-
公开(公告)号：CN110233657A
公开(公告)日：2019-09-13
申请号：CN201910255514.4
申请日：2019-04-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于粒子群遗传算法的多无人机区域覆盖部署方法，根据目标区域的大小和无人机的各项参数，解决无人机的区域覆盖部署问题。本发明以粒子群算法为基本框架，将改进的遗传算法嵌入到粒子群算法的迭代过程中，避免了算法陷入局部极值。本发明使用粒子群遗传算法根据区域覆盖率和网络连通性对覆盖部署方案进行对比研究，经过多次的迭代优化最终得出最佳的覆盖部署方案。
-
公开(公告)号：CN111563188B
公开(公告)日：2022-09-13
申请号：CN202010362433.7
申请日：2020-04-30
Applicant: 南京邮电大学
IPC: G06F16/903
Abstract: 本发明公开了一种移动多智能体协同目标搜索方法，结合AC算法“集中学习，分散执行”的思想对传统DDPG算法进行改进，对Critic的输入进行了拓展，将传统DDPG算法状态行为观测信息多对一的模式改变为一对一；接着对每个智能体采用改进的DDPG算法进行训练，每个智能体在集中学习的过程中Critic输入不仅包含自身的状态行为观测信息，而且也要包括其他智能体的策略以及行为观测信息；最后在所有智能体训练完毕的情况下，每个Actor在不考虑其它智能体的情况下独立执行协同搜索任务，本发明解决了在执行搜索任务时每个智能体状态不断改变引起的环境不稳定、搜索时间长且执行效率低下的问题。
-
公开(公告)号：CN110232492B
公开(公告)日：2021-06-18
申请号：CN201910255573.1
申请日：2019-04-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进离散粒子群算法的多无人机协同任务调度方法，根据敌方目标的位置和无人机的基本信息，解决了无人机协同多目标打击任务调度问题。本发明将任务调度的约束条件融入到粒子的更新中，使用交叉变异改进了粒子的迭代方式，并且使用变异操作避免了算法陷入局部极值。本发明使用了改进的离散粒子群算法根据无人机完成任务的航程代价和最大无人机暴露时间对调度方案进行对比研究，经过多次迭代得出最佳的任务调度方案。
-
公开(公告)号：CN108759790B
公开(公告)日：2021-05-18
申请号：CN201810421740.0
申请日：2018-05-04
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于机器视觉和区域特征提取的智能小车二维定位方法，根据从视觉传感器捕获的图像中提取出的特征点坐标信息与视觉传感器的自身参数的三角关系，解决对目标的二维定位。本发明使用区域特征提取技术对图像进行特征点提取，经过平均值计算得到精确的坐标位置，能够有效降低噪点对特征点的干扰。本发明还提供一种坐标系投影算法，能够扩展固定视觉传感器的视角。
-
公开(公告)号：CN110232492A
公开(公告)日：2019-09-13
申请号：CN201910255573.1
申请日：2019-04-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进离散粒子群算法的多无人机协同任务调度方法，根据敌方目标的位置和无人机的基本信息，解决了无人机协同多目标打击任务调度问题。本发明将任务调度的约束条件融入到粒子的更新中，使用交叉变异改进了粒子的迭代方式，并且使用变异操作避免了算法陷入局部极值。本发明使用了改进的离散粒子群算法根据无人机完成任务的航程代价和最大无人机暴露时间对调度方案进行对比研究，经过多次迭代得出最佳的任务调度方案。
-
Patent Agency Ranking
公开(公告)号：CN108759790A
公开(公告)日：2018-11-06
申请号：CN201810421740.0
申请日：2018-05-04
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于机器视觉和区域特征提取的智能小车二维定位方法，根据从视觉传感器捕获的图像中提取出的特征点坐标信息与视觉传感器的自身参数的三角关系，解决对目标的二维定位。本发明使用区域特征提取技术对图像进行特征点提取，经过平均值计算得到精确的坐标位置，能够有效降低噪点对特征点的干扰。本发明还提供一种坐标系投影算法，能够扩展固定视觉传感器的视角。
