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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利无人机与车辆协作的联合资源分配和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：CN119313078B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411357199.3，技术领域涉及：G06Q10/0631；该发明授权无人机与车辆协作的联合资源分配和轨迹优化方法是由周力;邓新锋;张姣;王海军;刘潇然;张亦弛;赵海涛;魏急波设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本无人机与车辆协作的联合资源分配和轨迹优化方法在说明书摘要公布了：本申请涉及一种无人机与车辆协作的联合资源分配和轨迹优化方法，通过获取当前网络拓扑图和新客户配送需求，采用客户分配算法，基于以最小化车辆的数量，和最大化无人机飞行距离与车辆行进距离的比率为目标构建得到的双目标优化模型下，根据新客户配送需求对当前网络拓扑图进行初步更新，得到初始网络拓扑图，采用最大迭代算法和强化学习对初始网络拓扑图进行优化，得到优化后的网络拓扑图，将优化后的网络拓扑图作为当前网络拓扑图，使得无人机和车辆根据当前网络拓扑图进行配送服务。采用本方法可以利用最小的服务资源完成配送服务的同时，保证服务质量。

本发明授权无人机与车辆协作的联合资源分配和轨迹优化方法在权利要求书中公布了：1.一种无人机与车辆协作的联合资源分配和轨迹优化方法，其特征在于，所述方法包括： 获取当前网络拓扑图和新客户配送需求，所述当前网络拓扑图包括多个节点以及连接在节点之间的边，其中，各节点包括地面仓库节点、多个客户节点以及无人机的起飞节点和充电节点，各所述节点之间的边表示无人机航线或者车辆航线，其中，所述新客户配送需求包括配送目的地以及配送到达时间； 基于以最小化车辆的数量，和最大化无人机飞行距离与车辆行进距离的比率为目标构建得到的双目标优化模型，并将其转化为单目标优化模型，在所述单目标优化模型下采用客户分配算法根据所述新客户配送需求对所述当前网络拓扑图进行初步更新，得到初始网络拓扑图； 基于所述单目标优化模型，采用最大迭代算法和强化学习对所述初始网络拓扑图进行优化，得到优化后的网络拓扑图，将所述优化后的网络拓扑图作为当前网络拓扑图，使得无人机和车辆根据所述当前网络拓扑图进行配送服务，在对所述当前网络拓扑图进行更新和优化时，将所述配送目的地作为新客户节点添加至所述当前网络拓扑图中，并选择由车辆或者无人机进行配送服务，在将所述配送目的地作为新客户节点添加至所述当前网络拓扑图中，采用客户分配算法在六个约束下进行求解，其中，六个约束包括：第一个约束：至少有一个搭载无人机的车辆为客户节点进行配送服务，第二个约束：在无人机或车辆为客户节点进行配送服务过程中，每个客户节点只能由车辆或无人机服务，第三个约束：要分配的所有包裹的总和不能超过车辆的最大负载，第四个约束：匹配的无人机与车辆在着陆节点的相互等待时间小于等于最大等待时间，第五个约束：无人机需要携带的包裹重量小于其最大有效载荷的包裹重量，第六个约束：无人机在完成某项服务的过程中，其在起飞节点的能量应足以支持其完成服务并返回着陆点，在将所述配送目的地作为新客户节点添加至所述当前网络拓扑图中时：针对每一个行程，判断所述当前网络拓扑图中的新客户节点，是否满足所述第一个约束、第二个约束以及第三约束，将满足这三个约束的客户节点放入待添加集合中，当某一节点处包裹重量小于车辆最大有效载荷时，从所述待添加集合随机选择一个客户节点作为下一个节点添加到当前行程中，并判断该客户节点是否满足所述第四个约束、第五个约束以及第六约束，采用最大迭代算法和强化学习对所述初始网络拓扑图进行优化时：通过改进控制器、扰动控制器以及阈值控制器，结合强化学习对所述初始网络拓扑图进行优化，其中，所述改进控制器和扰动控制器分别对应于改进算子和扰动算子，而阈值控制器用于选择是利用改进还是利用扰动控制器，通过强化学习将算子映射为动作，在连续迭代中对不同的动作赋予权重，在连续训练中根据不同的节点序列选择不同的算子，不断循环优化轨迹和资源分配。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。