Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京信息工程大学潘成胜获国家专利权

南京信息工程大学潘成胜获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南京信息工程大学申请的专利一种基于改进蛇鹫算法的有无人感知网络结构优化方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119729556B

龙图腾网通过国家知识产权局官网在2025-07-08发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510228365.8,技术领域涉及:H04W24/02;该发明授权一种基于改进蛇鹫算法的有无人感知网络结构优化方法是由潘成胜;王震;赵晨;夏长森;高伟伟;崔骁松设计研发完成,并于2025-02-28向国家知识产权局提交的专利申请。

一种基于改进蛇鹫算法的有无人感知网络结构优化方法在说明书摘要公布了:本发明公开了一种基于改进蛇鹫算法的有无人感知网络结构优化方法,首先根据异构有无人协同感知网络结构,基于节点的度、节点对之间的最短路径倒数的平均值,建立多目标优化模型,然后初始化改进蛇鹫算法的参数,采用上三角编码法,形成种群中的个体,并引入Tent混沌映射。利用改进蛇鹫算法求解多目标优化模型,通过蛇鹫的两种逃生策略,更新个体的位置和适应度值;引入高斯与柯西变异扰动,帮助算法跳出局部最优,向全局最优解搜索;引入贪婪策略,通过比较适应度值,指导算法在搜索过程中保持对最优解的追踪。本发明能得到不同任务下的最优的异构有无人协同感知网络结构,提升有无人系统的整体效能。

本发明授权一种基于改进蛇鹫算法的有无人感知网络结构优化方法在权利要求书中公布了:1.一种基于改进蛇鹫算法的有无人感知网络结构优化方法,其特征在于,包括以下步骤: S1、根据异构有无人协同感知网络结构,基于节点的度、节点对之间的最短路径倒数的平均值,建立多目标优化模型,具体是:分别构建以最大化鲁棒性、最大信息时效性以及最小化能量损耗为目标的目标函数;然后根据任务需求,调整目标函数的权重系数,并根据异构有无人协同感知网络结构的特点,添加目标函数的约束条件; 其中,基于节点间的距离,构建以最小能量损耗为目标的目标函数如下式: , 式中,d为两个通信节点间的距离;E elec 代表接受发送单位数据所需要的能量;;E fs 代表自由空间模式电路的能耗系数;E mp 代表多径衰减模式下电路的能耗系数; 目标函数的约束条件如下: 异构有无人协同感知网络结构中边的约束条件: , , 式中,W C-R 表示指挥节点与作战士兵之间的连边数,W R-R 表示作战士兵与作战士兵之间的连边数,W R-UGV 表示作战士兵与无人车之间的连边,W R-UAV 表示作战士兵与无人机之间的连边; 异构有无人协同感知网络结构中节点的度的约束条件: , , 式中,k person 表示指挥官与作战士兵的度,k non-person 表示无人机和无人车的度,k const 表示节点饱和度; 异构有无人协同感知网络结构中网络密度的约束条件: , 式中,D表示网络密度,D MAX 表示最大网络密度阈值; 异构有无人协同感知网络结构中能量损耗的约束条件: , 式中,E i 表示节点i的能量损耗;E max 表示节点i的最大能量容量; 异构有无人协同感知网络结构中邻接矩阵A取值约束条件为: , 式中,异构有无人协同感知网络结构的邻接矩阵A中元素a ij ,其值为1表示节点与节点相连接,为0表示节点与节点不连接; S2、初始化改进蛇鹫算法中的参数;针对异构有无人协同感知网络结构的邻接矩阵,采用上三角编码法,形成种群中的个体;在种群初始化阶段,引入Tent混沌映射,增加种群的多样性; S3、利用改进蛇鹫算法求解多目标优化模型,包括以下步骤: S3.1、开始迭代,通过蛇鹫的三种捕猎策略,更新其个体位置; S3.2、迭代过程中,通过蛇鹫的两种逃生策略,更新其个体的位置,并更新其适应度值;具体为:通过蛇鹫的两种逃生策略,更新其个体的位置,蛇鹫的两种逃生策略公式如下: , 其中,R2表示从正态分布中随机生成维度为的数组,x random 表示当前迭代的随机候选解,K表示整数1或2的随机选择; 步骤S3.2中的适应度函数如下式: , 式中,fit为目标函数,Fit为适应度值,Ave_d ij 为节点之间的路径跳数,R为系统鲁棒性,T为信息时效性,W ij 为节点i与节点j之间的能量损耗,w 1、w 2、w 3、以及w 4分别表示节点之间的路径跳数、系统鲁棒性、信息时效性以及能量损耗的权重系数,为违反约束条件的惩罚; S3.3、引入高斯与柯西变异扰动,更新适应度值,帮助算法跳出局部最优,继续向全局最优解搜索; S3.4、基于S3.3中的适应度值,引入贪婪策略,通过比较适应度值,指导算法在搜索过程中保持对最优解的追踪; S3.5、判断是否满足最大迭代次数,若是,则以迭代后的种群中的个体所对应的异构有无人协同感知网络结构作为最优异构有无人协同感知网络结构输出,否则执行步骤S3.1。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京信息工程大学,其通讯地址为:210032 江苏省南京市江北新区宁六路219号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。