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！

龙图腾网恭喜西北工业大学申请的专利一种面向异构群智感知的多参与者选择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：CN115099565B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210553523.3，技术领域涉及：G06Q10/0631；该发明授权一种面向异构群智感知的多参与者选择方法是由於志文;张逢源;刘一萌;崔禾磊;郭斌;张璇;徐铁牛;宋勇博设计研发完成，并于2022-05-20向国家知识产权局提交的专利申请。

本一种面向异构群智感知的多参与者选择方法在说明书摘要公布了：本发明涉及一种面向异构群智感知的多参与者选择方法，具体过程为：对于异构群智感知背景下的异构参与者：人类参与者、无人车和固定传感器，首先给出统一的感知能力及成本的定义和量化方法。对于感知区域，根据其中待收集感知数据的POI、障碍物以及充电站等分布情况，综合考虑时间和空间特征，提出了基于GraphSAGE的子区域划分方法。最后结合子区域的时空特性和异构参与者的属性，提出了一种基于深度强化学习中近端策略优化算法的异构参与者选择算法来解决子区域的协作调度问题，以最大化感知数据收集率和感知数据平衡性，最小化感知数据成本为目标，实现异构群智感知下异构参与者的有效协同。

本发明授权一种面向异构群智感知的多参与者选择方法在权利要求书中公布了：1.一种面向异构群智感知的多参与者选择方法，其特征在于步骤如下：步骤1：定义异构群智感知中包含人类参与者节点U＝{u1,u2,...,uN}、无人车节点V＝{v1,v2,...,vM}和固定传感器节点S＝{s1,s2,...,sk}，其中人类参与者节点包含属性其中，表示人类参与者在时隙t时的位置，表示人类参与者的感知能力，表示人类参与者的感知成本；无人车节点包含属性其中，表示无人车节点在时隙t时的位置，表示无人车节点的感知能力，表示无人车节点的感知成本；固定传感器节点包含属性其中，表示固定传感器节点在时隙t时的位置，表示固定传感器节点的感知能力，表示固定传感器节点的感知成本；针对人类参与者、无人车和固定传感器这三类异构参与者节点，考虑他们在执行感知任务时的区别，将感知能力定义为感知范围和移动能力；给出三类异构参与者感知能力的定义： 其中，分别表示人类参与者、无人车节点和固定传感器节点的感知半径，分别表示人类参与者、无人车节点和固定传感器节点在时隙t时最大移动距离；定义在异构参与者感知半径内的POI数据可以被收集到，将时间段划分为一组等长的感知时隙通过设计调度策略在每个时隙内选择合适的异构参与者完成感知任务；步骤2：定义区域内包含着一组待采集数据的POI：P＝{p1,p2,...,pI}；计算时隙t时POI的数据收集率、数据收集公平性和数据收集成本；给定异构参与者选择策略π，时隙t时POI的数据收集率定义如下： 其中，dtπ；pi表示在策略π下时隙t时pi的累积数据收集率；为避免数据收集过程中的感知不平衡或盲区，使用Jain的公平性指数来评估时隙t处POI集的数据收集公平性；时隙t时POI的数据收集公平性定义如下： 将异构参与者的感知成本定义为移动成本和数据采集成本，对于人类参与者、无人车节点和固定传感器节点，定义他们的成本如下： 其中，为移动成本计算的权重，为数据的采集成本，为无人车节点撞到障碍物后的惩罚；步骤3：基于时空特征的感知区域划分方法，对于每个时隙t的感知区域定义为Gt＝Vt,εt,Xt；其中Vt表示感知区域内POI点集合，εt为邻接矩阵，表示节点间可达性；Xt表示节点特征；将图Gt中的所有节点按度降序排序，并选择前C个节点作为每个子区域的中心节点；使用广度优先搜索算法BFS提取子区域h跳节点，每个子区域中有s个节点；C和s用于最大化原始图形Gt的覆盖率；得到了一组子区域步骤4：使用GraphSAGE算法，提取子区域中节点的特征；第一层的输入是在神经网络的每一层中，对于每个节点首先对的相邻节点的嵌入向量进行非线性变换；使用max-pooling计算节点在第k层的所有相邻节点的特征表示，如下所示： 其中，表示节点表示节点的相邻节点u在k层的嵌入，表示节点在k层的所有相邻节点的特征表示；和顶点在k-1层的表示向量进行非线性变换，并串联结果以获得第k层中心节点的表示向量： 在上述GraphSAGE层操作之后，输入子区域的每个节点聚合其所有h-hop邻居节点的特征；然后将特征向量输入多层感知器MLP，将其映射为标量，并与STPPO中观察的其他属性串联；步骤5：在时隙t中，聚集子区域中所有节点的特征，并将其转换为一维标量，作为子区域观测的一部分；输入到参与者网络中包括：子区域的时空特征、数据收集率、所有异构参与者的位置以及子区域中选定的异构参与者集；然后，子区域参与者网络提供基于的动作分布，并使用上述分布对动作进行采样；给定一个感知区域G和调度时隙T，本发明目标是设计一个最佳调度策略π来最大化总体性能，其定义为综合数据公平性的POI集总体数据采集率和异构参与者采集成本的加权比： 其中，ξπ表示采取策略π时POI的数据收集率，Fπ表示采取策略π时收集数据的公平性，Costπ表示采取策略π时的收集成本；从所有子区域获得联合动作at，计算总奖励Rt，转换到下一个状态st+1，以及每个子区域的奖励每个子区域在缓冲区Bc中存储其观察到的然后将所有存储的观察值输入批评网络，得到所有状态的状态值函数步骤6：从每个子区域的缓冲区Bc中随机选择L个连续时隙的信息集进行训练；使用来计算优势函数和c-loss，用PPO来更新批评网络；对于参与者网络，通过计算旧参与者网络和新参与者网络间的重要性权重，来计算a-loss，使用PPO算法更新参与者网络。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。