公开(公告)号：CN118625817B

公开(公告)日：2024-10-18

申请号：CN202411110249.8

申请日：2024-08-14

Applicant: 成都信息工程大学

Inventor： 沈艳 ,  李金沿 ,  赵一晖

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

Abstract: 本发明属于智能体技术领域，具体公开了一种工业环境下的多智能体任务分配与路径规划方法，包括以下步骤：对时间步进行初始化，基于TAPF问题和匈牙利算法，得到初始任务分配方案；根据任务重新分配策略和周期检测任务优化分配策略对匈牙利算法进行优化，得到新的任务分配方案；根据新的任务分配方案，得到任务目标点并结合视野滚动窗口和MLA*算法进行路径规划。本发明解决了现有算法针对任务分配考虑因素单一与任务分配不够合理导致成本过高，以及针对路径规划搜索开销过大导致算法拓展性较差的问题，降低了路径成本，可以应对智能体与任务数量较多的情况。

公开(公告)号：CN118625817A

公开(公告)日：2024-09-10

申请号：CN202411110249.8

申请日：2024-08-14

Applicant: 成都信息工程大学

Inventor： 沈艳 ,  李金沿 ,  赵一晖

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

Abstract: 本发明属于智能体技术领域，具体公开了一种工业环境下的多智能体任务分配与路径规划方法，包括以下步骤：对时间步进行初始化，基于TAPF问题和匈牙利算法，得到初始任务分配方案；根据任务重新分配策略和周期检测任务优化分配策略对匈牙利算法进行优化，得到新的任务分配方案；根据新的任务分配方案，得到任务目标点并结合视野滚动窗口和MLA*算法进行路径规划。本发明解决了现有算法针对任务分配考虑因素单一与任务分配不够合理导致成本过高，以及针对路径规划搜索开销过大导致算法拓展性较差的问题，降低了路径成本，可以应对智能体与任务数量较多的情况。

公开(公告)号：CN116049544A

公开(公告)日：2023-05-02

申请号：CN202211668054.6

申请日：2022-12-23

Applicant: 成都信息工程大学

Inventor： 沈艳 ,  李金沿 ,  王顺兰 ,  李丽林

IPC: G06F16/9535 ,  G06F16/332 ,  G06F16/9537 ,  G06N3/045 ,  G06N3/08 ,  G06N3/048

Abstract: 本发明公开了一种全局因子分解的多特征融合网络兴趣预测方法，包括以下步骤：S1：采集用户文本信息和项目文本信息，并生成嵌入层特征矩阵；S2：生成用户全局特征和项目全局特征；S3：计算再分配的嵌入层特征矩阵；S4：对再分配的嵌入层特征矩阵进行混合交互，得到交互特征向量；S5：将交互特征向量和嵌入层特征矩阵进行拼接，得到融合向量；S6：将融合向量作为深度神经网络的输入，训练深度神经网络，并利用训练后的深度神经网络获取兴趣预测值。本发明提出的多特征融合网络兴趣预测方法考虑到了全局特征和高低阶的交互，增加了特征的全局意识，增大了重要特征的权重并缩小了不重要特征的权重；提升了模型在兴趣预测任务上的精度。