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！

龙图腾网获悉特致珈(长沙)物联科技有限公司申请的专利基于物联网的减灾救援路径规划方法及系统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：CN121031933B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511557808.4，技术领域涉及：G06Q10/047；该发明授权基于物联网的减灾救援路径规划方法及系统是由杜春华;刁淑君;闫冬;王振华;夏岩;徐寒冰;彭拯;彭统华;周衡设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本基于物联网的减灾救援路径规划方法及系统在说明书摘要公布了：本发明公开了基于物联网的减灾救援路径规划方法及系统，方法包括环境交互、网络更新、奖励函数设计、内层网络训练、外层优化搜索和减灾救援路径规划。本发明属于路径规划领域，具体是指基于物联网的减灾救援路径规划方法及系统，本方案通过分段执行与延迟下发控制指令，降低指令冲突、减小超调与振荡；通过引入动态临时优先级，并结合距离进度、航向惩罚与能量感知设计分段奖励，提高减灾救援路径规划的安全性和可靠性；通过独特的交叉与变异操作的自适应概率调节，结合性能指标波动进行动态调整，适应现场复杂灾情变化，避免参数陷入局部最佳；引入增强阶段的基因重置机制，不断探索潜在的优解，提高路径效率和救援效果。

本发明授权基于物联网的减灾救援路径规划方法及系统在权利要求书中公布了：1.基于物联网的减灾救援路径规划方法，其特征在于：该方法包括以下步骤： 步骤S1：环境交互；通过物联网传感器与无人机协同构建实时环境栅格图并分段下发动作，实现环境交互； 步骤S2：网络更新；采用Q网络与策略网络以不同频率，结合双Q结构与回放缓存，对网络参数进行异步更新； 步骤S3：奖励函数设计；依据救援需求多目标设计奖励函数； 步骤S4：内层网络训练；收集环境交互数据，持续迭代训练网络参数获得性能指标； 步骤S5：外层优化搜索；通过优化超参数，采用自适应交叉和变异机制，以及阶段性增强筛选最优配置； 步骤S6：减灾救援路径规划；将最优策略部署至灾区现场，执行救援路径规划； 在步骤S3中，所述奖励函数设计是依据搜救任务，将奖励函数细化为多目标组合；引入临时优先级指标，奖励函数分段定义为：；；；其中，是通信链路质量指标；是剩余电量百分比；是当前与目标点的欧氏距离；是一步与目标点的距离；是无人机当前航向与目标方向的水平夹角；是通信权重系数；是能源权重系数；是到达目标区域的正奖励；是碰撞的负奖励；、和分别指到达目标区域、碰撞和其他情况；是距离进步奖励系数；是航向偏差惩罚系数；d是相对距离进度比；是剩余目标点数；是最大目标点数；是任务阈值；sign·是符号函数； 在步骤S4中，所述内层网络训练是初始化云端计算节点和云端服务器，加载Q网络与策略网络参数；初始化回放缓存，设置学习率、折扣因子和更新频率的超参数；将无人机与物联网传感器网络就绪，开始采集实时环境数据；重复迭代直至收敛或达到最大轮数，网络训练完成；迭代内容为：1由当前策略网络根据状态给出动作，将动作分解成转向、前进、升降子动作，按延迟和分段策略下发给无人机；以频率监测无人机状态与周边环境，及时记录碰撞预警；以频率记录一次交互样本到回放缓存；2若达到Q网络或策略网络更新条件，则从回放缓存中随机采样样本批次；使用双Q网络的最小值更新目标，计算目标值，并对在线Q网络参数进行梯度下降；使用更新后的Q网络指导策略网络的梯度上升，更新策略网络参数；达到同步条件后，将在线Q网络参数复制到目标网络；3继续执行下一个时步，直至整个回合结束；此时单次内层训练结束，输出此次超参数配置下的性能指标；性能指标表示为：；其中，、、和分别是平均累计奖励、碰撞率、通信链路稳定性和能耗，、、和是对应权重； 在步骤S5中，所述外层优化搜索具体包括以下步骤： 步骤S51：将学习率、折扣因子、更新频率和奖励权重作为染色体个体设置，在云端并行执行优化评估；每一代优化个体都在云端并行执行内层网络训练，得到种群中每个个体的适应度；初始化M个染色体个体，映射为二进制种群；将性能指标作为个体适应度；对个体基于自适应概率进行交叉与变异；对于第n代，个体的交叉与变异概率表示为：； ；其中，是个体执行交叉操作的概率；和分别是交叉概率的上界和下界；是个体执行变异操作的概率；和分别是变异操作的上界和下界；是当前代所有个体的平均适应度值；是当前代所有个体的最大适应度值；是参与交叉的两父代中适应度的最大值；是个体自身适应度；是最大迭代代数；是指数衰减因子； 步骤S52：重置增强；每隔m代，将适应度排名中段的个体基因随机重置，并临时提升交叉变异概率，表示为：；；其中，和分别是重置增强阶段个体临时提升后的交叉概率和变异概率；w是窗口中心；是形状因子； 步骤S53：设定阈值，当达到最大代数或适应度波动小于阈值时结束；得到最优个体表示的超参数；将最优个体表示的超参数下发到云端节点，替换学习率、折扣因子、更新频率和奖励权重设定，训练Q网络与策略网络。

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特致珈(长沙)物联科技有限公司，其通讯地址为：410000 湖南省长沙市岳麓山国家大学科技城岳麓街道潇湘中路328号麓枫和苑1栋613室；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”。

以上内容由龙图腾AI智能生成。