-
公开(公告)号：CN117420821A
公开(公告)日：2024-01-19
申请号：CN202310030779.0
申请日：2023-01-10
Applicant: 复旦大学
Abstract: 本发明提供一种基于学习的智能蚁群多智能体路径规划方法，通过对历史经验知识的学习，使每个蚂蚁都成为智能个体，极大提升蚁群算法的规划效率，解决传统蚁群算法在每一个新任务都需要重新规划的局限性。并且在使用传统蚁群算法解决多智能体路径规划时，考虑到了路径冲突，先为每个智能体进行规划再解决冲突，该过程随着智能体数量增加，规划时间成指数增长。然后利用卷积神经网络对规划好的无冲突路径进行学习，基于神经网络预测是否可能会发生冲突，从而减少冲突次数甚至避免冲突，因此大大减少规划时间。此外，由于在局部观测范围内进行规划，仅需知道局部环境信息而无需全局信息，具有简便高效的特点，可以更好地扩展运用到更大规模的地图中。
-
公开(公告)号：CN117420824A
公开(公告)日：2024-01-19
申请号：CN202310933886.4
申请日：2023-07-27
Applicant: 复旦大学
Abstract: 本发明提供了一种基于具有学习能力的智能蚁群算法的路径规划方法，包括以下步骤：步骤S1，使用蚁群算法求解大量路径规划任务，根据得到的解构造训练数据集；步骤S2，使用深度学习网络作为智能蚂蚁的大脑模块，使用训练数据集对大脑模块进行训练，智能蚂蚁用于预测不同路径规划任务在不同阶段下可行方向的选择概率；步骤S3，训练结束后，将训练好的智能蚂蚁与蚁群算法的传统蚂蚁混合，构建得到混合智能蚁群；步骤S4，通过混合智能蚁群进行路径规划，混合智能蚁群根据智能蚂蚁预测的选择概率、混合智能蚁群积累的信息素浓度和节点之间的距离来选择下一次运动，同时传统蚂蚁保持进行随机探索，并根据智能蚂蚁和传统蚂蚁的结果进行信息素浓度的更新。
-
公开(公告)号：CN114997646A
公开(公告)日：2022-09-02
申请号：CN202210619902.8
申请日：2022-06-02
Applicant: 复旦大学
IPC: G06Q10/06
Abstract: 本发明提供一种基于手机信令数据的大气污染健康风险实时动态评价方法，首先利用手机信令数据提取并分析用户‑时间‑位置‑行为状态信息；然后结合对应时间位置下的大气污染物浓度，计算出个体和人群的暴露浓度；最后基于空气质量健康指数(AQHI)原理进行个体和人群的大气污染健康实时动态风险评价。该方法提高了个体和人群暴露浓度的时空分辨率，在一定程度上解决了现有的大气污染健康风险评价中使用环境污染物浓度替代实际暴露浓度的问题和实效滞后性问题，实现了实时动态的大气污染健康风险评价，能够在高时空分辨率下更加便捷直观地展示大气污染健康风险的时空演变情况，为用户外出活动提供更加及时精确的参考和指导。
-
-
Search Results
3
records
(took 0.017 seconds)
