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！

龙图腾网获悉贵州大学申请的专利一种面向灾区救援的多无人机飞行搜救轨迹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：CN115866574B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211454058.4，技术领域涉及：H04W4/90；该发明授权一种面向灾区救援的多无人机飞行搜救轨迹优化方法是由邹赛;关月;高鸿峰;喻海生设计研发完成，并于2022-11-21向国家知识产权局提交的专利申请。

本一种面向灾区救援的多无人机飞行搜救轨迹优化方法在说明书摘要公布了：本发明公开了一种面向灾区救援的多无人机飞行搜救轨迹优化方法，包括：采用配备射频RF通信模块和自由空间光FSO通信模块的无人机作为中继节点，连接远程基站。考虑RFFSO通信频谱资源管理和无人机数量最小化，通过增强K‑means算法和扩展多模态深度强化学习算法，提出了一种用于灾区应急通信的多无人机协同轨迹优化方法。同时基于多模态深度强化学习，根据移动用户的位置和运动轨迹，训练无人机协同工作。本发明通过多模态深度强化学习算法提高了RFFSO通信频谱资源的利用率，同时最大限度地提高了同总链路吞吐量，与其他方法对比，本发明还提高了RF分配效率和FSO通信回传的比特率。

本发明授权一种面向灾区救援的多无人机飞行搜救轨迹优化方法在权利要求书中公布了：1.一种面向灾区救援的多无人机飞行搜救轨迹优化方法，其特征在于，包括以下步骤： 构建无人机用户通信模型、用户移动模型、无人机基站通信模型； 通过所述无人机用户通信模型获得无人机与用户之间的平均路径损失； 通过所述用户移动模型获得用户的移动速度与移动方向； 通过所述无人机基站通信模型获得不同可见度下无人机与基站的回程速率； 基于平均路径损失、用户的移动速度与移动方向、无人机与基站的回程速率构建分布式部分可观察马尔可夫四元组； 基于分布式部分可观察马尔可夫四元组，引入并增强k-means算法，并通过扩展多模态深度强化学习方法，实现无人机飞行轨迹的动态优化； 所述用户移动模型包括：采用麦克斯韦-玻尔兹曼分布模拟获得用户运动速度，采用高斯分布模拟获得用户运动方向； 基于无人机的传输功率、所述平均路径损失、加性高斯白噪声功率计算无人机与用户之间通信的信号与噪声加干扰比； 所述分布式部分可观察马尔可夫四元组包括观察数据、状态空间、动作空间、奖励函数；所述观察数据包括无人机自身位置和速度、地面用户的位置和速度及地面基站的位置信息；所述状态空间基于地面基站的位置、无人机动态速度及用户的动态速度；所述动作空间为委任及保持固定高度，沿前后和左右飞行不同个数的单位长度，构成连续的动作空间；所述奖励函数基于最大化连接用户数量和全局流量吞吐量； 奖励函数的表达式如下： 其中，代表的是断联的用户数，由公式计算得出， 是无人机数量，是总用户数，是连接无人机的个用户；，代表折扣因子，是固定的，而随着用户数量进行变化，为所述信号与噪声加干扰比，为所述回程速 率； 无人机飞行轨迹的动态优化过程包括：基于所述增强k-means算法初始化无人机位置；利用中性化训练价值网络将所述分布式部分可观察马尔可夫四元组转化为马尔科夫过程，所述奖励函数转化为全局累计奖励；基于任务目标，采用策略梯度算法构建策略，所述策略由神经网络拟合，获得策略网络，将转化后的奖励函数的最大化作为目标函数，引入重要性采样方法，并通过KL散度对所述目标函数进行裁剪和限制，通过初始化后的无人机与环境实时交互获得新的数据，基于不断更新的目标函数，对策略网络进行更新，实现无人机飞行轨迹的动态优化； 对无人机建模利用了actor-critic框架，actor-critic框架具有两个关键组件actor和critic；将无人机视作Actor，无人机根据任务目标构建策略π，策略π由神经网络拟合，其参数为θ，Actor通过π选择动作；另一个组件critic则用于评价策略π选取动作的价值； 通过最大化奖励目标函数来更新策略网络参数，找出最优策略使智能体获得最大化累积奖励的最优策略。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区；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”。