CN112071122A - 一种用于信息采集的无人机群路径规划方法 - Google Patents

一种用于信息采集的无人机群路径规划方法 Download PDF

Info

Publication number
CN112071122A
CN112071122A CN202010692416.XA CN202010692416A CN112071122A CN 112071122 A CN112071122 A CN 112071122A CN 202010692416 A CN202010692416 A CN 202010692416A CN 112071122 A CN112071122 A CN 112071122A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
path planning
clustering
monitoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010692416.XA
Other languages
English (en)
Inventor
曹正阳
王丽娜
吴亚龙
李大健
吴建军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Aisheng Uav Technology Co ltd
Original Assignee
Xi'an Aisheng Uav Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xi'an Aisheng Uav Technology Co ltd filed Critical Xi'an Aisheng Uav Technology Co ltd
Priority to CN202010692416.XA priority Critical patent/CN112071122A/zh
Publication of CN112071122A publication Critical patent/CN112071122A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种用于信息采集的无人机群路径规划方法，通过对需要进行监测的环境监测点进行建模，然后将各个区域和无人机基地进行一一对应进行任务分配，最后对单个无人机执行监测任务进行路径规划，采用基于模拟退火改进的K均值任务分群算法求解该评估模型下代价最小的无人机飞行路径，从而得到多无人机协同的路径规划方法。本发明采用模拟退火算法对K均值聚类算法进行改进，使得得到的分群结果更加均衡，能够更有效的提高任务分群的效果，缩短了路径规划的距离，有利于提高无人机群路径规划的效率，从而能有效的提高信息采集效率，使得采集到的信息参数具有时效性。

