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！

龙图腾网获悉烟台大学申请的专利一种基于两阶段差异化与多目标的动态车辆任务调度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：CN121616051B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610129095.X，技术领域涉及：G06Q10/0631；该发明授权一种基于两阶段差异化与多目标的动态车辆任务调度方法及系统是由王莹洁;马庆典;侯文涵;孙美美;滕浩钧设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本一种基于两阶段差异化与多目标的动态车辆任务调度方法及系统在说明书摘要公布了：本发明涉及车辆任务调度技术领域，尤其是涉及一种基于两阶段差异化与多目标的动态车辆任务调度方法及系统。所述方法包括获取车辆数据和任务数据；基于任务数据进行时间片静态化建模；基于车辆数据进行车辆分类与属性建模；根据建模结果进行两阶段差异化与多目标的动态车辆任务分配，其中包括，第一阶段稀疏二分图匹配分配、第二阶段CMOEA‑EG多目标优化；基于分配结果进行公平性评估和反馈；基于反馈结果进行更新优化。发明通过动态更新模块实时反馈任务执行结果，支持多轮迭代优化。

本发明授权一种基于两阶段差异化与多目标的动态车辆任务调度方法及系统在权利要求书中公布了：1.一种基于两阶段差异化与多目标的动态车辆任务调度方法，其特征在于，包括： 获取车辆数据和任务数据； 基于任务数据进行时间片静态化建模； 基于车辆数据进行车辆分类与属性建模； 根据建模结果进行两阶段差异化与多目标的动态车辆任务分配，其中包括，第一阶段稀疏二分图匹配分配、第二阶段CMOEA-EG多目标优化； 基于分配结果进行公平性评估和反馈； 基于反馈结果进行更新优化； 所述基于车辆数据进行车辆分类与属性建模，包括基于车辆行为逻辑与任务执行能力 的差异，建立精细化分类与属性模型，为两阶段差异化分配策略提供数据支撑，具体包括车 辆分类标准，将参与调度的车辆明确划分为机会式车辆和参与式车辆，其中，机 会式车辆的约束包括：行程约束，仅在当前位置与任务位置的欧氏距离≤范围内接受任务；任务量约束，每个时间片最多执行1个任务，避免影响 自身预设行程；技能约束，任务所需传感器集合必须包含于车辆搭载的传感器集合，即，确保车辆具备任务执行能力；状态参数，记录车辆当前位置、轨迹途 经关键点序列、传感器类型集合、阈值；参与式车辆的约束包括： 任务量约束，每个时间片最多执行个任务，避免负载过载；技能约束，同样满 足，其中为参与式车辆的传感器集合；状态参数，记录车辆实时位置、传 感器类型集合、阈值、当前任务执行进度； 所述第一阶段稀疏二分图匹配分配，包括针对机会式车辆的特性，构建稀疏二分图匹 配模型，以最大化时间片内顺路任务完成数量，其中，稀疏二分图构建，包括首先构建二分 图，左节点集表示当前时间片内所有可用的机会式车辆集合；右 节点集表示当前时间片的第一阶段任务集，包含新生成任务与上一时间片未分配任 务；边集表示仅当车辆与任务满足距离约束和技能约束两个条件时，存在边连接，其中距离约束包括车辆当前位置与任务位置的欧氏距离；技能约束包括；在构建二分图后进行匹配 约束条件，匹配过程遵循以下车辆任务量约束、任务唯一性约束和距离与技能约束，其中， 车辆任务量约束包括任意机会式车辆在当前时间片内最多分配1个任务，数学 表达为：，其中为二进制变量，表示车辆在时 间片分配到任务，表示未分配；任务唯一性约束包括任意任务仅能被1个车辆分配，数学表达为：；距离与技能约束包括边 集的构建约束； 所述第二阶段CMOEA-EG多目标优化，包括针对第一阶段未覆盖的任务，采用具有精英引导策略的约束多目标进化算法CMOEA-EG，实现路径成本最小化、任务覆盖率最大化、时空公平性最优化的协同目标，其中首先构建核心优化目标，形成多目标优化数学模型，包括最小化参与式车辆总路径成本目标、最大化任务覆盖目标和最大化时空公平指数目标，具体的，最小化参与式车辆总路径成本目标，包括将总路径成本设置为车辆从当前位置到任务位置的行驶成本，以及任务间的行驶成本，数学表达为： ， 其中，为二进制变量，表示参与式车辆在时间片分配到 任务；为车辆当前位置到任务的欧氏距离成本；为任务 与任务之间的欧氏距离；为二进制变量，表示车辆在时 间片先执行任务再执行任务；最大化任务覆盖目标，包括将任务覆盖比例定义 为第二阶段已分配任务数与第二阶段任务总数的比值，数学表达为：，其中为第二阶段已分配任务集，表示集合中元素的个数；最大化时空公平指数目 标，包括定义时空公平指数由区域公平性与等待时间公平性加权融合而成，数学表达为：，其中为区域Jain指数，为等待时间Jain指数； 所述基于分配结果进行公平性评估和反馈，包括通过量化指标评估任务分配的时空公 平性，为多目标优化提供明确导向，解决传统方法公平性难以衡量的问题，其中，通过区域 Jain指数评估不同地理区域的任务分配均衡性，数学表达为：，其中， 为地理区域集合；为区域内被成功分配的任务数量；为区域总数量， 的取值范围为；通过等待时间Jain指数评估任务从生成到分配的等待时间公平 性，数学表达为：，其中，为两阶段 累计已分配任务集；为任务的等待时间，为任务生 成时间片，为任务分配时间片；为累计已分配任务数量；最后将时空公平 指数实时反馈至第二阶段优化模块，若小于公平性阈值，则调整算法权重，增 加与在目标函数中的占比，重新迭代优化，确保分配方案的公平性达标。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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。