-
公开(公告)号：CN110097218A
公开(公告)日：2019-08-06
申请号：CN201910311076.9
申请日：2019-04-18
Applicant: 北京邮电大学
Abstract: 本发明公开一种时变环境下无人商品配送方法及系统，能够根据当前的交通数据，预测一定时间内的拥堵变化情况，并且根据车辆、任务的实时信息，进行商品配送任务的分配，可以根据实际需求调整对拥堵变化的预测时间，从而平衡系统资源消耗与预测精确性两者之间的关系。本发明中采用的DVNS算法，能够在大规模数据中有着较高的计算效率。
-
Patent Agency Ranking
公开(公告)号：CN110264026B
公开(公告)日：2021-07-13
申请号：CN201910322250.X
申请日：2019-04-22
Applicant: 北京邮电大学
Abstract: 本发明公布了一种地震救援中基于两级规划算法的救援飞机任务分配方法(TLP)。所述方法包括：地震救援模拟器和两级规划救援算法(TLP)。地震救援模拟器模拟地震中地面医疗区和受灾区内的受灾人员情况。TLP算法对救援飞机的任务分配进行在线优化，包括救援任务级规划、救援飞机级规划和救援飞机位置分配三部分。第一部分，完成救援任务的聚类和救援飞机的任务分配。第二部分，基于粒子群算法对各任务组及其相应救援飞机组进行救援目标序列规划，第三部分，在任务完成后对各救援飞机进行位置分配，便于开展下一个救援周期的救援工作。TLP算法在地震及余震的发生具有随机性和不可预测性的情况下，最大化救援成功的总人数，提高了救援效果。
-
公开(公告)号：CN110097218B
公开(公告)日：2021-04-13
申请号：CN201910311076.9
申请日：2019-04-18
Applicant: 北京邮电大学
Abstract: 本发明公开一种时变环境下无人商品配送方法及系统，能够根据当前的交通数据，预测一定时间内的拥堵变化情况，并且根据车辆、任务的实时信息，进行商品配送任务的分配，可以根据实际需求调整对拥堵变化的预测时间，从而平衡系统资源消耗与预测精确性两者之间的关系。本发明中采用的DVNS算法，能够在大规模数据中有着较高的计算效率。
-
公开(公告)号：CN110264026A
公开(公告)日：2019-09-20
申请号：CN201910322250.X
申请日：2019-04-22
Applicant: 北京邮电大学
Abstract: 本发明公布了一种地震救援中基于两级规划算法的救援飞机任务分配方法(TLP)。所述方法包括：地震救援模拟器和两级规划救援算法(TLP)。地震救援模拟器模拟地震中地面医疗区和受灾区内的受灾人员情况。TLP算法对救援飞机的任务分配进行在线优化，包括救援任务级规划、救援飞机级规划和救援飞机位置分配三部分。第一部分，完成救援任务的聚类和救援飞机的任务分配。第二部分，基于粒子群算法对各任务组及其相应救援飞机组进行救援目标序列规划，第三部分，在任务完成后对各救援飞机进行位置分配，便于开展下一个救援周期的救援工作。TLP算法在地震及余震的发生具有随机性和不可预测性的情况下，最大化救援成功的总人数，提高了救援效果。
-
公开(公告)号：CN110337082B
公开(公告)日：2020-09-01
申请号：CN201910322329.2
申请日：2019-04-22
Applicant: 北京邮电大学
Abstract: 本发明公布了一种基于环境感知学习策略的家禽饲养监测无线传感网络的发送速率调整方法。所述的方法包括：对无线传感网络所处的环境进行模型建立,建立环境变量(例如温湿度)与家禽的生长状态(体重增长率、产蛋率、死亡率)之间的预测模型；每个传感器节点通过对环境数据进行感知，使用模糊系统对家禽饲养的环境状态进行推理，根据环境状态的不同确定节点所处的模式，确定节点的传输速率界限；进一步寻找网络的最优状态，传感器节点使用Q学习算法对自身发送速率进行自适应调整。其中，传感器节点统计自身的丢包率、数据有效率、数据完整性、能耗水平作为Q学习的回报函数输入，选择当前状态的速率调整动作。本发明的实施例，不仅降低了网络拥堵也使得网络整体寿命达到最优，具有广泛的应用价值。
-
公开(公告)号：CN110337082A
公开(公告)日：2019-10-15
申请号：CN201910322329.2
申请日：2019-04-22
Applicant: 北京邮电大学
Abstract: 本发明公布了一种基于环境感知学习策略的家禽饲养监测无线传感网络的发送速率调整方法。所述的方法包括：对无线传感网络所处的环境进行模型建立,建立环境变量(例如温湿度)与家禽的生长状态(体重增长率、产蛋率、死亡率)之间的预测模型；每个传感器节点通过对环境数据进行感知，使用模糊系统对家禽饲养的环境状态进行推理，根据环境状态的不同确定节点所处的模式，确定节点的传输速率界限；进一步寻找网络的最优状态，传感器节点使用Q学习算法对自身发送速率进行自适应调整。其中，传感器节点统计自身的丢包率、数据有效率、数据完整性、能耗水平作为Q学习的回报函数输入，选择当前状态的速率调整动作。本发明的实施例，不仅降低了网络拥堵也使得网络整体寿命达到最优，具有广泛的应用价值。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