Description

一种用于信息采集的无人机群路径规划方法
技术领域
本发明主要涉及无人机集群技术领域，具体涉及一种用于信息采集的无人机群路径规划方法。
背景技术
单一的无人机欠缺执行任务的能力和单一的搜索策略，多无人机协同填补了单一无人机的不足。执行任务时，由多个无人机组成的完整的无人机群***，实现统一步调的信息通信，执行不同的目标任务，无人机应用在各种领域。
对于无人机路径规划研究的理论还不是很成熟，存在很多问题，目前，需要优化的问题还很多。主要有以下几个方面：
(1)路径的可行性：规划得到的无人机飞行路径满足实际飞行情况且满足无人机执行任务；
(2)无人机群协同控制***稀缺：对于无人机群协同路径规划的方法基本都是停留在理论阶段，并没有一套完善的控制无人机群的***；
(3)实时性：无人机进行飞行路径规划时要着重考虑时间因素；
(4)不可预测的飞行环境：由于无人机进行路径规划的时候，对于某一些特殊的情况需要进行考虑，使无人机路径规划***更加智能。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种用于信息采集的无人机群路径规划方法，其采用模拟退火算法对K均值聚类算法进行改进，使得得到的分群结果更加均衡，能够更有效的提高任务分群的效果，缩短了路径规划的距离，有利于提高无人机群路径规划的效率，从而能有效的提高信息采集效率，使得采集到的信息参数具有时效性。
本发明解决其技术问题所采用的技术方案是：一种用于信息采集的无人机群路径规划方法，包括以下步骤：
步骤一：确定监测点的位置并建立坐标：
首先对需要进行监测的环境监测点进行建模，需要确定监测点的位置，给定监测点的地理坐标即经纬度，需要对监测点的经纬度坐标做处理转化成二维直角坐标即对监测点进行数学建模；然后将监测点进行区域划分，划分的标准是各个区域内的监测点尽可能的集中且各区域的监测点数量分布比较均匀；
步骤二：对无人机进行任务分配：
然后将各个区域和无人机基地进行一一对应，对应的标准是使无人机基地到该区域的路程尽可能的短，该过程是对无人机进行任务分配的过程，任务分配的原则是使各个无人机在监测任务的要求下，使整体的效率最高，付出的代价最小；
步骤三：路径规划：
最后对单个无人机执行监测任务进行路径规划，路径规划的标准是使无人机从基地到达所有监测点最后回到基地且每个监测点只能被到达一次，规划出一条尽可能短的无人机飞行路径。
步骤四：得到多无人机协同的路径规划方法：
采用基于模拟退火改进的K均值任务分群算法求解该评估模型下代价最小的无人机飞行路径，使整体的效率最高，付出的代价最小。
进一步的是：步骤四包括以下步骤：
(1)用K均值聚类算法对样本T＝(T1，T2，…，TM)进行聚类，得到初始的聚类结果A＝(A1，A2，…，AS)，然后目标函数进行计算是根据当前的聚类划分得到的总类之间离散度指标进行的；
(2)初始化温度值T0，令T0＝JA，初始化最大退火的次数以及初始化退火速度a；
(3)在t温度时刻，由随机扰动产生一个新的聚类划分A′，计算新的目标函数值JA′；
(4)对新的目标函数值和当前目标函数值的差ΔJ＝JA′-JA进行新的计算，判断ΔJ是否小于0；
(5)如果ΔJ＜0，则接受新的解，保存聚类划分A′是最优聚类划分，目标函数值为JA′,把新的解当作当前解；
(6)如果ΔJ≥0，根据Metropolis准则，以p＝exp(ΔJ/Kt)的概率接受新解，K是物理学中的波尔兹曼常数；
(7)对退火次数进行判断是否达到了最大，如果退火次数达到最大退火次数则算法结束，输出结果，如果退火次数没有达到就根据退火公式t＝JA/ln(1+a*t)对温度进行退火，然后返回步骤3继续迭代。
进一步的是：步骤四中的步骤(1)聚类结果A满足以下条件：
Figure BDA0002589764940000021
进一步的是：步骤四中的步骤(1)中的目标函数如下：
Figure BDA0002589764940000031
式中，X为样本向量，w为聚类划分，
Figure BDA0002589764940000032
为第i个聚类的中心，
Figure BDA0002589764940000033
为样本到对应聚类中心距离，聚类准则函数JW为各类到对应聚类中心距离总和。
进一步的是：步骤四中的步骤(2)中的退火速度a的值为0.90～0.99。
本发明首先对需要进行监测的环境监测点进行建模，需要对所有的环境监测点进行确定，其次选择标准点o进行二维平面直角坐标系，该坐标系建立的原则有以下两个：(1)所有的环境监测目标点都在在直角坐标系的第一象限；(2)监测目标点尽可能的靠近坐标轴；然后将监测点进行区域划分，划分的标准是各个区域内的监测点尽可能的集中且各区域的监测点数量分布比较均匀；再然后将各个区域和无人机基地进行一一对应，对应的标准是使无人机基地到该区域的路程尽可能的短，该过程是对无人机进行任务分配的过程；最后是对单个无人机执行监测任务进行路径规划，路径规划的标准是使无人机从基地到达所有监测点最后回到基地且每个监测点只能被到达一次，规划出一条尽可能短的无人机飞行路径。
