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！

龙图腾网获悉中国民用航空飞行学院申请的专利基于多目标优化的应急场景无人机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：CN120764977B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202511274971.X，技术领域涉及：G06Q10/0631；该发明授权基于多目标优化的应急场景无人机任务分配方法是由潘卫军;张溢博;王玄;左青海;栾天;王润东;陈申豪;陈晟;梁叡涵;宋大江;郑耀设计研发完成，并于2025-09-08向国家知识产权局提交的专利申请。

本基于多目标优化的应急场景无人机任务分配方法在说明书摘要公布了：本发明涉及无人机调度技术领域，公开了一种基于多目标优化的应急场景无人机任务分配方法，通过标准化任务接口实时获取无人机的任务参数集合，同时通过无人机管理平台实时获取无人机状态数据集合。其次采用多目标粒子群优化算法和改进的PSO算法计算最优的任务分配方案，同时结合任务抢占机制，对突发紧急任务、优先级变化进行动态调整；通过提供时间最优方案，资源最优方案和参数最优方案三种任务分配预案，确保任务能够在最短时间内完成或以最低成本执行，并将最终方案提供给指挥中心进行决策。本发明提高无人机调度的智能性和灵活性，实现应急场景下无人机调度的快速响应与资源全局最优配置。

本发明授权基于多目标优化的应急场景无人机任务分配方法在权利要求书中公布了：1.基于多目标优化的应急场景无人机任务分配方法，其特征在于，包括以下步骤： 步骤1：通过外部应急指挥系统负责收集各类数据，包括受灾区域的地理信息、天气状况、交通状况以及救援资源的分布情况，通过标准化任务接口实时获取外部应急指挥系统的任务参数集合，同时通过无人机管理平台实时获取无人机状态数据集合； 步骤2：采用包括多目标粒子群优化算法和改进的粒子群优化算法的双优化通道进行任务分配优化；所述目标粒子群优化算法定义目标函数为最小化任务最晚完成时间与最小化总资源消耗，通过非支配排序维护帕累托前沿解集，结合续航、载荷、时间窗约束生成时间优先方案和资源节约方案；所述改进的粒子群优化算法结合惩罚函数生成动态参数平衡方案； 步骤3：基于动态任务抢占机制，对任务队列进行紧急程度实时评估，当检测到高优先级任务插入或环境参数超限时，触发抢占机制，释放低优先级任务占用的无人机资源，优先分配满足设定条件的无人机至紧急任务； 步骤4：通过可视化终端将生成的方案推送至外部应急指挥系统进行人工决策，再基于决策结果执行任务分配，实时反馈无人机状态及任务进度，动态触发二次优化或异常容错，形成闭环调度流程； 步骤2中，采用多目标粒子群优化算法进行任务分配优化具体包括： 步骤311：将任务区域内的可用无人机作为粒子的决策变量，每个粒子的维度为无人机数目；将任务分配方案建模为粒子群，其中每个粒子表示一个任务分配方案；每个粒子的位置初始化为无人机的任务分配情况，设定粒子的初始速度，用于后续的更新迭代； 步骤312：计算粒子的目标函数； 最小化任务最晚完成时间，计算公式为： ； 其中，为任务完成时间，为无人机执行其最后一个任务的完成时间，计算公式如下： ； 其中，为无人机的任务开始时间，为无人机从当前位置到任务点的距离，为无人机的飞行速度，为无人机执行任务所需的时间； ； 其中，为哈佛函数； 最小化所有无人机执行任务的总成本： ； 其中，为资源消耗，为任务单次飞行成本； 步骤313：多目标粒子群优化算法迭代优化； 个体最优与全局最优计算： 计算粒子的当前适应度，即任务完成时间和资源消耗，并更新每个粒子的个体最优解； 维护一个外部存储档，存储当前种群的帕累托前沿解； 粒子位置与速度更新： 