-
公开(公告)号：CN113807486B
公开(公告)日：2023-09-26
申请号：CN202110971579.6
申请日：2021-08-23
Applicant: 南京邮电大学
IPC: G06N3/006
Abstract: 本发明提供一种基于改进粒子群算法的多机器人区域覆盖方法，通过对待覆盖区域建立坐标系，根据n台探测范围不同的机器人，各机器人i在全局坐标系中的位置构成向量，为迭代初始位置，然后利用改进粒子群算法求解点云，在粒子群算法的迭代过程中，考虑不同机器人的探测范围，进行速度和位置更新，直至获得最大程度覆盖目标区域的机器人的位置集合；该种基于改进粒子群算法的应用于多机器人区域覆盖方法，相对于现有方法，能够用于多种不同探测范围的机器人在已知区域内覆盖，有效提高实际覆盖区域和覆盖率，使得生成的目标点云更好的实现对区域的覆盖，能够生成最大程度覆盖区域的机器人位置集合。
-
公开(公告)号：CN113472590B
公开(公告)日：2022-10-25
申请号：CN202110795013.2
申请日：2021-07-14
Applicant: 南京邮电大学
IPC: H04L41/08 , H04L41/16 , H04L41/50 , G06K9/62 , G06F16/178 , G06F16/176
Abstract: 本发明是一种DDS中基于机器学习的QoS配置方法，利用已知的DDS QoS配置文件数据集结合机器学习方法决策树，训练得到决策树模型；在决策树构造过程中对决策树进行预剪枝，在生成决策树后再次剪枝，剪去分类准确性差别不大的分支及叶节点；训练结束之后，发布者发布带有消息类型标签的数据；读取发布者发布数据中的标签数据；结合训练得到的决策树，选取相应配置生成初始QoS配置文件；校验初始QoS配置文件中各配置项之间是否兼容，去除不兼容项生成配置项间相互兼容的QoS配置文件；最后发布端应用生成的QoS配置文件。本发明将QoS配置与传统机器学习方法相结合，实现了通信中间件DDS中QoS的自动配置。
-
公开(公告)号：CN113536689A
公开(公告)日：2021-10-22
申请号：CN202110848178.1
申请日：2021-07-26
Applicant: 南京邮电大学
IPC: G06F30/27 , G06N3/12 , G06Q10/06 , G06F111/04
Abstract: 本发明提供一种基于混合遗传智能算法的多无人机任务分配执行控制方法，在多无人机场景下，在地图中获取需要前往的任务点集合T，并获取当前可用的无人机群集合U，根据地图中任务点集合T和无人机群U建立多旅行商任务模型；任务预分配，使用混合遗传算法对多旅行商任务模型进行求解，得出各无人机的任务执行有序序列；进行任务动态分配，在新任务出现时，通过K邻近算法将新任务基于无人机群体未执行的任务进行分配，对新分配了任务的无人机使用单遗传算法进行单线路任务重排序，得到新分配了任务的无人机的新路线；该方法采用混合算法完成对无人机任务的初始分配与任务动态分配，能够实现任务分配执行的高效性。
-
Patent Agency Ranking
公开(公告)号：CN113489001B
公开(公告)日：2023-09-22
申请号：CN202110804005.X
申请日：2021-07-16
Applicant: 南京邮电大学
Abstract: 本发明是一种联合巡检场景中多智能体任务区域规划方法，该任务区域规划方法包括：目标区域全局信息获取；获取可调用各智能体巡检能力状况和位置信息；对目标区域进行网格化切割并建模；结合智能体信息和目标区域信息进行任务区域规划。在考虑智能体信息和任务密度不均衡的条件下，本发明采用基于任务密度分配的联合巡检场景中多智能体任务区域规划，可以有效的降低因任务密度不同和智能体能力状况不一所引起的规划不均衡问题。
-
公开(公告)号：CN113536689B
公开(公告)日：2023-08-18
申请号：CN202110848178.1
申请日：2021-07-26
Applicant: 南京邮电大学
IPC: G06F30/27 , G06N3/126 , G06Q10/0631 , G06F111/04
Abstract: 本发明提供一种基于混合遗传智能算法的多无人机任务分配执行控制方法，在多无人机场景下，在地图中获取需要前往的任务点集合T，并获取当前可用的无人机群集合U，根据地图中任务点集合T和无人机群U建立多旅行商任务模型；任务预分配，使用混合遗传算法对多旅行商任务模型进行求解，得出各无人机的任务执行有序序列；进行任务动态分配，在新任务出现时，通过K邻近算法将新任务基于无人机群体未执行的任务进行分配，对新分配了任务的无人机使用单遗传算法进行单线路任务重排序，得到新分配了任务的无人机的新路线；该方法采用混合算法完成对无人机任务的初始分配与任务动态分配，能够实现任务分配执行的高效性。
-
公开(公告)号：CN113472590A
公开(公告)日：2021-10-01
申请号：CN202110795013.2
申请日：2021-07-14
Applicant: 南京邮电大学
IPC: H04L12/24
Abstract: 本发明是一种DDS中基于机器学习的QoS配置方法，利用已知的DDS QoS配置文件数据集结合机器学习方法决策树，训练得到决策树模型；在决策树构造过程中对决策树进行预剪枝，在生成决策树后再次剪枝，剪去分类准确性差别不大的分支及叶节点；训练结束之后，发布者发布带有消息类型标签的数据；读取发布者发布数据中的标签数据；结合训练得到的决策树，选取相应配置生成初始QoS配置文件；校验初始QoS配置文件中各配置项之间是否兼容，去除不兼容项生成配置项间相互兼容的QoS配置文件；最后发布端应用生成的QoS配置文件。本发明将QoS配置与传统机器学习方法相结合，实现了通信中间件DDS中QoS的自动配置。
-
公开(公告)号：CN113807486A
公开(公告)日：2021-12-17
申请号：CN202110971579.6
申请日：2021-08-23
Applicant: 南京邮电大学
IPC: G06N3/00
Abstract: 本发明提供一种基于改进粒子群算法的多机器人区域覆盖方法，通过对待覆盖区域建立坐标系，根据n台探测范围不同的机器人，各机器人i在全局坐标系中的位置构成向量，为迭代初始位置，然后利用改进粒子群算法求解点云，在粒子群算法的迭代过程中，考虑不同机器人的探测范围，进行速度和位置更新，直至获得最大程度覆盖目标区域的机器人的位置集合；该种基于改进粒子群算法的应用于多机器人区域覆盖方法，相对于现有方法，能够用于多种不同探测范围的机器人在已知区域内覆盖，有效提高实际覆盖区域和覆盖率，使得生成的目标点云更好的实现对区域的覆盖，能够生成最大程度覆盖区域的机器人位置集合。
-
公开(公告)号：CN113489001A
公开(公告)日：2021-10-08
申请号：CN202110804005.X
申请日：2021-07-16
Applicant: 南京邮电大学
Abstract: 本发明是一种联合巡检场景中多智能体任务区域规划方法，该任务区域规划方法包括：目标区域全局信息获取；获取可调用各智能体巡检能力状况和位置信息；对目标区域进行网格化切割并建模；结合智能体信息和目标区域信息进行任务区域规划。在考虑智能体信息和任务密度不均衡的条件下，本发明采用基于任务密度分配的联合巡检场景中多智能体任务区域规划，可以有效的降低因任务密度不同和智能体能力状况不一所引起的规划不均衡问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
