公开(公告)号：CN117420824A

公开(公告)日：2024-01-19

申请号：CN202310933886.4

申请日：2023-07-27

Applicant: 复旦大学

Inventor： 李伟 ,  刘翼 ,  邱江 ,  余依蓝 ,  魏秉晟

IPC: G05D1/43 ,  G05D1/646

Abstract: 本发明提供了一种基于具有学习能力的智能蚁群算法的路径规划方法，包括以下步骤：步骤S1，使用蚁群算法求解大量路径规划任务，根据得到的解构造训练数据集；步骤S2，使用深度学习网络作为智能蚂蚁的大脑模块，使用训练数据集对大脑模块进行训练，智能蚂蚁用于预测不同路径规划任务在不同阶段下可行方向的选择概率；步骤S3，训练结束后，将训练好的智能蚂蚁与蚁群算法的传统蚂蚁混合，构建得到混合智能蚁群；步骤S4，通过混合智能蚁群进行路径规划，混合智能蚁群根据智能蚂蚁预测的选择概率、混合智能蚁群积累的信息素浓度和节点之间的距离来选择下一次运动，同时传统蚂蚁保持进行随机探索，并根据智能蚂蚁和传统蚂蚁的结果进行信息素浓度的更新。

公开(公告)号：CN119847142A

公开(公告)日：2025-04-18

申请号：CN202411700091.X

申请日：2024-11-26

Applicant: 复旦大学

Inventor： 李伟 ,  余依蓝 ,  罗佳宁

IPC: G05D1/43 ,  G05D1/633 ,  G05D1/644 ,  G05D1/648 ,  G05D109/10

Abstract: 本发明涉及一种基于进化优化与学习驱动的多机器人任务分配与路径规划方法及系统，该方法包括：设定多机器人任务分配问题；采用遗传算法求解任务分配问题，并采用强化学习算法为求解得到的任务分配方案生成无碰撞路径。该系统包括交互闭环连接的任务分配模块和路径规划模块，任务分配模块通过遗传算法迭代优化任务分配方案，经过适应度计算和遗传操作，逐代优化出高效的分配结果，同时考虑冲突解决时间和总成本；路径规划模块接收任务分配结果，为每个机器人规划相应路径，并将路径规划的成本反馈至任务分配模块。与现有技术相比，本发明能够提升多机器人系统在复杂动态环境中的任务分配与路径规划效率，减少因路径冲突造成的停滞。