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！

龙图腾网获悉北京理工大学申请的专利一种基于混合遗传算法的动态任务规划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：CN119338141B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411132990.4，技术领域涉及：G06Q10/0631；该发明授权一种基于混合遗传算法的动态任务规划方法是由辛斌;张若伟;窦丽华;张佳;王晴;陈杰设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本一种基于混合遗传算法的动态任务规划方法在说明书摘要公布了：本发明公开了一种基于混合遗传算法的动态任务规划方法，属于无人机动态任务规划技术领域，用于实现搜索侦察任务场景中的动态任务分配。本发明首先利用混合遗传算法根据任务信息和无人机能力信息首先进行预规划，得到预规划方案。混合遗传算法由原始遗传算法和变邻域搜索算法相结合，基础的遗传算法用来保证算法的探索能力，变邻域搜索算法用来保证算法的开发能力；然后加载动态任务信息，依据动态任务信息出现的先后时间为动态任务进行排序；紧接着利用动态分配机制为动态任务进行分配，针对不同的任务场景设计了四种动态调整策略，分别为随机分配策略、基于聚类中心分配的分配策略、就近分配策略、基于燃料剩余量的分配策略；最后无人机更新任务序列。

本发明授权一种基于混合遗传算法的动态任务规划方法在权利要求书中公布了：1.一种动态任务规划方法，其特征在于，包括： 步骤1：利用混合遗传算法根据任务信息和无人机能力信息首先进行预规划，得到预规划方案，具体为： 首先进行初始化，生成初始种群；初始化的个体用如下公式进行表示： X＝[x,x,…,x,xI+1,xI+2,…,xI+N-1] 其中，I表示任务的总数量，N表示无人机的总数量；对任务序列进行分割的次数为N-1；x,x,…,x表示任务，取值范围为[1,I]；xI+1,xI+2,…,xI+N-1表示任务的分割位置，取值范围为[1,I-1] 紧接着根据构建的选择函数进行个体选择；随后进入进化迭代阶段，当满足迭代终止条件时，输出预规划方案； 其中，进化迭代阶段包括：交叉操作、变异操作以及变邻域操作； 所述交叉操作首先生成交叉位置，然后对交叉位置对应的基因进行交换；其中，个体任务编号位置和分割位置独立进行交叉操作；进行个体交叉操作时，个体一和个体二分别保留各自的任务序列，而对它们的相同分割位置进行交换； 所述变异操作首先随机选择两个变异个体；然后，生成变异位；最后，交换变异位上的基因，再将各自编码中和变异位变异后基因相同的基因改为变异位上的原基因；依据任务的数量不同，设置不同数量的变异位； 步骤2：加载动态任务信息，依据动态任务信息出现的先后时间为动态任务进行排序； 步骤3：对动态任务进行分配，随后无人机更新任务序列； 所述根据构建的选择函数进行个体选择的方法包括：根据构建的评价函数进行个体评价；优化的目标为无人机完成任务所飞行的总路程长度，即： fX＝l1+l2+…+ln+…+lN 其中，ln表示第n个无人机完成任务所需的飞行距离；无人机在执行任务过程中需要满足自身的续航时间约束，无人机完成任务所需时间的求解公式如下所示： tn＝lnvn,n∈{1,2,…,N} 其中，tn表示第n个无人机完成任务所需的时间，vn表示第n个无人机的飞行速度；如果个体不满足上述无人机续航时间约束，在进化的过程中将对此个体进行舍弃； 紧接着根据构建的选择函数进行个体选择；个体的适应度值求解过程如下公式所示： 其中，表示第g代的第p个个体的适应值，表示第g代的第p个个体的目标函数值；和分别表示第g代最小和最大的目标函数值；ε＝0.001； 对于个体的选择依据如下公式： 其中，表示第g代的第p个个体，1和0分别表示保留和舍弃此个体，fv表示自适应值阈值； 进行个体选择时，在进化的初期，将适应度值设置的偏大，以确保选择的个体更加优秀；在进化的后期，将适应度值调小，以确保更多的个体被选择，调节过程如下公式所示： 其中，g表示迭代次数。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。