基于禁忌蜂群算法的无人机海上搜救路径规划方法

    公开(公告)号:CN116625376A

    公开(公告)日:2023-08-22

    申请号:CN202310662225.2

    申请日:2023-06-05

    摘要: 本发明公开了一种基于禁忌蜂群算法的无人机海上搜救路径规划方法,包括:初始化任务信息,从救援需求和环境特征入手,构建搜救目标模型和目标函数;初始化约束条件信息,确定路径规划过程中的资源约束和环境约束,构建约束描述模型;对无人机搜救过程中涉及的各类型信息进行分析,构建相应的能力描述模型;根据任务信息和约束条件信息进行无人机搜救路径初步规划,生成初步搜救预案;利用所述目标函数,结合禁忌搜索和蜂群算法对所述初步搜救预案进行迭代更新,直至输出最优化规划方案。本发明提出的方法基于禁忌的蜂群算法提升了算法的探索能力和收敛速度,实现了对大规模、复杂的海上搜救路径规划问题的高效求解。

    一种基于强化学习的自适应优化储能方法

    公开(公告)号:CN116739158A

    公开(公告)日:2023-09-12

    申请号:CN202310640040.1

    申请日:2023-05-31

    摘要: 本发明公开了一种基于强化学习的自适应优化储能方法,包括:获取用户的电力数据,构建用户的需量计费模型;结合所述需量计费模型,考虑约束条件,对当前用电情况下储能系统的经济效益进行分析和评估,得到储能系统初步分配方案;根据所述储能系统初步分配方案,对储能动作参数进行预处理,并对动作策略进行粗分配;将粗分配后的储能系统动作转变为动作序列并与每个时刻点对应,生成按照时间排序的储能系统调度序列;需要根据当前环境特征,对所述储能系统调度序列进行动态的动作调整,以达到企业收益最优的目的。本发明弥补了传统算法通用性不足的缺陷,降低了传统算法对场景的依赖,能够适用在不同的场景,最终获得最优化的调度策略。