专利交易市场

本发明涉及一种基于大语言模型的多无人机任务规划方法，与现有技术相比解决了单独使用大语言模型做任务规划时存在不合理问题的缺陷。本发明包括以下步骤：建立场景信息数据集；建立知识图谱本体模型；使用领域知识进行大语言模型的微调；大语言模型的输入；通过知识萃取不断补全知识图谱；针对多无人机系统任务做可解释性的决策或规划；对所作规划方案进行评价及融合。本发明使用大语言模型通过知识萃取的方式，将大语言模型预训练过程中所使用的庞大的语料库中有用的数据部分补全到知识图谱中，最终形成有益于规划多无人机任务的知识库，并用于更好的监测和解释大模型规划结果的合理性，通过数据融合形成最终规划方案。

本发明提供了一种基于自组织神经网络的无人机任务规划方法，包括自组织神经网络初始化步骤，选取获胜节点步骤，计算获胜节点的优胜邻域步骤，网络参数更新步骤，动态响应步骤。首先初始化网络结构和节点权值，对权值进行归一化处理，然后接收输入向量，选择与输入向量内积最大的节点作为获胜节点，计算所有在获胜节点的优胜邻域内的节点，并对这些节点的权值按其离开获胜节点的距离不同程度地进行更新。当有突发情况时，动态调整网络的参数以及时响应。本发明对获胜邻域内的节点更新权值，算法的执行过程中加入了多约束条件，引入混乱机制解决无人机在多个任务点迂回问题，采用动态响应机制，提升了无人机集群在动态环境中的适应性，实现了更加有效的无人机任务规划。