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！

龙图腾网获悉燕山大学申请的专利基于自组织神经网络的多水下机器人任务分配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：CN114995989B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202210378563.9，技术领域涉及：G06F9/50；该发明授权基于自组织神经网络的多水下机器人任务分配方法及系统是由韩松;张涛;李鑫滨;于海峰设计研发完成，并于2022-04-12向国家知识产权局提交的专利申请。

本基于自组织神经网络的多水下机器人任务分配方法及系统在说明书摘要公布了：本发明公开基于自组织神经网络的多水下机器人任务分配方法及系统，属于多智能体系统协同控制技术领域，该方法根据洋流影响、资源消耗、负载均衡和资源有限多重约束，构建多重约束的多异构水下机器人系统任务分配优化模型，其中，任务分配优化模型为自组织神经网络；任务分配优化模型通过机器人路径点对应的神经元竞争与学习，完成任务分配，最终生成每个机器人所需的环形路径。求解速度快、求解精度高的优点，能在有限迭代次数内提供良好的任务分配方案，由其在复杂的大规模任务场景中，本发明所提出方法的优势更为明显。

本发明授权基于自组织神经网络的多水下机器人任务分配方法及系统在权利要求书中公布了：1.基于自组织神经网络的多水下机器人任务分配方法，其特征在于，包括： 根据洋流影响、资源消耗、负载均衡和资源有限多重约束，构建多重约束的多异构水下机器人系统任务分配优化模型，其中，任务分配优化模型为自组织神经网络； 任务分配优化模型通过机器人路径点对应的神经元竞争与学习，完成任务分配，最终生成每个机器人所需的环形路径； 所述任务分配优化模型通过机器人路径点对应的竞争与学习的过程与特征如下： 参数初始化：设定自组织神经网络自身参数，参数包括学习率，邻域半径，迭代轮次，衰减系数与优化函数的参数；根据任务数量和机器人数量确定的输入输出神经元； 任务的输入：在每轮开始时，将任务顺序随机化处理，并依次输入到自组织神经网络， 获胜神经元选择与负载均衡机制：提出的速度合成法将行驶的路径转化为巡航时间的计算，准确衡量其负载，同时根据不同工作能力的机器人，提出负载均衡参数，作用于提出的获胜神经元选择机制中，通过机器人速度和洋流速度的速度合成法将行驶的路径转化为巡航时间的计算，准确衡量其负载，同时通过机器人的负载均衡参数，优化神经元选择机制； 神经元的更新：通过神经元增加机制和历史信息指导机制，得到高效的自组织神经网络，过程如下: 神经元增加机制过程：设定每个神经元的获胜参数其中，为神经元作为获胜神经元的次数，若参数大于等于阈值，则复制该神经元信息作为新神经元，原神经元设置对于新增加的神经元不参与对本次任务的更新； 神经元历史信息指导过程，将邻域神经元历史上作为利用的更新向量合成一个历史信息指导向量，作为额外的学习信息加入到本次的更新中，具体计算如下： 其中，任务集合中的每个任务都在过去的更新中选择神经元ki作为获胜神经元，该任务与神经元元ki对应的距离为参数取决于该任务在该任务集合中顺序，权重参数ψ则为该历史信息指导向量的整体权重； 神经元删除机制过程，在每个神经元环中，计算每个邻域神经元的累计误差，累计误差用于衡量神经元的映射能力；计算方式为对于每次作为邻域神经元更新时，其更新程度与获胜神经元的更新程度差别的累加和，然后除以作为邻域神经元的次数，然后计算本环的平均累计误差，将大于本环平均累计误差的神经元进行删除，具体公式为： 其中，任务集合中的每个任务都选择了神经元ki作为邻域神经元，则与分别决定了对于任务更新强度，与的比值即反映了更新的误差，表明了作为邻域神经元时与获胜神经元更新能力的差异；神经元平均后得到的则全面反映了其更新能力；对于环上所有神经元更新能力误差的平均得到平均误差erri,ave。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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”。