-
公开(公告)号：CN118158769A
公开(公告)日：2024-06-07
申请号：CN202410252269.2
申请日：2024-03-06
Applicant: 同济大学
Abstract: 本发明提出一种面向一类分簇集群的高效分布式优化方法，利用簇首对簇内成员的信息分发和收集能力，将当前有用信息分发到簇内每个成员，待簇内成员根据自身目标函数得到局部结果后，再将该结果收集起来进行加权整合，其中，在每个时间步下，簇首及簇内成员将执行计算和信息交互任务，该任务包括通过相邻簇首通信，对获取的变量值进行加权求和；将求和值和步长传输至簇内成员；簇内成员通过局部目标函数，进行迭代计算；将簇内成员变量进行加权求和，投影到约束集上，得到下一时刻决策变量；结束后，进入新一轮迭代更新，循环至满足精度要求；通过本发明方法，可以在实质上缩减网络规模，降低复杂度，实现更快的收敛，提升算法效率，降低通信负担。
-
公开(公告)号：CN119004764A
公开(公告)日：2024-11-22
申请号：CN202410948586.8
申请日：2024-07-15
Applicant: 同济大学
IPC: G06F30/20 , G06F17/10 , H04L41/14 , G06F111/04
Abstract: 本发明公开了一种基于精确惩罚法的高效分布式约束零和双网决策方法，步骤包括：(1)根据两网络之间的智能体建立网络模型，考虑分布式极大极小问题；(2)基于约束问题，利用惩罚函数将问题等价转化为无约束问题；(3)设计非光滑连续时间算法并验证算法的收敛性。不同于分布式投影算法，本发明提出的算法避免计算投影算子，减少了算法的计算量。本发明所提出的算法具有较低的状态变量维数，对于求解大规模两网络决策问题更有意义。
-
公开(公告)号：CN117707198A
公开(公告)日：2024-03-15
申请号：CN202311697752.3
申请日：2023-12-11
Applicant: 同济大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明涉及一种基于边缘系统和强化学习的无人机任务分配方法，方法包括：S1、设置无人机数据采集任务分配环境模型，环境模型包括无人机、障碍物、待采集数据点和边缘节点，边缘节点组成边缘系统；S2、每个无人机上设有一个训练完成的智能体，无人机执行群智感知任务的每一个时槽内，训练完成的智能体首先获取当前的状态，输出最优动作，基于最优动作控制无人机移动，然后在每一个时槽内剩余的时间内获取待采集数据点的数据；S3、选择出处于任一边缘节点的通信半径内的无人机，选择出的无人机在一个时槽结束时将离线任务状态信息发给边缘系统，并从边缘系统下载在线任务状态信息。与现有技术相比，本发明具有迁移性与普适性好等优点。
-
公开(公告)号：CN113159331B
公开(公告)日：2023-06-30
申请号：CN202110564356.8
申请日：2021-05-24
Applicant: 同济大学
IPC: G06N20/00
Abstract: 本发明公开了一种网络化机器学习系统的自适应稀疏度量化方法，应用于网络化机器学习系统的智能体，其包括：在当前时间步，某个智能体与目标智能体交换通信信息过程中，采用随机稀疏器对通信信息稀疏化；该智能体计算上一时间步其通信信息与目标智能体的通信信息之间的差异，并采用与该差异负相关的稀疏度作为当前时间步所述随机稀疏器所采用的稀疏度。对随机稀疏器所采用的稀疏度进行自适应调节，可以在确保通信质量的同时，尽量降低通信成本。
-
公开(公告)号：CN113300890B
公开(公告)日：2022-06-14
申请号：CN202110565504.8
申请日：2021-05-24
Applicant: 同济大学
IPC: H04L41/12
Abstract: 本发明公开了一种网络化机器学习系统的自适应通信方法，网络化机器学习系统包括多个智能体，该方法包括：初始化各智能体之间的网络拓扑，使得各智能体通过通信链路连接；对于任意一个智能体，初始化之后通过通信链路与其直接连接的智能体为相邻智能体；在每个时间步中，智能体通过处于活跃状态的通信链路与相邻智能体交换通信信息，并根据其与相邻智能体之间最新一次交换的通信信息之间的差异计算该智能体与相邻智能体之间的通信链路在下一个时间步中处于活跃状态的概率值，并依照概率值确定该通信链路在下一个时间步中是否处于活跃状态。通过该自适应通信方法可以在保持训练效果的同时降低总的通信成本。
-
Patent Agency Ranking
公开(公告)号：CN116797430A
