-
公开(公告)号：CN112947506A
公开(公告)日：2021-06-11
申请号：CN202110468435.9
申请日：2021-04-28
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明提供一种基于量子鲨鱼机制的AUV全局路径规划方法，采用多Lamb涡流叠加技术和障碍物栅格等效技术来实现环境建模。本发明所提供的AUV全局路径规划模型包括决策变量设计、航行代价设计、约束条件设计和代价函数设计四部分，充分考虑了AUV航行路径的安全性、高效性和可靠性，将具有更好的实用性。本发明设计的量子鲨鱼优化机制，可以快速得到AUV全局路径规划路线，其仿生于鲨鱼捕食过程并结合模拟量子旋转门来演化鲨鱼量子态，收敛速度快、收敛精度高，且具有更好的鲁棒性。仿真实验证明了基于量子鲨鱼机制的AUV全局路径规划方法的有效性，且相对于传统的路径规划方法搜索速度更快、精度更高。
-
公开(公告)号：CN114815896B
公开(公告)日：2024-09-13
申请号：CN202210594247.5
申请日：2022-05-27
Applicant: 哈尔滨工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种异构多无人机协同任务分配方法，包括：步骤一：建立层次化异构多无人机协同任务分配模型；步骤二：异构多无人机协同执行所分配任务；步骤三：建立层次化异构多无人机协同任务分配代价函数；步骤四：初始化量子胡蜂群并设定参数；步骤五：定义并计算量子胡蜂与食物的距离；步骤六：根据量子胡蜂与食物的距离对全部量子胡蜂排序；步骤七：量子胡蜂依同等概率执行确定性或随机性飞行运动，并在飞行过程中使用模拟量子旋转门来演化量子胡蜂的量子位置；步骤八：应用贪心选择策略，确定下一代量子胡蜂的量子位置；步骤九：演进终止判断，输出任务分配方案。本发明在简单高效低复杂度的同时具有高可扩展性。
-
公开(公告)号：CN113378103B
公开(公告)日：2023-05-05
申请号：CN202110611610.5
申请日：2021-06-02
Applicant: 哈尔滨工程大学
Abstract: 发明公开了一种强冲击噪声下相干分布源动态跟踪方法，具体是在强冲击噪声下设计了一种加权范数分数低阶相关矩阵，在此基础上设计基于加权范数低阶相关矩阵的极大似然动态跟踪方法进行相干分布源动态跟踪，并通过量子标杆学习机制快速得到跟踪结果。本发明设计了更具鲁棒性的基于量子标杆学习机制的相干分布源动态跟踪方法，在强冲击噪声下设计了加权范数分数低阶相关矩阵，并利用极大似然跟踪方法实现了动态跟踪。设计了加权范数分数低阶相关矩阵，能够分辨相干信源，在强冲击噪声下实现了对动态目标的有效跟踪，设计的量子标杆学习机制可以对加权范数分数低阶相关矩阵极大似然方程进行高精度求解，快速准确的得到跟踪结果。
-
公开(公告)号：CN115968009A
公开(公告)日：2023-04-14
申请号：CN202211542401.0
申请日：2022-12-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种能量采集认知中继网络的多目标中继选择方法，在能量采集认知中继网络环境下，综合考虑网络能量效率和信噪比，构建新的解决离散优化问题的多目标函数，并通过多目标量子帝王蝶优化机制快速得到多目标中继选择方法，在保证信噪比的同时又能实现网络能量效率的最大化，为解决能量采集认知中继网络的中继选择方案提供了新思路和新方法。
-
公开(公告)号：CN112217678B
公开(公告)日：2023-03-17
申请号：CN202011097353.X
申请日：2020-10-14
Applicant: 哈尔滨工程大学
IPC: H04L41/044 , H04L41/14 , H04L41/0806 , H04L41/0823 , H04L41/0816 , H04B17/382
Abstract: 本发明提供一种基于量子帝王蝶优化机制的双层异构网络频谱分配方法，包括：建立双层异构网络系统模型；得到帝王蝶的整数编码位置；计算所有帝王蝶的适应度值，得到全局最优量子位置及其对应的全局最优位置；对帝王蝶种群排序，分为两个帝王蝶子种群；更新子种群中每个帝王蝶个体的过渡量子位置；合并两个新生成的子种群为一个新的过渡种群，更新帝王蝶种群的量子位置，计算量子帝王蝶的适应度值，更新全局最优量子位置和全局最优位置；判断是否达到最大迭代次数，若是则输出全局最优量子位置和全局最优位置，全局最优位置即为频谱分配的最佳方案；否则令迭代次数加1，返回进行新一轮的迭代。本发明解决整数离散优化的双层异构网络频谱分配问题。
-
Patent Agency Ranking
公开(公告)号：CN115562336A
公开(公告)日：2023-01-03
申请号：CN202211218923.5
