-
公开(公告)号：CN118605513A
公开(公告)日：2024-09-06
申请号：CN202410635138.2
申请日：2024-05-21
Applicant: 北京邮电大学
IPC: G05D1/43 , G05D1/644 , G05D1/648 , G05D109/12
Abstract: 本发明公开一种基于负载均衡和多搜索策略的机器人路径规划并行优化方法，所述方法包括：建立机器人路径规划问题模型，基于节约里程思想通过能量节约构建初始解；并行执行不同的搜索策略和并行评估领域解集，在评估前对邻域解集进行均匀重分配，以保证各线程的负载均衡；基于LSTM模型对各线程分配的搜索策略的运行时间进行预测，确定当前搜索效果最优的搜索策略所在线程的运行时间为负载调整基准，根据预测结果进行负载调整；维护基于适应度和多样性的两个解池进行信息共享，在更新解池过程中选出下一次迭代过程的起始解。采用本发明的方法能够有效地规划出机器人的任务执行路径的同时，还可以提高算法运行效率和计算资源的利用率。
-
公开(公告)号：CN113163466A
公开(公告)日：2021-07-23
申请号：CN202110449658.0
申请日：2021-04-25
Applicant: 北京邮电大学
Abstract: 本发明公布了一种大规模应用场景下的基于模糊决策树的自适应鱼群寻路包路由方法。主要解决飞行自组网中的端到端时延问题。所述的方法包括：应用模糊决策树进行跳数预测，通过离线训练模糊决策树模型。属性模糊阶段采用三角模糊函数对输入属性进行语义划分，离线训练阶段采用ID3算法进行决策树建立。为了更新节点信息采用基于鱼群算法的自适应Hello包广播机制，从基站开始逐跳广播Hello包，达到节能和降低冲突的目的。为了保证较高的传输成功率，采用了指数加权平均移动法进行最优节点的预测，指数加权平均对过去历史信息做均值处理的时候加上指数相关的权重，离当前时间越近的历史信息数据权重越大，离当前时间越远的历史信息数据权重越小。
-
公开(公告)号：CN118466505A
公开(公告)日：2024-08-09
申请号：CN202410635738.9
申请日：2024-05-21
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于多目标优化与DNN优先级排序的多机器人路径规划方法。首先，使用二维平面网格方法建立环境模型并初始化参数；接着，采用随机A*方法和混沌映射法混合初始化各机器人种群，通过决策标量函数和角度拥挤度估计对各种群进行交配池选择，随后执行交叉、变异和适应度计算。对各种群路径进行角度支配排序并挑选最好的一组路径作为备选路径，通过训练好的DNN获得多机器人冲突风险度最小的机器人优先级序列。按照优先级分别挑选各自冲突风险度最小的路径作为最优路径，之后进行冲突消解，最后使用非均匀有理B样条方法平滑处理路径。此方法能有效平衡多目标函数，提升多机器人在复杂环境下的协同效率和安全性。
-
公开(公告)号：CN113163466B
公开(公告)日：2022-11-01
申请号：CN202110449658.0
申请日：2021-04-25
Applicant: 北京邮电大学
Abstract: 本发明公布了一种大规模应用场景下的基于模糊决策树的自适应鱼群寻路包路由方法。主要解决飞行自组网中的端到端时延问题。所述的方法包括：应用模糊决策树进行跳数预测，通过离线训练模糊决策树模型。属性模糊阶段采用三角模糊函数对输入属性进行语义划分，离线训练阶段采用ID3算法进行决策树建立。为了更新节点信息采用基于鱼群算法的自适应Hello包广播机制，从基站开始逐跳广播Hello包，达到节能和降低冲突的目的。为了保证较高的传输成功率，采用了指数加权平均移动法进行最优节点的预测，指数加权平均对过去历史信息做均值处理的时候加上指数相关的权重，离当前时间越近的历史信息数据权重越大，离当前时间越远的历史信息数据权重越小。
-
-
-
Search Results
4
records
(took 0.016 seconds)
