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！

龙图腾网获悉深圳大学申请的专利基于多维变邻域搜索算法的多机器人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：CN119886732B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510318715.X，技术领域涉及：G06Q10/0631；该发明授权基于多维变邻域搜索算法的多机器人任务分配方法是由白小山;邹嘉豪;张卫东;邱丽;吴宗泽;李坚强设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本基于多维变邻域搜索算法的多机器人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多维变邻域搜索算法的多机器人任务分配方法，首先使用基于电量约束插入的最小成本增加算法生成初始机器人路径作为初始解，然后采用多维变邻域搜索算法对初始解进行优化，得到多机器人任务分配方案。本发明在多维变邻域搜索算法中创新性地设计了充电桩插入删除邻域，优化了其他邻域操作，并引入了邻域随机排序策略，从多个维度出发求解，在解决电量约束的多机器人任务分配问题方面具有优越的性能，在保证解的质量的同时，减少了计算时间，提升了整体的计算效率。

本发明授权基于多维变邻域搜索算法的多机器人任务分配方法在权利要求书中公布了：1.基于多维变邻域搜索算法的多机器人任务分配方法，其特征在于，包括以下步骤： S1、初始化设置多机器人任务分配的相关参数； S2、根据相关参数，采用k均值算法得到最优充电桩分布方案； S3、定义待插入任务点集合，并根据最优充电桩分布方案构建充电桩和仓库集合，基于待插入任务点集合和充电桩和仓库集合，根据电量约束和最小成本增加算法得到初始机器人路径作为初始解； S4、判断待插入任务点集合是否为空集，若是则进入步骤S5，否则返回步骤S3； S5、采用多维变邻域搜索算法对初始解进行优化，得到多机器人任务分配方案； 所述步骤S1中多机器人任务分配的相关参数包括m个机器人的集合、机器人初始位置集合、需要服务的个任务点集合、任务点位置集合、机器人恒定的行驶速度、机器人最大续航电量、个充电桩的集合、机器人的充电效率以及机器人的固定充电成本； 所述步骤S3包括以下分步骤： S31、定义待插入任务点集合，并根据最优充电桩分布方案构建充电桩和仓库集合，其中表示仓库集合； S32、判断机器人路径是否违反电量约束，若是则进入步骤S33，否则进入步骤S34； 所述电量约束具体为： S33、采用充电桩插入删除邻域将充电桩和仓库集合中的充电桩和仓库插入到不可行机器人路径当中，返回步骤S32； S34、执行最小成本增加算法，将待插入任务点集合中的待插入任务点插入到所有机器人路径中成本增加最小的位置，并更新待插入任务点集合，输出得到初始机器人路径作为初始解；所述成本增加的计算公式为： 其中表示第个机器人前往到第个充电桩之后所剩下的电量； 所述步骤S5包括以下分步骤： S51、将初始解复制为多份，使得每个维度对应一个独立的解，并将初始解赋值给当前最优解，令外循环次数； S52、开始外循环，令当前执行维度； S53、将第个维度中的解赋值给维度解，令内循环次数； S54、将维度解赋值给当前解，开始内循环，令执行邻域变量，将数字1~4随机赋值给交换充电桩邻域、2-opt邻域、重新排序邻域和破坏-修复邻域，将数字5赋值给充电桩插入删除邻域； S55、执行数值等于执行邻域变量的邻域，并根据执行结果将执行布尔值设置为0或1，当时当前解发生变化，当时当前解不发生变化； S56、判断执行布尔值是否为1，若是则进入步骤S57，否则进入步骤S58； S57、令执行邻域变量，并重新将数字1~4随机赋值给交换充电桩邻域、2-opt邻域、重新排序邻域和破坏-修复邻域，判断当前解是否优于维度解，若是则将维度解更新为当前解，返回步骤S55，否则直接返回步骤S55； S58、令执行邻域变量加1，判断执行邻域变量是否大于邻域个数，若是则进入步骤S59，否则返回步骤S55； S59、令内循环次数加1，判断内循环次数是否达到最大内循环次数，若是则进入步骤S510，否则返回步骤S54； S510、判断维度解是否优于当前最优解，若是则更新当前最优解为维度解，进入步骤S511，否则直接进入步骤S511； S511、令当前执行维度加1，判断当前执行维度是否超过最大维度数，若是则进入步骤S512，否则返回步骤S53； S512、概率执行同化维度操作，即按预设概率将最优解所在的维度赋值给其他维度的解； S513、令外循环次数加1，判断外循环次数是否达到最大外循环次数，若是则得到多机器人任务分配方案，否则返回步骤S52； 所述充电桩插入删除邻域包括充电桩最小边际代价插入阶段和充电桩最大节约代价删除阶段； 所述充电桩最小边际代价插入阶段具体为：计算每个机器人在当前路径下的电量，若电量不满足电量约束，则将执行布尔值设置为1，并不断通过最小边际代价方法将充电桩插入不满足电量约束的机器人路径，直到机器人路径满足电量约束，进入充电桩最大节约代价删除阶段，否则将执行布尔值设置为0，保持当前解不变； 所述边际代价的计算公式为： 其中表示将第个充电桩插入到第个机器人路径的第个任务点所在位置所需要增加的成本，表示比例系数，表示任务点和第个充电桩的欧拉距离，表示第个充电桩和任务点的欧拉距离，表示任务点和任务点的欧拉距离，表示第个机器人路径的第个任务点，表示第个机器人路径的第个任务点； 所述充电桩最大节约代价删除阶段具体为：计算移除该机器人路径中每个充电桩的节约代价，如果移除充电桩后该机器人路径不再满足电量约束，则该充电桩的节约代价设为，依次删除机器人路径中节约代价最大的充电桩，直到节约代价小于或等于0时，结束充电桩最大节约代价删除阶段； 所述节约代价的计算公式为： 其中表示任务点和第个充电桩的欧拉距离，表示任务点和任务点的欧拉距离，表示第个机器人路径的第个任务点。

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深圳大学，其通讯地址为：518061 广东省深圳市南山区粤海街道南海大道3688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”。

以上内容由龙图腾AI智能生成。