-
公开(公告)号：CN115617071A
公开(公告)日：2023-01-17
申请号：CN202211224098.X
申请日：2022-10-07
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明设计了量子雪豹机制的多无人机对抗任务规划方法，每个目标都有三个任务：勘察，袭击和评估，三个任务严格按照时间顺序执行。为了实现三种任务的时间耦合，本发明设计了协同对抗和独立对抗并行使用的战斗方略，有效解决了时间约束问题。本发明设计的量子编码的雪豹量子位置演化机制，得到一种新的量子雪豹机制方法，量子雪豹中的移动追踪策略用于全局搜索，狩猎策略用于局部搜索，种群繁衍和灭绝策略用于淘汰劣等量子雪豹个体，三种策略协同优化适应度函数，克服了过去方法容易陷入局部收敛的弊端，也提升了演化机制的寻优速率。
-
公开(公告)号：CN113313262B
公开(公告)日：2022-12-13
申请号：CN202110684852.7
申请日：2021-06-21
Applicant: 哈尔滨工程大学
IPC: G06N10/20
Abstract: 本发明提供一种基于量子世界杯竞争机制的智能抗干扰决策方法，包括如下步骤：步骤一：建立智能抗干扰决策模型；步骤二：初始化量子球队人员分配；步骤三：令量子球队两两对抗，进行淘汰赛；步骤四：决出冠军，进行比较；步骤五：判断t是否到达最大迭代次数，如达到则终止迭代；如未达到，则令t＝t+1，y＝1后返回步骤三继续执行；步骤六：输出最后一赛季的冠军球队人员分配作为最优解。本发明所设计的基于量子世界杯竞争机制的智能抗干扰决策方法能够得到比粒子群算法更优秀的结果，说明了本方法的可靠性，能在创建少量种群的情况下进行运算而不会陷入局部最优解。
-
Patent Agency Ranking
公开(公告)号：CN113313262A
公开(公告)日：2021-08-27
申请号：CN202110684852.7
申请日：2021-06-21
Applicant: 哈尔滨工程大学
IPC: G06N10/00
Abstract: 本发明提供一种基于量子世界杯竞争机制的智能抗干扰决策方法，包括如下步骤：步骤一：建立智能抗干扰决策模型；步骤二：初始化量子球队人员分配；步骤三：令量子球队两两对抗，进行淘汰赛；步骤四：决出冠军，进行比较；步骤五：判断t是否到达最大迭代次数，如达到则终止迭代；如未达到，则令t＝t+1，y＝1后返回步骤三继续执行；步骤六：输出最后一赛季的冠军球队人员分配作为最优解。本发明所设计的基于量子世界杯竞争机制的智能抗干扰决策方法能够得到比粒子群算法更优秀的结果，说明了本方法的可靠性，能在创建少量种群的情况下进行运算而不会陷入局部最优解。
-
公开(公告)号：CN115562336B
公开(公告)日：2024-09-13
申请号：CN202211218923.5
申请日：2022-10-07
Applicant: 哈尔滨工程大学
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：CN115755971A
公开(公告)日：2023-03-07
申请号：CN202211467805.8
申请日：2022-11-22
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明公开了一种海空一体化无人智能设备协同对抗任务分配方法，包括步骤一、建立海空一体化无人智能设备协同对抗任务分配模型；步骤二，初始量子鱼量子位置并设定参数；步骤三，计算量子鱼位置适应度函数值；步骤四，使用自由搜索策略更新量子鱼量子位置，判断第i只量子鱼适应度值是否大于其经验位置适应度值，当大于时，执行步骤五；否则执行步骤六；步骤五，使用吸附鲸鱼策略更新量子鱼量子位置；步骤六，使用脱离宿主策略更新量子鱼量子位置；步骤七、迭代更新至最大迭代次数，将最优量子鱼位置映射为海空一体化无人协同对抗任务分配矩阵并输出。本发明降低了问题求解难度，克服容易陷入局部收敛的弊端，提升了寻优速率。
-
公开(公告)号：CN113552530B
公开(公告)日：2022-07-15
申请号：CN202110723576.0
申请日：2021-06-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于量子鼠群的近场和远场源混合测向方法，在获得远场源角度的基础上构建出分离算子，通过该算子可以获得远场源四阶累积量矩阵，通过四阶累积量矩阵差分获得纯净的近场源四阶累积量矩阵，并通过量子鼠群机制进行参数搜索的相关过程，解决现有的混合源测向方法存在角度模糊和远近场信号源分离方法低效的技术难题。本发明可以快速的得到较精确的混合源测向结果，并且不存在量化误差，通过四阶累积量矩阵可以扩展阵列孔径，提高测向精度，相对于传统的近场和远场源混合测向方法速度更快、精度更高、突破了现有方法的应用局限。
-
公开(公告)号：CN112217678A
公开(公告)日：2021-01-12
申请号：CN202011097353.X
申请日：2020-10-14
Applicant: 哈尔滨工程大学
IPC: H04L12/24 , 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。
-
-
-
-
-
-
Search Results
37
records
(took 0.022 seconds)