-
公开(公告)号：CN110147099B
公开(公告)日：2022-03-01
申请号：CN201910361354.1
申请日：2019-04-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进鸽群优化的多无人机协同搜索方法，包括：首先建立搜索地图模型，并使用马尔科夫模型来建立目标信息图，然后建立无人机的运动模型和数字信息素图；应用鸽群优化算法进行多无人机的协同搜索，在初始化种群位置时使用混沌和反向策略来实现，确保初始位置的随机性；第一阶段进行地图和指南针算子的迭代时，使用柯西变异防止陷入局部最优，第二阶段进行地标算子的迭代时，使用模拟退火保留部分表现较差的个体以及高斯变异避免早熟陷入局部最优。本发明将使用混沌和反向策略初始化种群位置、为了避免陷入局部最优而引入的变异和模拟退火算法相结合，解决了搜索过程中的动态目标和重复搜索问题，同时有效的提高了搜索的效率。
-
公开(公告)号：CN110147099A
公开(公告)日：2019-08-20
申请号：CN201910361354.1
申请日：2019-04-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进鸽群优化的多无人机协同搜索方法，包括：首先建立搜索地图模型，并使用马尔科夫模型来建立目标信息图，然后建立无人机的运动模型和数字信息素图；应用鸽群优化算法进行多无人机的协同搜索，在初始化种群位置时使用混沌和反向策略来实现，确保初始位置的随机性；第一阶段进行地图和指南针算子的迭代时，使用柯西变异防止陷入局部最优，第二阶段进行地标算子的迭代时，使用模拟退火保留部分表现较差的个体以及高斯变异避免早熟陷入局部最优。本发明将使用混沌和反向策略初始化种群位置、为了避免陷入局部最优而引入的变异和模拟退火算法相结合，解决了搜索过程中的动态目标和重复搜索问题，同时有效的提高了搜索的效率。
-
公开(公告)号：CN108710609A
公开(公告)日：2018-10-26
申请号：CN201810428598.2
申请日：2018-05-07
Applicant: 南京邮电大学
CPC classification number: G06F17/2775 , G06K9/6256
Abstract: 本发明公开一种基于多特征融合的社交平台用户信息的分析方法，解决了目前社交网络的用户信息分析主要集中在用户的行为数据，而没有充分挖掘用户在社交网络内发表的文本内容这一问题。本发明首先用社交网络平台上的应用编程接口获取用户行为数据和文本内容数据，然后对行为数据进行处理，剔除缺失的无效用户，对行为数据进行量化，得到用户的行为统计数据，接着对用户发表的文本内容进行分词以及词频统计，对不同的词进行权重调整，最后利用主成分分析简化所得数据，应用线性回归和决策树算法，对用户的性别、年龄、性格成分进行预测。本发明通过结合用户在社交网络平台上的行为数据和发表的文本内容，在性别、年龄、性格成分的预测上拥有很好的准确性。
-
公开(公告)号：CN108986148B
公开(公告)日：2021-10-26
申请号：CN201810236334.7
申请日：2018-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种实现多智能小车协同搜索识别并跟踪特定目标群体的方法，该方法首先初始化一个目标操作域O并将其分成A个小块,采用A辆智能小车在这A个区域进行搜索；接着通过计算事先输入目标群体中其中一个目标的归一化转动向量(NMI)值，智能小车在搜索过程中不断进行图像的采集以及预处理。将采集到的图像的NMI值与事先输入的进行匹配，若相等，则说明测量结果为真,否则视为未发现目标。然后将该测量值作为单个智能小车i的输入并根据贝叶斯规则分别更新地图。引入概率图的非线性变换以通过线性化贝叶斯更新来简化计算，最后提出了一种类似共识的分布式融合方案，用于多小车的地图融合，得到一个新的分散概率图。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.023 seconds)
