-
公开(公告)号：CN113313313A
公开(公告)日：2021-08-27
申请号：CN202110645958.6
申请日：2021-06-10
Abstract: 一种面向城市感知的移动节点任务规划方法涉及任务规划技术领域，解决了现有成本高的问题，包括步骤一、根据外部因素对于需要感知的任务点数量的影响、历史周期的任务点，预测当前周期需要感知任务点的数量；步骤二、根据步骤一预测的当前周期需要感知任务点的数量，将当前周期划分为多个步骤，并确定步长；步骤三、感知每一步步长对应的任务点；步骤四、根据步骤三得到的任务点对多移动节点进行调度直至完成所有任务；步骤五、所有任务点的执行结果进行质量评估，若满足一定质量要求时，移动节点任务规划结束，若不满足则返回步骤二。本发明中任务能够并行执行并减少质量评估的次数，感知成本小，适合面向城市感知的移动节点任务规划。
-
公开(公告)号：CN113313313B
公开(公告)日：2022-09-27
申请号：CN202110645958.6
申请日：2021-06-10
IPC: H04W4/029
Abstract: 一种面向城市感知的移动节点任务规划方法涉及任务规划技术领域，解决了现有成本高的问题，包括步骤一、根据外部因素对于需要感知的任务点数量的影响、历史周期的任务点，预测当前周期需要感知任务点的数量；步骤二、根据步骤一预测的当前周期需要感知任务点的数量，将当前周期划分为多个步骤，并确定步长；步骤三、感知每一步步长对应的任务点；步骤四、根据步骤三得到的任务点对多移动节点进行调度直至完成所有任务；步骤五、所有任务点的执行结果进行质量评估，若满足一定质量要求时，移动节点任务规划结束，若不满足则返回步骤二。本发明中任务能够并行执行并减少质量评估的次数，感知成本小，适合面向城市感知的移动节点任务规划。
-
公开(公告)号：CN113283013A
公开(公告)日：2021-08-20
申请号：CN202110646077.6
申请日：2021-06-10
Applicant: 北京邮电大学
Abstract: 一种基于深度强化学习的多无人机充电及任务调度方法涉及无人机调度技术领域，解决了现有没有考虑充电站的负载和无人机的充电策略对任务调度的影响的问题，方法为：根据待执行任务和充电站的负载、通过深度强化学习模型对可调度无人机进行调度；待无人机执行任务后，根据未执行任务的数量、可调度无人机数量和无人机剩余电量对停留在充电站上的待充电无人机进行充电。本发明有效解决了多无人机充电及任务调度需要优化提高的问题，能够在保证无人机不会能量耗尽的前提下，实现最小化执行任务总体时间的目标，最终得到各个无人机的调度序列，从而能够让相应的多无人机从出发点出发按顺序遍历这些任务点，并在对应的充电站进行自适应充电。
-
公开(公告)号：CN113283013B
公开(公告)日：2022-07-19
申请号：CN202110646077.6
申请日：2021-06-10
Applicant: 北京邮电大学
Abstract: 一种基于深度强化学习的多无人机充电及任务调度方法涉及无人机调度技术领域，解决了现有没有考虑充电站的负载和无人机的充电策略对任务调度的影响的问题，方法为：根据待执行任务和充电站的负载、通过深度强化学习模型对可调度无人机进行调度；待无人机执行任务后，根据未执行任务的数量、可调度无人机数量和无人机剩余电量对停留在充电站上的待充电无人机进行充电。本发明有效解决了多无人机充电及任务调度需要优化提高的问题，能够在保证无人机不会能量耗尽的前提下，实现最小化执行任务总体时间的目标，最终得到各个无人机的调度序列，从而能够让相应的多无人机从出发点出发按顺序遍历这些任务点，并在对应的充电站进行自适应充电。
-
-
-
Search Results
4
records
(took 0.014 seconds)