本发明与现有技术相比具有以下优点：采用模拟退火算法对K均值聚类算法进行改进，使得得到的分群结果更加均衡，能够更有效的提高任务分群的效果，缩短了路径规划的距离，有利于提高无人机群路径规划的效率，从而能有效的提高信息采集效率，使得采集到的信息参数具有时效性。
附图说明
图1为本发明中的工作流程图；
图2为本发明中基于模拟退火改进的K均值任务分群算法流程图。
具体实施方式
下面结合附图及实施例描述本发明具体实施方式：
图1和图2示出了本发明的具体实施方式，一种用于信息采集的无人机群路径规划方法，包括以下步骤：
步骤一：确定监测点的位置并建立坐标：
首先对需要进行监测的环境监测点进行建模，需要确定监测点的位置，给定监测点的地理坐标即经纬度，需要对监测点的经纬度坐标做处理转化成二维直角坐标即对监测点进行数学建模；然后将监测点进行区域划分，划分的标准是各个区域内的监测点尽可能的集中且各区域的监测点数量分布比较均匀；
步骤二：对无人机进行任务分配：
然后将各个区域和无人机基地进行一一对应，对应的标准是使无人机基地到该区域的路程尽可能的短，该过程是对无人机进行任务分配的过程，任务分配的原则是使各个无人机在监测任务的要求下，使整体的效率最高，付出的代价最小；
步骤三：路径规划：
最后对单个无人机执行监测任务进行路径规划，路径规划的标准是使无人机从基地到达所有监测点最后回到基地且每个监测点只能被到达一次，规划出一条尽可能短的无人机飞行路径。
步骤四：得到多无人机协同的路径规划方法：
采用基于模拟退火改进的K均值任务分群算法求解该评估模型下代价最小的无人机飞行路径，使整体的效率最高，付出的代价最小。
优选的，步骤四包括以下步骤：
(1)用K均值聚类算法对样本T＝(T1，T2，…，TM)进行聚类，得到初始的聚类结果A＝(A1，A2，…，AS)，然后目标函数进行计算是根据当前的聚类划分得到的总类之间离散度指标进行的；
(2)初始化温度值T0，令T0＝JA，初始化最大退火的次数以及初始化退火速度a；
(3)在t温度时刻，由随机扰动产生一个新的聚类划分A′，计算新的目标函数值JA′；
(4)对新的目标函数值和当前目标函数值的差ΔJ＝JA′-JA进行新的计算，判断ΔJ是否小于0；
(5)如果ΔJ＜0，则接受新的解，保存聚类划分A′是最优聚类划分，目标函数值为JA′,把新的解当作当前解；
(6)如果ΔJ≥0，根据Metropolis准则，以p＝exp(ΔJ/Kt)的概率接受新解，K是物理学中的波尔兹曼常数；
(7)对退火次数进行判断是否达到了最大，如果退火次数达到最大退火次数则算法结束，输出结果，如果退火次数没有达到就根据退火公式t＝JA/ln(1+a*t)对温度进行退火，然后返回步骤3继续迭代。
优选的，步骤四中的步骤(1)聚类结果A满足以下条件：
Figure BDA0002589764940000051
进一步的是：步骤四中的步骤(1)中的目标函数如下：
Figure BDA0002589764940000052
式中，X为样本向量，w为聚类划分，
Figure BDA0002589764940000053
为第i个聚类的中心，
Figure BDA0002589764940000054
为样本到对应聚类中心距离，聚类准则函数JW为各类到对应聚类中心距离总和。
优选的，步骤四中的步骤(2)中的退火速度a的值为0.90～0.99。
本发明首先对需要进行监测的环境监测点进行建模，需要对所有的环境监测点进行确定，其次选择标准点o进行二维平面直角坐标系，该坐标系建立的原则有以下两个：(1)所有的环境监测目标点都在在直角坐标系的第一象限；(2)监测目标点尽可能的靠近坐标轴；然后将监测点进行区域划分，划分的标准是各个区域内的监测点尽可能的集中且各区域的监测点数量分布比较均匀；再然后将各个区域和无人机基地进行一一对应，对应的标准是使无人机基地到该区域的路程尽可能的短，该过程是对无人机进行任务分配的过程；最后是对单个无人机执行监测任务进行路径规划，路径规划的标准是使无人机从基地到达所有监测点最后回到基地且每个监测点只能被到达一次，规划出一条尽可能短的无人机飞行路径。
本发明将模拟退火的思想应用于K均值聚类算法中对K均值聚类算法进行优化，模拟退火法有良好的并行性和收敛性，收敛概率为1；改进后的算法可以提高原始K均值算法的性能，降低局限性。初始解采用基本K均值聚类算法聚类的结果，初始温度T0为初始目标函数值，内能E模拟目标函数值，“产生新解、计算目标函数差、接受或者舍弃新解”，对该过程进行重读当前解；然后进行降温处理，算法结束时得出的解近似为最优解；改进后的算法可以快速找到较优的区域，然后对该区域进行仔细的搜索，直到找到全局最优的解。
上面结合附图对本发明优选实施方式作了详细说明，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。

