无人机群协同目标搜索中的动态路径规划方法及系统

    公开(公告)号:CN113848987A

    公开(公告)日:2021-12-28

    申请号:CN202111299585.8

    申请日:2021-11-04

    Applicant: 河海大学

    Abstract: 本发明公开了一种无人机群协同目标搜索中的动态路径规划方法及系统,包括:初始化搜索任务及优化算法相关参量;将搜索区域和路径进行离散化处理,基于滚动时域控制策略设计当前时刻的目标函数集合;使用麻雀算法优化当前时刻的各单目标函数,得到最优解/最劣解;基于TOPSIS法构造综合效能函数,进行目标函数集合的组合优化;以当前时刻的最优解作为下一时刻的搜索路径点,循环迭代优化直至达到终止条件,规划出无人机完整的搜索路径。本发明的无人机群协同目标搜索中的动态路径规划方法在求解质量上有着明显的优势,能够在动态环境中为无人机群快速找到无障碍的最优搜索路径。

    一种数据共享的两阶段隐私保护方法

    公开(公告)号:CN113360927A

    公开(公告)日:2021-09-07

    申请号:CN202110659713.9

    申请日:2021-06-15

    Applicant: 河海大学

    Abstract: 本发明公开了一种数据共享的两阶段隐私保护方法,首先进行分布式训练初始化,初始化后,在客户端将数据上传到中心服务器,采用多对一同态加密对上传数据进行加密保护。各个客户端使用中心服务器的公钥进行加密,中心服务器对从客户端接受到的全部加密数据安全聚合和解密,在中心服务器将数据发送到各个客户端的阶段,采用一种一对多的零知识签名。首先,随机生成加密数据块,原始数据通过散列函数得到散列值。其次,中心服务器利用私钥和散列值生成签名。最后,客户端验证数据正确性。从而确保数据的完整性和正确性。经过多轮迭代,输出最终模型。本发明能够有效的根据不同阶段的实际隐私保护目的进行具体保护,且能够显著减少时间花销。

    一种移动云环境下基于差分进化的计算任务卸载方法

    公开(公告)号:CN110780938B

    公开(公告)日:2021-02-09

    申请号:CN201910880150.9

    申请日:2019-09-18

    Applicant: 河海大学

    Abstract: 本发明公开了一种移动云环境下基于差分进化的计算任务卸载方法,步骤为:将推断计算过程转化为任务图,构建任务卸载模型;度量种群个体相似性,得到差异性最大的初始化种群;加权融合种群进化代数和个体适应度调整缩放因子,根据缩放因子选择变异策略;混合目标个体与变异个体各维度分量产生交叉个体,比较其与目标个体的适应度,保留适应度更好的个体进入下一代;根据种群适应度方差度量种群个体的聚集程度,随机选取部分个体进行二次变异;判断是否满足迭代次数,是则输出种群中最优个体的编码,否则继续迭代;将种群中最优个体的编码解码成任务卸载方案,并输出方案。本发明算法寻优能力强,能在满足费用约束的情况下,有效缩短任务响应时间。

    一种空间众包中多类型任务的调度方法

    公开(公告)号:CN107317872B

    公开(公告)日:2020-05-05

    申请号:CN201710595827.5

    申请日:2017-07-20

    Applicant: 河海大学

    Abstract: 本发明公开一种空间众包中多类型任务的调度方法,针对分配给每个用户的任务,规划任务执行路径,结合多类型任务的专业匹配分数,采用基于分支定界思想的调度算法,但当任务规模较大时,该调度算法运行速度较慢。可采用两种近似调度算法——最有前途分支启发式算法和基于宽度k搜索启发式算法,通过调节k值,获得在运行速度和准确性的平衡。该方法能够提高任务完成的质量以及数量,并且在运行速度和精确性方面具有优势。

    一种移动云环境下基于差分进化的计算任务卸载方法

    公开(公告)号:CN110780938A

    公开(公告)日:2020-02-11

    申请号:CN201910880150.9

    申请日:2019-09-18

    Applicant: 河海大学

    Abstract: 本发明公开了一种移动云环境下基于差分进化的计算任务卸载方法,步骤为:将推断计算过程转化为任务图,构建任务卸载模型;度量种群个体相似性,得到差异性最大的初始化种群;加权融合种群进化代数和个体适应度调整缩放因子,根据缩放因子选择变异策略;混合目标个体与变异个体各维度分量产生交叉个体,比较其与目标个体的适应度,保留适应度更好的个体进入下一代;根据种群适应度方差度量种群个体的聚集程度,随机选取部分个体进行二次变异;判断是否满足迭代次数,是则输出种群中最优个体的编码,否则继续迭代;将种群中最优个体的编码解码成任务卸载方案,并输出方案。本发明算法寻优能力强,能在满足费用约束的情况下,有效缩短任务响应时间。

    一种多微云环境下基于粒子群优化的计算任务卸载方法

    公开(公告)号:CN110531996A

    公开(公告)日:2019-12-03

    申请号:CN201910796616.7

    申请日:2019-08-27

    Applicant: 河海大学

    Abstract: 本发明公开了一种多微云环境下基于粒子群优化的计算任务卸载方法,步骤为:建立计算任务卸载方案,构建计算任务卸载模型;创建粒子群,初始化所有粒子的速度与位置;根据粒子适应度计算方法,计算粒子群中每个粒子的适应度,记录每个粒子的个体最优位置,得到初始全局最优位置;根据惯性权重更新方案,更新每个粒子的速度与位置;判断是否满足迭代次数,是则输出全局最优适应度粒子编码,否则将继续迭代;将全局最优适应度粒子编码解码成计算任务卸载方案,并输出方案。本发明基于加权自适应惯性权重的粒子群优化算法,算法寻优能力强,能有效减少计算任务卸载总时间,提高资源利用率。

    一种基于多相关序列的大坝安全监测单测点评价方法

    公开(公告)号:CN110188399A

    公开(公告)日:2019-08-30

    申请号:CN201910375440.8

    申请日:2019-05-07

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于多相关序列的大坝安全监测单测点评价方法,包括测点序列预处理、单测点时间序列数据预测和单测点运行状态评价三个阶段。采用基于多序列协同的单测点评判模型(Single-node Assessment Model based on Multi-sequence Collaboration,SAM),对测点序列数据进行预处理,归一化后利用余弦相似度计算序列之间相关性。选取多个相关序列作为输入,并加入注意力层为多序列分配注意力权重,然后采用LSTM层进行预测,最后通过Softmax层完成单测点评判,从而增加单点评判准确性,提高大坝安全监测系统中单测点安全评价的性能。本发明利用多个相关测点序列协同对单测点监测数据进行预测和评价,有利于提高大坝安全监测系统中单测点安全评价的性能。

Patent Agency Ranking