-
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。
-
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：CN118485251A
公开(公告)日：2024-08-13
申请号：CN202410634954.1
申请日：2024-05-21
Applicant: 北京邮电大学
IPC: G06Q10/0631 , G06Q10/083 , G06Q10/04 , G06N3/126
Abstract: 本发明公开基于CPU和GPU的并行混合机器人任务分配优化方法，所述方法包括：建立机器人任务分配模型，基于多样性策略确定初始种群，采用GPU架构下基于编码分解的并行优化算法对种群个体进行独立优化，将优化后的个体组成多个种群，采用CPU架构下基于多种群的并行遗传算法进行优化，通过种群合并的方式进行信息交流，按照顺序两两合并种群，对合并后的种群个体进行综合评估以保留较优的个体，直到所有种群合并产生新种群；重复上述步骤，直到到达终止条件。采用本发明的方法能够快速决策出任务分配方案，提高任务执行效率和机器人的利用率。
-
公开(公告)号：CN118381755A
公开(公告)日：2024-07-23
申请号：CN202410635185.7
申请日：2024-05-21
Applicant: 北京邮电大学
Abstract: 本发明公开一种机器人群协调中节点信任度评估和中断自适应的主备路由协议，所述的方法包括：源节点发起路由请求广播，其通过自适应广播转发策略获取源节点到目的节点的可用路径；之后目的节点按照反向路径传输进行路由回复；若源节点到目的节点的路由建立成功，则进入基于Q学习算法的路由决策模块；若路由决策结果选择主路由传输策略，则目的节点进入信任度评估模块、中断自适应可信路径或无可信路径传输模块；若路由决策结果选择备用DTN(Delay Tolerant Networks，时延容忍网络)路由传输策略或路由建立未成功，则目的节点进入Prophet路由模块；通过本发明实例提供的机器人群协调中节点信任度评估和中断自适应的主备路由协议，可以提升数据传输的健壮性和鲁棒性。
-
-
-
Search Results
4
records
(took 0.019 seconds)