公开(公告)日：2023-09-22
申请号：CN202310741392.6
申请日：2023-06-21
Applicant: 同济大学
Abstract: 本发明公开了一种基于局部信息目标防御博弈的多阶段最优决策方法，包括：目标的感知范围、防御者及入侵者的感知范围，其中防御者通过与目标合作共享目标感知域获取感知信息；博弈过程包括部署阶段、不对称信息阶段及参与阶段；当入侵者与防御者由于感知限制均无法获取对方的信息时，处于部署阶段；当入侵者处于目标的感知范围内，防御者拥有入侵者的全部信息且入侵者无法获取防御者信息，处于不对称信息阶段；当入侵者处于目标的感知范围内，且防御者处于入侵者的感知范围内，防御者与入侵者均拥有对手的全部信息阶段，处于参与阶段。根据本发明，可增大防御者保证捕获的优势角度，提高防御者获胜的概率。
-
公开(公告)号：CN113300890A
公开(公告)日：2021-08-24
申请号：CN202110565504.8
申请日：2021-05-24
Applicant: 同济大学
IPC: H04L12/24
Abstract: 本发明公开了一种网络化机器学习系统的自适应通信方法，网络化机器学习系统包括多个智能体，该方法包括：初始化各智能体之间的网络拓扑，使得各智能体通过通信链路连接；对于任意一个智能体，初始化之后通过通信链路与其直接连接的智能体为相邻智能体；在每个时间步中，智能体通过处于活跃状态的通信链路与相邻智能体交换通信信息，并根据其与相邻智能体之间最新一次交换的通信信息之间的差异计算该智能体与相邻智能体之间的通信链路在下一个时间步中处于活跃状态的概率值，并依照概率值确定该通信链路在下一个时间步中是否处于活跃状态。通过该自适应通信方法可以在保持训练效果的同时降低总的通信成本。
-
公开(公告)号：CN119893590A
公开(公告)日：2025-04-25
申请号：CN202411934448.0
申请日：2024-12-26
Applicant: 同济大学
Abstract: 本发明实施例提供了一种高速飞行器集群信息融合架构建立方法及装置。该方法包括：根据多个待感知目标对高速飞行器集群内的飞行器节点进行感知簇划分，得到各个待感知目标对应的感知簇；针对任意一个感知簇，从感知簇内的飞行器节点中选举出感知簇首，并对感知簇内除感知簇首之外的飞行器节点进行信息融合簇划分，得到多个信息融合簇；针对任意一个信息融合簇，从信息融合簇内的飞行器节点中选举出信息融合簇首；根据感知簇首、各个信息融合簇首、各个信息融合簇内除信息融合簇首之外的飞行器节点也即簇员节点，建立联合感知簇首‑信息融合簇首‑簇员节点的三层信息融合架构，以降低系统定位信息融合的平均时延和计算消耗。
-
公开(公告)号：CN119882394A
公开(公告)日：2025-04-25
申请号：CN202411837662.4
申请日：2024-12-13
Applicant: 同济大学
IPC: G05B9/03
Abstract: 本发明实施例提供了一种基于QSR的火场无人机系统软安全控制方法及装置。该方法包括：S1：定义火场无人机系统的QSR软安全；S2：分析火场无人机系统的子系统的QSR软安全特性；S3：根据分析得到的子系统的QSR软安全特性，求解子系统对应的控制器需要满足的QSR软安全特性；S4：基于求解得到的子系统对应的控制器需要满足的QSR软安全特性，设计火场无人机系统对应的软安全控制器组合，并以此对火场无人机系统进行软安全控制。以此方式，能够保障火场无人机系统在火场环境下的安全协同，避免因安全问题导致设备损坏与任务失败。
-
公开(公告)号：CN119437216A
公开(公告)日：2025-02-14
申请号：CN202411614162.4
申请日：2024-11-12
Applicant: 同济大学
Abstract: 本发明公开了一种基于复合流形优化的视觉惯导融合位姿估计方法及装置，该方法包括：通过待估计设备的图像获取模块获取实时图像数据以及通过待估计设备的传感模块获取惯性测量数据；基于预设的图像获取模块对应的观测投影模型，根据实时图像数据，计算图像观测数据；基于预先建立的惯导测量与动态模型，根据惯性测量数据，计算惯导预积分数据；基于预先建立的复合全解耦流形 优化的位姿估计框架，根据图像观测数据和惯导预积分数据，计算待估计设备的位姿数据。可见，实施本发明能够对待估计设备的位姿进行复合流形优化，提高视觉惯导融合优化算法的计算效率并保持了惯导预积分的一致性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.015 seconds)
