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！

龙图腾网恭喜电子科技大学申请的专利基于反向学习蛇算法的无人机任务分配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：CN115755964B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202211424607.3，技术领域涉及：G05D1/46；该发明授权基于反向学习蛇算法的无人机任务分配方法是由路嘉琪;徐源成;李维豪;孙鹏;施孟佶;林伯先;秦开宇;李志强设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于反向学习蛇算法的无人机任务分配方法在说明书摘要公布了：本发明公开了一种基于反向学习蛇算法的无人机任务分配方法，包括以下步骤：S1、对任务分配场景建模；S2、设置反向学习的蛇算法初始化参数：使用基于种群的算法，设置算法的种群、迭代次数、各个环节的门限值参数；S3、对优化过程进行迭代，输出全局最优解；S4、求解得到无人机对任务的最优分配，将此分配方案输出，并计算其最终收益。本发明主要针对无人机集群这一特定物理对象，将其抽象成无人机集群解决任务分配的问题。首先，建立任务分配问题的数学模型，利用群智能算法，结合反向学习过程，对随机生成的种群进行筛选，减少了算力消耗。因此，本发明所提出的基于反向学习蛇算法的无人机任务分配方法对计算资源不富裕的系统具有明显的优势。

本发明授权基于反向学习蛇算法的无人机任务分配方法在权利要求书中公布了：1.基于反向学习蛇算法的无人机任务分配方法，其特征在于，包括以下步骤：S1、对任务分配场景建模：假设有m架无人机执行n项任务，m≥n，各项任务是同时开始同时结束的，每项任务需要至少一架无人机去完成，允许空闲无人机存在，则任务分配问题的决策变量即为一个二值矩阵U，矩阵中第i行第j个元素uij＝1代表着无人机i执行任务j，uij＝0则表示无人机i未执行任务j；将代价矩阵表示为W，矩阵中第i行第j个元素wij代表无人机i执行任务j的代价；根据代价最小化原则，建立目标函数及其约束条件为： S2、设置反向学习的蛇算法初始化参数：使用基于种群的算法，设置算法的种群、迭代次数、各个环节的门限值参数；算法的种群设置方法包括如下子步骤：S21、重定义：将决策变量U行向量化为x＝u11,u12,…,u1n,…,um1,um2,…,umn，将代价矩阵W行向量化为w＝w11,w12,…,w1n,…,wm1,wm2,…,wmn，两个向量的维度都是D＝m×n，且决策变量受到下界和上界的限制，对各元素都有xmin＝0≤xd≤xmax＝1，xd表示x中第d个元素，d＝1,…,D；由于决策变量x是二值离散的，故目标函数重新定义为minfx＝x′·w，其中x′＝roundx，表示对每个元素进行四舍五入；S22、生成原始种群集X：随机生成P个在[xmin,xmax]区间上服从独立均匀分布的蛇个体xi：xi＝xmin+r×xmax-xmin,xi∈X2其中r为服从[0,1]区间均匀分布的随机数；S23、计算反向种群集按照下式计算每个个体xi的反向个体 S24、对原始种群和反向种群融合并筛选：因为问题的目标是最大化fx，故取集合中使得目标函数fx较大的前D个元素，并随机等分到两个集合Xm与Xf中，分别代表雄性种群和雌性种群；记minfx为函数fx的最小值，argminfx表示求使目标函数fx取最小值时的变量值，则记录“食物”为：ffood＝minfx，xfood＝argminfx，x∈Xm∪Xf；S3、对优化过程进行迭代：设置问题求解的总迭代次数为T，当前次数为t；计算环境参数：温度H、食物数量Q，在t≤T时，根据当前的食物数量Q与其门限值Qth的关系，和当前温度H与其门限值Hth的关系进行迭代求解；每一次迭代结束后更新当前场上各个性别种群中的最优个体，并将其定义为食物的位置，并与上一代作比较，并对t进行自增，重复执行S3；直到tT时，跳出循环，输出全局最优解；S4、求解得到无人机对任务的最优分配，将此分配方案输出，并计算其最终收益。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。