Claims (5)

1.一种用于信息采集的无人机群路径规划方法，其特征在于：包括以下步骤：
步骤一：确定监测点的位置并建立坐标：
首先对需要进行监测的环境监测点进行建模，需要确定监测点的位置，给定监测点的地理坐标即经纬度，需要对监测点的经纬度坐标做处理转化成二维直角坐标即对监测点进行数学建模；然后将监测点进行区域划分，划分的标准是各个区域内的监测点尽可能的集中且各区域的监测点数量分布比较均匀；
步骤二：对无人机进行任务分配：
然后将各个区域和无人机基地进行一一对应，对应的标准是使无人机基地到该区域的路程尽可能的短，该过程是对无人机进行任务分配的过程，任务分配的原则是使各个无人机在监测任务的要求下，使整体的效率最高，付出的代价最小；
步骤三：路径规划：
最后对单个无人机执行监测任务进行路径规划，路径规划的标准是使无人机从基地到达所有监测点最后回到基地且每个监测点只能被到达一次，规划出一条尽可能短的无人机飞行路径。
步骤四：得到多无人机协同的路径规划方法：
采用基于模拟退火改进的K均值任务分群算法求解该评估模型下代价最小的无人机飞行路径，使整体的效率最高，付出的代价最小。
2.如权利要求1所述的一种用于信息采集的无人机群路径规划方法，其特征在于：步骤四包括以下步骤：
(1)用K均值聚类算法对样本T＝(T1，T2，…，TM)进行聚类，得到初始的聚类结果A＝(A1，A2，…，AS)，然后目标函数进行计算是根据当前的聚类划分得到的总类之间离散度指标进行的；
(2)初始化温度值T0，令T0＝JA，初始化最大退火的次数以及初始化退火速度a；
(3)在t温度时刻，由随机扰动产生一个新的聚类划分A′，计算新的目标函数值JA′；
(4)对新的目标函数值和当前目标函数值的差ΔJ＝JA′-JA进行新的计算，判断ΔJ是否小于0；
(5)如果ΔJ＜0，则接受新的解，保存聚类划分A′是最优聚类划分，目标函数值为JA′,把新的解当作当前解；
(6)如果ΔJ≥0，根据Metropolis准则，以p＝exp(ΔJ/Kt)的概率接受新解，K是物理学中的波尔兹曼常数；
(7)对退火次数进行判断是否达到了最大，如果退火次数达到最大退火次数则算法结束，输出结果，如果退火次数没有达到就根据退火公式t＝JA/ln(1+a*t)对温度进行退火，然后返回步骤3继续迭代。
3.如权利要求2所述的一种用于信息采集的无人机群路径规划方法，其特征在于：步骤四中的步骤(1)聚类结果A满足以下条件：
Figure FDA0002589764930000021
4.如权利要求2所述的一种用于信息采集的无人机群路径规划方法，其特征在于：步骤四中的步骤(1)中的目标函数如下：
Figure FDA0002589764930000022
式中，X为样本向量，w为聚类划分，
Figure FDA0002589764930000023
为第i个聚类的中心，
Figure FDA0002589764930000024
为样本到对应聚类中心距离，聚类准则函数JW为各类到对应聚类中心距离总和。
5.如权利要求3所述的一种用于信息采集的无人机群路径规划方法，其特征在于：步骤四中的步骤(2)中的退火速度a的值为0.90～0.99。
CN202010692416.XA 2020-07-17 2020-07-17 一种用于信息采集的无人机群路径规划方法 Pending CN112071122A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010692416.XA CN112071122A (zh) 2020-07-17 2020-07-17 一种用于信息采集的无人机群路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010692416.XA CN112071122A (zh) 2020-07-17 2020-07-17 一种用于信息采集的无人机群路径规划方法

Publications (1)

Publication Number Publication Date
CN112071122A true CN112071122A (zh) 2020-12-11

Family

ID=73656559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010692416.XA Pending CN112071122A (zh) 2020-07-17 2020-07-17 一种用于信息采集的无人机群路径规划方法

Country Status (1)

