路集合与车辆规划路径进行迭代优化，得到车辆与多无人机协同覆盖侦察最优路径规划。本方法设计了基于真实道路网的起飞点与降落点位置的无人机航路，在真实道路网任意节点都能够起飞和降落，起飞点与降落点选择较为灵活，节约了侦察时间；再通过迭代松弛算法对无人机航路集合与所述车辆规划路径进行迭代优化，可以在较短时间内生成满意的侦察路径规划方案。
-
Patent Agency Ranking
公开(公告)号：CN115202391A
公开(公告)日：2022-10-18
申请号：CN202210762187.3
申请日：2022-06-30
Applicant: 中南大学
IPC: G05D1/10
Abstract: 本发明公开了一种面向大范围区域侦察的车载多无人机协同任务规划方法，包括：将待侦查区域划分为若干可由单架无人机完成侦查的网格，并将待侦察区域划分为若干个子区域，得到子区域划分方案；规划车辆的行驶路径，得到车辆访问所有子区域内车辆无人机汇合点的顺序，即车辆路径规划方案；为每个子区域内的每架无人机规划其任务集，得到任务分配方案；综合子区域划分方案、车辆路径规划方案与任务分配方案，得到协同任务规划的初始解，采用基于模拟退火与大范围邻域搜索混合的优化方法，得到车载多无人机协同任务规划策略。本发明应用于任务规划调度领域，可显著缩短任务时间，解决区域侦察中的区域面覆盖问题。
-
公开(公告)号：CN113487220B
公开(公告)日：2022-07-15
申请号：CN202110838361.3
申请日：2021-07-23
Applicant: 中南大学
Abstract: 本发明公开了面向静态目标观测的空天异构对地观测资源协同调度方法，包括步骤：在任务分配阶段，制定任务分配方案分配给各子规划中心；在资源调度阶段，子规划中心根据资源能力和任务需求制定最优的资源观测方案对分配到的任务进行规划；未被规划的任务分配到虚拟子规划中心，采用基于动态邻域结构调整算法的模拟退火算法选择三种邻域结构，求解空天异构对地观测资源协同调度问题，子规划中心重新制定资源调度方案，生成最终的任务分配方案和资源观测方案。本发明引入动态邻域结构调整策略，通过历史的搜索结果适时改变算法的搜索方向，从而引导算法向最优解方向进行搜索，提升了算法的优化性能，并且能加快收敛速度。
-
公开(公告)号：CN113408063B
公开(公告)日：2022-06-21
申请号：CN202110817054.7
申请日：2021-07-20
Applicant: 中南大学
IPC: G06F30/15 , G06F30/20 , G06F111/04 , G06F119/02
Abstract: 本发明公开了面向多星多侦察目标的轨道机动优化方法，包括步骤：针对多星多侦察目标情况下的轨道机动优化问题，建立同时考虑机动时间、成像分辨率和燃料消耗的多优化目标模型；利用NSGA‑Ⅱ计算框架下的差分进化算法对所述多优化目标模型进行求解，为用户在多目标上提供多个无差异的帕累托最优解以供决策；选出最优解作为变轨方案，各颗在轨卫星执行最终观测任务。本发明可以使任务分配与变轨方案共同进化，并解决在多星多侦察目标情况下各任务分配方案间优劣程度难以进行比较的问题，实验证明在轨卫星经过轨道机动优化变轨至期望轨道后均能完成对任务点的观测，还能保障任务的完成质量与时效性。
-
公开(公告)号：CN112734239A
公开(公告)日：2021-04-30
申请号：CN202110038238.3
申请日：2021-01-12
Applicant: 中南大学
Abstract: 本申请涉及基于任务与资源能力属性的任务规划方法、装置和介质，所述方法包括步骤：获取作战任务和作战资源的建模数据；建模数据包括作战任务的需求能力属性数据和作战资源的编队属性数据；根据建模数据，确定各作战任务的初始资源集；初始资源集由匹配各作战任务的需求能力的作战编队组成；在初始资源集中按照目标函数进行求解计算，得到各作战任务的最终方案集；目标函数为作战资源的总花费和作战任务的风险值最小化确定的目标函数；根据最终方案集进行兵力测算，得到本次规划总任务的兵力类型和数量数据。通过上述方案，实现了高效完成作战任务规划与兵力需求测算的目的，提高了联合作战中资源利用率和作战效率。
-
公开(公告)号：CN110113212A
公开(公告)日：2019-08-09
申请号：CN201910404533.9
申请日：2019-05-16
Applicant: 中南大学
Abstract: 本发明公开了一种适于断点续传的中继卫星单址天线调度方法，包括获取待分配任务集；建立天线调度的规划模型，明确目标函数和约束条件；采用两阶段调度算法对任务进行分配；所述的两阶段调度算法包括完整任务分配阶段和断点续传任务分配阶段，算法包括任务资源匹配、生成任务可用资源集、计算可用时段冲突度、任务插空和任务可用资源集更新算子。本发明针对中继业务过程中由于任务需求的差异性导致任务完成率低和资源利用率低的问题，同时兼顾中继业务的实际情况和用户需求，改进了传统中继卫星应用模型，该算法能在较短时间内获得较高质量的调度方案，适用于对调度时间有较高要求的中继卫星调度场景，在任务完成率和资源利用率等方面均有增益。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.023 seconds)
