一种适用于抵近电磁频谱侦察场景下的无人艇群自组织最优任务子群生成方法

    公开(公告)号:CN119886637A

    公开(公告)日:2025-04-25

    申请号:CN202411839986.1

    申请日:2024-12-13

    Applicant: 扬州大学

    Abstract: 本发明公开了一种适用于抵近电磁频谱侦察场景下的无人艇群自组织最优任务子群生成方法,包括地面站从无人艇群中随机选择一个节点作为初始候选簇头,发送战术任务和相关参数,利用启发式算法计算出自己的加权度量函数值,并将结果发送回初始候选簇头节点,选择加权度量函数值最大的节点作为第二轮的候选簇头节点,进行第二轮迭代,直到候选簇头节点稳定不变,迭代结束;簇头节点将根据任务分解算法模块,将战术任务分解成各个节点可执行的个体任务。本发明大幅度减少了中央控制系统的计算负担,有效解决了由于集群规模的非线性增长带来的“维度灾难”,可以保证无人艇节点的分组更加有针对性和有效性,也能够提高任务完成的成功率和效率。

    一种融合改进雪消融优化算法与CNN+KAN+LSTM+MSA混合模型功率预测方法

    公开(公告)号:CN119720116A

    公开(公告)日:2025-03-28

    申请号:CN202411711136.3

    申请日:2024-11-27

    Applicant: 扬州大学

    Abstract: 本发明公开了一种融合改进雪消融优化算法与CNN+KAN+LSTM+MSA混合模型功率预测方法,包括如下步骤:根据融合佳点集策略和周期振荡突变策略构建雪消融优化算法;构建融合GVSAO算法的CNN‑KAN+BiLSTM‑MSA混合模型及超参数学习过程。本发明通过佳点集策略,初始解分布更加均匀,覆盖解空间更广泛,增强全局搜索的能力;周期振荡突变策略防止解过早收敛,保持了解的多样性,确保探索全局最优解;局部开发阶段逐步精炼候选解,提高了解的质量和收敛效率;大幅提升了雪消融优化算法的性能,能够更好地找到全局最优解;将空间特征提取与时序学习相结合有效地解决了时间序列预测的难题。

    一种基于结构涌现的集群协同电磁频谱侦察编队控制方法

    公开(公告)号:CN119439839A

    公开(公告)日:2025-02-14

    申请号:CN202411533655.5

    申请日:2024-10-30

    Applicant: 扬州大学

    Inventor: 陈向坚 李超 李迪

    Abstract: 本发明公开了一种基于结构涌现的集群协同电磁频谱侦察编队控制方法,包括:根据协同战术规定的平台间基线长度L,执行任务的节点数量n,确定每个节点的航迹半径R;根据节点的平台自身极限运动属性vmax,确定每个节点的航迹周期T;计算无人角速度ω,建立单节点运动方程;计算节点进入的时间差ΔT,每个节点出发位置(xi0,yi0),各个节点出发时间ti,各个节点在t时刻的坐标(xi,yi),各个节点在t时刻的速度vi以及各个节点在t时刻与主站的夹角θi;计算集群平台任务序列航迹文件。本发明可以有效降低单平台航迹复杂度,降低飞行控制难度,平台适用类型无限制,系统鲁棒性高。

    基于粒子群优化算法的组合拍卖机制设计方法

    公开(公告)号:CN115310579A

    公开(公告)日:2022-11-08

    申请号:CN202210966641.7

    申请日:2022-08-12

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于粒子群优化算法的组合拍卖机制设计方法,首先从先验分布中生成用户对物品的估值信息;然后使用粒子群优化算法搜索一组参数线性映射用户的估值;接着将赢者确定问题建模为整数规划程序,通过解决整数规划程序获得用户分配结果;最后使用基于虚拟估值的VCG机制公式获得用户的支付结果和用户的收益。本发明克服用户估值不对称的问题,通过虚拟估值方法提高估值低用户的竞争力,使得估值高用户支付更多的钱,提高卖家的收益。

Patent Agency Ranking