Country Link
CN (1) CN112071122A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112629539A (zh) * 2020-12-15 2021-04-09 西安电子科技大学 一种多无人机路径规划方法
CN112950085A (zh) * 2021-04-07 2021-06-11 江苏大势航空科技有限公司 无人机集群监测方法、计算机存储介质及电子设备
CN113252057A (zh) * 2021-05-13 2021-08-13 青岛科技大学 一种基于高德导航数据的驾驶倾向性辨识方法和***
CN113487264A (zh) * 2021-07-20 2021-10-08 中南大学 一种基于异构多无人机的物流配送方法及***
CN113705827A (zh) * 2021-07-29 2021-11-26 阿里巴巴新加坡控股有限公司 一种模型评估方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190182326A1 (en) * 2016-01-27 2019-06-13 Honeywell International Inc. Vehicle defined source transmitter
CN110364031A (zh) * 2019-07-11 2019-10-22 北京交通大学 地面传感器网络中无人机集群的路径规划和无线通信方法
CN111256681A (zh) * 2020-05-07 2020-06-09 北京航空航天大学 一种无人机群路径规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190182326A1 (en) * 2016-01-27 2019-06-13 Honeywell International Inc. Vehicle defined source transmitter
CN110364031A (zh) * 2019-07-11 2019-10-22 北京交通大学 地面传感器网络中无人机集群的路径规划和无线通信方法
CN111256681A (zh) * 2020-05-07 2020-06-09 北京航空航天大学 一种无人机群路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张爽爽: "环境监测的无人机群路径规划方法研究", 《中国优秀硕士论文全文数据库》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112629539A (zh) * 2020-12-15 2021-04-09 西安电子科技大学 一种多无人机路径规划方法
CN112950085A (zh) * 2021-04-07 2021-06-11 江苏大势航空科技有限公司 无人机集群监测方法、计算机存储介质及电子设备
CN112950085B (zh) * 2021-04-07 2024-03-26 江苏大势航空科技有限公司 无人机集群监测方法、计算机存储介质及电子设备
CN113252057A (zh) * 2021-05-13 2021-08-13 青岛科技大学 一种基于高德导航数据的驾驶倾向性辨识方法和***
CN113487264A (zh) * 2021-07-20 2021-10-08 中南大学 一种基于异构多无人机的物流配送方法及***
CN113487264B (zh) * 2021-07-20 2022-09-02 中南大学 一种基于异构多无人机的物流配送方法及***
CN113705827A (zh) * 2021-07-29 2021-11-26 阿里巴巴新加坡控股有限公司 一种模型评估方法、装置及电子设备
CN113705827B (zh) * 2021-07-29 2024-04-12 阿里巴巴创新公司 一种模型评估方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN112071122A (zh) 一种用于信息采集的无人机群路径规划方法
CN108182115B (zh) 一种云环境下的虚拟机负载均衡方法
CN105203106B (zh) 一种基于模拟退火粒子群算法的wMPS网络布局优化方法
CN113448703B (zh) 一种基于感知阵型的无人机蜂群动态侦察任务调度***及方法
CN111580564B (zh) 一种三维群无人机并行式多目标搜索协同作业方法
CN109978284B (zh) 一种基于混合神经网络模型的光伏发电功率分时预测方法
CN104536828A (zh) 基于量子粒子群算法的云计算的任务调度方法和***
JP2010134863A (ja) 制御対象の制御入力決定手段
CN106408031A (zh) 一种最小二乘支持向量机的超参优化方法
CN116772880B (zh) 一种基于无人机视觉的无人车路径规划方法
CN113406974A (zh) 一种面向无人机集群联邦学习的学习与资源联合优化方法
CN113507696A (zh) 一种基于基站空间布局优化的室内定位方法及***
CN112462805A (zh) 基于改进蚁群算法的5g网联无人机航迹规划方法
CN108845886A (zh) 基于相空间的云计算能耗优化方法和***
CN106228235B (zh) 一种顾及格局与过程耦合效应的土地利用空间优化配置方法
CN117250996B (zh) 一种无人集群对可移动目标的搜索方法
CN110113815B (zh) 一种改进的基于iwo的无线传感器网络定位方法
Yang et al. Research on high precision indoor positioning method based on low power Bluetooth technology
CN114493106B (zh) 一种基于地理划分的空间众包任务分配方法
CN108614889B (zh) 基于混合高斯模型的移动对象连续k近邻查询方法及***
CN107094284B (zh) 一种基于谱聚类算法的机会网络群组移动方法
CN111160654A (zh) 一种基于模糊c均值-模拟退火算法减小总成本的运输路径优化方法
CN115935709A (zh) 一种自适应差分进化算法用于无源雷达布站的优化方法
CN112698666B (zh) 一种基于气象栅格的飞行器航路优化方法
CN114329855B (zh) 一种无线视觉传感网络的传感器布局优化与快速部署方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20201211

RJ01 Rejection of invention patent application after publication