-
公开(公告)号：CN119440264B
公开(公告)日：2025-05-13
申请号：CN202510038611.3
申请日：2025-01-10
Applicant: 北京理工大学
IPC: G06F3/01 , G06Q10/0835 , G06F30/27 , G06F18/214 , G06N3/045 , G06N3/08 , G06N3/006 , G06F123/02
Abstract: 本发明属于人机交互技术领域，具体涉及一种基于决策者偏好的人机交互方法，能够精确捕捉和量化决策者对于不同策略的偏好，选出最佳决策结果。该方法的具体过程为：与仿真环境交互进行轨迹数据生成；随机截取设定长度的轨迹数据，并两两组合进行决策者偏好标签标注，构成用于训练的样本数据；利用所述样本数据进行神经网络训练，神经网络输出每一时间步#imgabs0#对应的偏好得分和对应权重，得到偏好预测结果，计算损失函数并更新神经网络参数；将给定的若干个均衡策略输入仿真环境中，获得轨迹数据，利用训练好的神经网络获得轨迹数据的偏好得分和对应权重，进一步计算出最优的策略。
-
Patent Agency Ranking
公开(公告)号：CN119394314B
公开(公告)日：2025-05-13
申请号：CN202510002849.0
申请日：2025-01-02
Applicant: 北京理工大学
IPC: G01C21/20
Abstract: 本发明属于多机器人路径规划技术领域，具体涉及一种基于安全强化学习的分布式多机器人路径规划方法，为每个机器人提供分布式的运动策略，并有效降低机器人间发生冲突和碰撞的风险，提高运行效率。该方法设置状态空间为小尺度三通道局部观测地图，包括局部距离代价地图、邻居相对位置地图和邻居目标相对位置地图，将机器人与环境的信息以局部图的形式表示，有效提升了规模和场景的泛化性，基于广度优先搜索算法，构建了距离代价地图，从而将全局信息引入局部观测中，为易陷入局部最优的问题提供了有效的解决方案。
-
公开(公告)号：CN117521720A
公开(公告)日：2024-02-06
申请号：CN202311489670.X
申请日：2023-11-09
Applicant: 北京理工大学
IPC: G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084 , G06F18/25 , G06F18/2433 , G06N3/048
Abstract: 本发明公开了一种基于神经网络的图结构数据的知识表示方法。本发明通过设计神经网络模型结构，使得其可以面向图结构数据进行有效的知识表示，对诸多实际应用问题如旅行商问题、车辆路径规划问题等有益。本发明提供的方法可以有效地对图结构数据进行聚合，使其更全局化。同时，该方法也在高维空间中对信息进行表示，预测输出了一个概率分布，这有利于后续对数据的进一步处理与利用。
-
公开(公告)号：CN119440264A
公开(公告)日：2025-02-14
申请号：CN202510038611.3
申请日：2025-01-10
Applicant: 北京理工大学
IPC: G06F3/01 , G06Q10/0835 , G06F30/27 , G06F18/214 , G06N3/045 , G06N3/08 , G06N3/006 , G06F123/02
Abstract: 本发明属于人机交互技术领域，具体涉及一种基于决策者偏好的人机交互方法，能够精确捕捉和量化决策者对于不同策略的偏好，选出最佳决策结果。该方法的具体过程为：与仿真环境交互进行轨迹数据生成；随机截取设定长度的轨迹数据，并两两组合进行决策者偏好标签标注，构成用于训练的样本数据；利用所述样本数据进行神经网络训练，神经网络输出每一时间步#imgabs0#对应的偏好得分和对应权重，得到偏好预测结果，计算损失函数并更新神经网络参数；将给定的若干个均衡策略输入仿真环境中，获得轨迹数据，利用训练好的神经网络获得轨迹数据的偏好得分和对应权重，进一步计算出最优的策略。
-
公开(公告)号：CN119394314A
公开(公告)日：2025-02-07
申请号：CN202510002849.0
申请日：2025-01-02
Applicant: 北京理工大学
IPC: G01C21/20
Abstract: 本发明属于多机器人路径规划技术领域，具体涉及一种基于安全强化学习的分布式多机器人路径规划方法，为每个机器人提供分布式的运动策略，并有效降低机器人间发生冲突和碰撞的风险，提高运行效率。该方法设置状态空间为小尺度三通道局部观测地图，包括局部距离代价地图、邻居相对位置地图和邻居目标相对位置地图，将机器人与环境的信息以局部图的形式表示，有效提升了规模和场景的泛化性，基于广度优先搜索算法，构建了距离代价地图，从而将全局信息引入局部观测中，为易陷入局部最优的问题提供了有效的解决方案。
-
公开(公告)号：CN118764983A
公开(公告)日：2024-10-11
申请号：CN202410741599.8
申请日：2024-06-11
Applicant: 北京理工大学
Abstract: 本发明提供一种基于图景分析进行算子选择的传感器网络部署方法，基于描述种群所在解空间特征的图景分析技术，提取了多种部署方案在解空间中的状态，包括种群P中的所有个体与最优个体之间的欧氏距离与覆盖率差异、种群P中最优的前10％的个体之间的欧氏距离、种群P中的所有个体的位置差异性，再根据提取出来的状态自适应选择变异算子对种群进行变异，实现了从解空间状态信息到合适的变异算子选择的策略映射，使用户在有限时间内得到覆盖率更高的部署方案，大幅提升了部署优化问题的求解效率，有效解决了传感器网络部署优化问题。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