使用多目标粒子群优化算法的速度更新公式： ； 其中，为惯性权重，用于控制粒子移动的平稳性；和为学习因子，用于决定粒子受个体最优解和全局最优解的影响程度；和为随机数，用于增加搜索的随机性； 为粒子当前的位置，为粒子当前的速度，为粒子更新后的速度；为个体最优解，为全局最优解； 更新粒子的位置： ； 其中，为粒子更新后的位置； 进行非支配排序，维护帕累托前沿，筛选最优解集用于下一轮优化； 迭代终止条件： 迭代次数达到预设上限，或最优解在连续nd代的变化程度都未超过预期，则终止迭代；计算每个粒子的适应度，并更新个体历史最优；维护帕累托前沿解集，筛选出非支配解作为外部存档，供全局引导使用；根据粒子速度更新公式，结合个体最优、全局最优进行粒子速度和位置的更新；迭代进行直到达到最大代数，输出最终的优化解集； 步骤314：设立约束条件； 1定义决策变量； 定义适用于任务调度问题的第一决策变量： ； 2任务约束； 每个任务必须由至少一架无人机执行，表示如下： ； 3续航约束； 无人机的任务执行总能耗不能超过其当前剩余续航，表示如下： ； 其中，为无人机的最大可用续航，为任务时效要求； 4载荷约束； 任何需要运输物资必须满足无人机的载重能力，表示如下： ； 其中，为无人机的最大载重能力； 5任务时间窗约束； 任务在可用时间内执行，表示如下： ； 其中，和分别是任务的最早和最晚被执行时间，是无人机执行任务的实际时间； 6无人机调度唯一性约束； 一架无人机同一时间只能执行一个任务，表示如下： ； 7无人机飞行速度约束； ； 表示无人机飞行速度的范围在允许的速度最小值和速度最大值之间； 步骤2中，采用改进粒子群优化算法进行任务分配优化具体包括： 步骤321：通过粒子编码映射无人机索引，结合惩罚函数解决任务-无人机匹配问题；所述粒子编码为： ； 其中，为第种任务分配方案，为全局无人机分配位置； 步骤322：定义以下惩罚项： 无效索引惩罚：无人机索引超出可用范围； 能力不足惩罚：无人机无法满足任务的能力、抗风能力或时间要求； 重复使用惩罚：同一无人机被分配到多个任务； 同任务重复分配惩罚：同一无人机被多次分配到同一任务； 最终目标是最小化所有惩罚项的总和： ； 其中，α、、和为各项的权重； 定义第二决策变量： ； 其中，第二决策变量是一个二元变量，表示无人机是否被分配给任务；若为1，表示分配；若为0，表示未分配；则： ； ； ； ； 其中，为有效无人机索引，为第架无人机被分配给第个任务； 、、和分别表示无人机是否不属于有效索引、无人机是否无法执行任务、无人机是否被分配给第个任务和同一无人机是否被多次分配到同一任务； 步骤323：设置约束条件： 1任务需求约束： ； 其中，为执行任务所需要的无人机数量； 2无人机能力约束： 无人机需支持任务类型，无人机的抗风能力需满足任务需求，无人机必须空闲，以及任务时间限制需小于无人机剩余续航时间，如下式： ； ； 其中，、、和分别表示是否支持任务类型、是否达到抗风能力、无人机是否空闲和无人机续航是否大于任务时效，为冗余量； 3资源唯一性约束： 无人机不可被重复分配给多个任务，同一任务中不可重复分配同一无人机，表示为： ； 4紧急任务约束： 定义紧急任务： ； ； 其中，为紧急任务的子集；为任务紧急程度； 紧急任务资源保障约束： ； 其中，为无人机是否分配给紧急任务，为紧急任务所需的最低无人机数量，为可用无人机总数； 紧急任务优先性约束： ； 其中，、、和分别为紧急任务的无效索引惩罚、能力不足惩罚、重复使用惩罚和同任务重复分配惩罚；、、和分别为对应的权重系数。

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民用航空飞行学院，其通讯地址为：618307 四川省德阳市广汉市南昌路四段46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。