申请日：2022-10-07
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明提供了一种基于量子郊狼优化机制的多无人机协同任务分配方法，在原有任务时间、任务时序、机载性能和多机协同的要求下额外考虑三维场景和时间同步约束，并构建相应集中式多无人机协同任务分配模型及效能函数。为高效求解任务分配方案，本发明设计了量子郊狼优化机制，其受启发于北美郊狼群的社会组织性和环境适应性，仿生于郊狼成长、生死以及被驱逐或接纳等现象，并使用模拟量子旋转门来演化量子郊狼量子态，收敛速度快、收敛精度高。本发明所提方法可在三维场景和时间同步等约束下为编队各机分配合理任务目标，可应用于工程实际。
-
公开(公告)号：CN114995492A
公开(公告)日：2022-09-02
申请号：CN202210594253.0
申请日：2022-05-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种多无人机抢灾救援规划方法，步骤一、建立多无人机救援规划模型；步骤二、初始化量子北方苍鹰量子位置并设定参数；步骤三、计算量子北方苍鹰目标函数值；步骤四、根据所有量子北方苍鹰位置的目标函数值进行非支配解排序；步骤五、计算每一非支配等级中量子北方苍鹰位置拥挤度；步骤六、在猎物识别攻击阶段更新量子北方苍鹰量子位置；步骤七、在追逃阶段更新量子北方苍鹰量子位置；步骤八、判断是否达到量子北方苍鹰最大迭代次数，是则终止迭代，将非支配等级为1的量子北方苍鹰位置对应为任务分配矩阵，作为抢灾救援规划任务分配结果输出；否则令k＝k+1，执行步骤四。本发明克服了容易陷入局部收敛的弊端，提升了演化机制的寻优速率。
-
公开(公告)号：CN113093146B
公开(公告)日：2022-04-29
申请号：CN202110357188.5
申请日：2021-04-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于量子跳跃逃逸机制的MIMO雷达正交波形设计方法，包括：建立正交多相编码信号的设计模型；初始化量子种群并设定参数；量子种群内进行杂交操作；定义并计算量子个体位置和杂交位置的适应度；确定量子种群的个体历史最优位置和全局最优位置；更新量子种群的量子位置；量子种群执行逃逸操作；确定量子种群所有量子个体的位置和杂交位置；更新量子种群的个体历史最优位置和全局最优位置；演进终止判断，输出所设计的最优正交波形。本发明通过约束互相关指标和优化自相关指标来设计正交波形；设计了量子跳跃逃逸优化机制来求解正交信号。
-
公开(公告)号：CN113783809A
公开(公告)日：2021-12-10
申请号：CN202111026332.3
申请日：2021-09-02
Applicant: 哈尔滨工程大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明提供基于二进制人工藻类机理的Massive MIMO信道估计方法。本发明针对现有的毫米波稀疏信道估计，提出了一种基于二进制人工藻类机制优化StOMP的信道估计方法，以解决估计性能不佳的问题。传统的StOMP信道估计方法在基站侧发射角发生变化时需要手动调整门限参数，基于二进制人工藻类机制的StOMP信道估计方法能够实现对参数的自适应调整，从而达到自适应信道估计的目的。仿真结果表明，当实际环境中基站侧发射角和发射功率发生变化，基于二进制人工藻类机制的StOMP信道估计方法能够自适应搜索出最佳门限参数，取得了较好的估计性能。
-
公开(公告)号：CN114995492B
公开(公告)日：2024-11-08
申请号：CN202210594253.0
申请日：2022-05-27
Applicant: 哈尔滨工程大学
IPC: G05D1/695 , G06N3/006 , G06N10/60 , G06Q10/047 , G06Q50/26 , G05D109/20
Abstract: 本发明公开了一种多无人机抢灾救援规划方法，步骤一、建立多无人机救援规划模型；步骤二、初始化量子北方苍鹰量子位置并设定参数；步骤三、计算量子北方苍鹰目标函数值；步骤四、根据所有量子北方苍鹰位置的目标函数值进行非支配解排序；步骤五、计算每一非支配等级中量子北方苍鹰位置拥挤度；步骤六、在猎物识别攻击阶段更新量子北方苍鹰量子位置；步骤七、在追逃阶段更新量子北方苍鹰量子位置；步骤八、判断是否达到量子北方苍鹰最大迭代次数，是则终止迭代，将非支配等级为1的量子北方苍鹰位置对应为任务分配矩阵，作为抢灾救援规划任务分配结果输出；否则令k＝k+1，执行步骤四。本发明克服了容易陷入局部收敛的弊端，提升了演化机制的寻优速率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.03 seconds)
