无人机集群通信与决策针对链路动态性的智能目标任务分配方法

    公开(公告)号:CN118938999A

    公开(公告)日:2024-11-12

    申请号:CN202411005423.2

    申请日:2024-07-25

    Abstract: 本发明提出了一种无人机集群通信与决策针对链路动态性的智能目标任务分配方法,以应对链路动态性带来的挑战。随着无人机网络结构日趋复杂,链路的不稳定性对智能体间的交互稳定性造成影响。本方法通过分组、分层策略,将受动态性因素影响的任务迁移给其他智能体,减少任务接收次数,降低动态性因素传播风险,更好更智能地完成目标任务分配工作。具体操作包括将无人机建模为智能体,将不同层次的无人机群建模为网络层,对智能体任务进行三类分组,并根据智能体接受和任务完成的风险与成本,选择迁移智能体。与传统集中式任务迁移方法相比,本发明有效减轻了动态性因素影响,提高了任务完成率。

    一种适用于复杂任务场景的多智能体目标分配方法

    公开(公告)号:CN119130050A

    公开(公告)日:2024-12-13

    申请号:CN202411246900.4

    申请日:2024-09-06

    Abstract: 本发明涉及一种适用于复杂任务场景的多智能体目标分配方法,属于智能体集群技术领域;方法包括:在复杂任务场景下,定义智能体集群目标分配行为、优化目标,建立智能体集群目标分配问题的数学模型,并定义约束;将智能体集群目标分配问题拆分为多智能体行为设计问题和任务分配问题;针对多智能体行为设计问题,通过对场景环境进行有序分割,在每个分割后的子区域内,分别寻找近似最优的路径;针对任务分配问题,通过估计不同任务分配策略所带来的目标分配增益,选择产生最大目标分配增益的任务组合进行任务分配。本发明提供的策略方法可以取得接近最优的目标分配增益,有效地在目标分配效果与计算效率之间达成平衡。

    针对高动态决策场景智能体探索的强化学习系统及方法

    公开(公告)号:CN119886272A

    公开(公告)日:2025-04-25

    申请号:CN202510067613.5

    申请日:2025-01-16

    Abstract: 本发明公开了一种针对高动态决策场景智能体探索的强化学习系统及方法,包括正演员‑评论家模型、负演员‑评论家模型、演员‑评论家模型、策略相似度模型和策略动作选择模型,通过使用正向策略和负向策略指导主策略的学习,同时最小化主策略与正向策略的接近程度和最大化主策略与负向策略的接近程度,让主策略以高概率产生高价值动作,低概率产生低价值动作,提升方法的整体性能;同时,在训练过程中通过策略动作选择模型以概率形式选择执行主策略动作、正向策略动作、负向策略动作,增加动作选择的多样性,间接提高探索环境的多样性,最终实现性能提升。

    一种针对无人机群体中辅助任务截止时间的任务分配方法

    公开(公告)号:CN118966647A

    公开(公告)日:2024-11-15

    申请号:CN202411005425.1

    申请日:2024-07-25

    Applicant: 东南大学

    Abstract: 本发明提出了一种针对高动态博弈场景中无人机群体的辅助任务截止时间特性的任务分配方法。该方法旨在解决辅助任务超时消失对系统稳定性的影响。辅助任务在截止时间前完成可加速其他任务的完成。在高动态博弈场景下,辅助任务的作用范围并不确定,辅助任务之间的级联扩散影响也不确定,增大了问题的复杂度。本发明首先对任务进行时间编码,生成特征向量;然后计算任务截止优先级并更新智能体特征;最后应用多智能体系统决策学习进行任务分配。与现有方法相比,本发明通过时间编码和截止优先级的计算,结合注意力机制,有效提升了任务完成率和系统在复杂博弈环境中的存活率。

    一种基于分支定价算法的多信息采集机器人避险方法

    公开(公告)号:CN119005462A

    公开(公告)日:2024-11-22

    申请号:CN202411005431.7

    申请日:2024-07-25

    Applicant: 东南大学

    Abstract: 本发明提出了一种基于分支定价算法的多信息采集机器人避险方法,旨在提高机器人在敌方围捕和攻击下的安全执行任务的能力。在对抗环境中,机器人执行信息采集、战场救援等危险任务。为了提高避险成功率,本发明将问题分解为采集策略和任务分配两个子问题,并提供解决方案。首先,采用分支定价算法为机器人设计避险行为策略;其次,在策略基础上,使用策略图算法优化任务分配,以获得最优避险任务分配策略。这两种算法结合考虑任务完成时间和避险增益,使机器人在相同时段内同一区域执行任务,最大化避险效益。

    大规模无人机集群系统在线任务调配优化方法

    公开(公告)号:CN118966649A

    公开(公告)日:2024-11-15

    申请号:CN202411005438.9

    申请日:2024-07-25

    Applicant: 东南大学

    Abstract: 本发明提出了一种大规模无人机集群在线任务调配优化方法,包括一个在线调配框架和三种针对低优先级任务、高优先级任务、混合优先级任务的调配策略。首先,无人机被建模为智能体,大规模集群中的无人机按层次建模为网络层,并对智能体上的任务和新到来的在线任务进行建模。其次,为处理实时任务并降低开销,设计了包含任务输入预处理、计算调度、处理反馈三个阶段的在线调配框架。最后,基于框架,分别设计了被动调配策略应对低优先级任务,主动调配策略应对高优先级任务,以及主被动结合策略应对混合任务集,旨在减少调配对系统影响,提升任务成功率和完成率。

    多重网络化产业链中任务处理系统粗时间粒度调配优化方法

    公开(公告)号:CN116882698A

    公开(公告)日:2023-10-13

    申请号:CN202310909670.4

    申请日:2023-07-21

    Applicant: 东南大学

    Abstract: 本发明提供了一种多重网络化产业链中任务处理系统粗时间粒度调配优化方法,以解决其在生产过程中存在的无法满足多个网络之间的任务约束,不能有效实现多重网络产业链的全局最优解的问题。首先,根据数据规模的不同选取不同的调配方法。在小规模场景中将任务在组件中执行的决策变量构建出一棵树,通过剪枝与递归搜索得到一个最优解;在大规模场景中通过元启发式级联自适应算法对解集中的随机解进行邻域插入和交换操作,不断迭代后取得一个较优解。与传统的单层网络调度算法相比,本方法重点研究多重网络产业链的特征和数据规模的差异,尽可能降低任务处理的最大完成时间和所需要的能源成本,能在多重网络产业链结构中取得更好的调度结果。

Patent Agency Ranking