本发明公开了一种能耗最小化的无人机任务分配和轨迹规划方法，包括：步骤1：根据无人机辅助物联网系统的参数信息将所有监测区域分成K个簇，每个监测区域仅有1个数据收集点；步骤2：为每个簇指定1架无人机以收集对应簇中所有传感器节点的数据，并基于禁忌搜索算法确定每架无人机在对应簇中的数据收集点的访问顺序，将访问距离最短的数据收集点的访问顺序作为该簇的轨迹规划结果；步骤3：计算每架无人机的任务完成时间，若均能在预定延迟内将收集到的数据交付到数据中心，则确定当前的分簇结果和每个簇中的数据收集点的访问顺序为最终结果，否则，置K＝K+1，返回步骤1；步骤4：按照最终结果令每架无人机进行数据收集后交付到数据中心。
📄 2024114387051
📂 G05D1_46
👤 浙江工业大学
📅 2024-10-15
本发明公开了一种集车辆调度优化与任务分配于一体的可视化办法及系统，包括信息收集模块，接受客户订单；调度方案优化模块，根据客户需求进行最优化调度；路径获取模块，搜索具体车辆行驶路线，可视化显示；任务分配模块，将任务、行驶路线发送驾驶员，驾驶员根据安排进行送货；定位模块，利用GPS定位功能，对每辆车进行任定位跟踪及位置反馈；反馈、更新模块，任务完成后，自动更新车辆的状态以及物资的使用情况，对客户的信息及配送反馈情况进行存储。本发明以实际道路为基础，建立了通用的车辆调度模型，满足了企业可视化需求，弥补现阶段物流车辆调度、分配效率低下、路径测算与实际不符的不足，节约运输成本，提高了物流运输企业服务水平。
📄 2019108536753
📂 G06Q10_04
👤 浙江工业大学
📅 2019-09-10
本发明公开了一种基于深度强化学习的预测式外呼任务分配方法及外呼系统，该方法能根据不同的外呼状态预测输出适当的外呼量。首先根据外呼系统工作流程对外呼进行数学建模，构建虚拟外呼环境。然后使用ε‑Greedy方法在外呼环境中进行半随机呼出，同时使用强化学习方法对半随机呼出进行学习，即从不同状态下不同外呼量的价值差异中进行学习，使深度神经网络近似外呼量的价值函数。最后使用深度神经网络对实际外呼状态下不同外呼量的价值进行预测，然后选择最好的外呼量进行输出。本发明构建的基于深度强化学习的预测式外呼任务分配方法在满足降低呼损、减少坐席空闲时间目标的同时具有快速输出、合理预测的特点。
📄 2021112025071
📂 H04M3_523
👤 浙江工业大学
📅 2021-10-15
本发明公开了一种基于启发式聚类算法的空间任务分配方法，该方法可以将不同频次的任务安排到m个时间段中，并保证每个时间段的负载均衡。本方法首先会进行空间划分，将空间任务数据中的高频次空间分配任务通过聚类算法聚成m个簇，之后计算平均分配量阈值范围，然后找出其中不满足平均分配量阈值范围的簇对其进行调整，调整好高频次簇之后再将低频次空间分配任务聚成n个簇，最后将这n个簇分别分配到最近的调整好的高频次簇。本发明在均衡空间任务分配量方面提供了一种新的空间任务分配方法。
📄 202211720297X
📂 G06Q10_047
👤 浙江工业大学
📅 2022-12-30
本发明提供了一种基于聚类算法的多载位AGV任务分配方法，在多载位AGV任务分配场景中，本发明通过构建多目标函数，能够更好地适应多载位AGV仓储系统中任务的动态变化以及多目标优化的要求。同时在对多目标函数的求解过程中，本发明利用非支配排序遗传算法结合模拟退火算法来对多目标任务进行求解，能够同时考虑多个目标函数，并能通过非支配排序、拥挤距离计算等机制，有效地对解空间进行搜索和优化，进一步提高整个系统的工作效率和任务处理能力。
📄 202510090470X
📂 G06Q10_0631
👤 浙江工业大学
📅 2025-01-21
本发明提出了一种基于图搜索的城市众包配送任务分配方法,将实际电子地图映射成众包配送网络图，将任务的起始位置、目标位置以及骑手的位置映射到配送网络图中，考虑配送路径优化并在图中完成任务分配。本发明考虑众包骑手的配送能力和任务匹配度，以时间约束内为骑手分配任务的数量最多为目标，建立基于配送网络图的众包任务分配模型。提出一种基于配送网络图的众包任务分配算法，即基于蚁群规划的众包任务分配算法，求解问题模型。最后，将得到的分配结果返回到电子地图中，便于用户以可视化的方式查看。本发明提供的一种新的城市众包配送服务调度解决方案，得到骑手的配送任务集合的同时也能输出骑手配送路径，具有实用价值。
📄 2019103806506
📂 G06Q10_06
👤 哈尔滨工业大学(威海)
📅 2019-05-08
本发明公开了一种基于K-means和离散粒子群算法的多无人车任务分配方法，包括以下步骤：S1、物流场景信息初始化；S2、物流任务打包：使用K-means算法确定最佳打包结果，其打包个数为k；S3、取k辆可用无人车，匹配每个任务包的执行无人车；S4、对每一辆无人车用离散粒子群算法确定其任务序列。本发明的方法结合聚类思想和群智优化算法对多无人车任务分配问题进行解答，使用离散化的粒子群算法进行多无人车的任务分配，粒子群算法的收敛速度快，离散化的迭代方式使算法更适用于实际的物流场景。并且在使用粒子群算法前先用K-means聚类算法对任务进行打包，极大地减小了解空间的大小，提高了任务分配效率。
📄 2019101507887
📂 G06Q10_04
👤 南京邮电大学
📅 2019-02-28
本发明公开了一种基于自适应任务池的智能仓储多机器人任务分配方法，包括：S1、初始化任务池P和每个机器人的任务序列为空。S2、设定任务池P储存任务量的阈值。S3、将新任务加入到P中，当任务池中任务的数量超过阈值后执行S4。S4、对任务池中的任务进行整体优化处理，分配给全体机器人。S5、每个机器人将被分配到的任务序列插入到各自当前任务序列的最后。S6、清空任务池P，跳转到S2。由此，本发明采用自适应任务池能够处理动态加入的任务，结合CMA‑ES算法，实现了对动态变化中的仓储系统的动态整体优化分配方案，并且算法的运行和机器人执行任务并行进行，节省了时间，提高了仓储系统的运行效率。
📄 2019112999368
📂 G06Q10_087
👤 鲁东大学
📅 2019-12-17
本发明涉及一种空间众包中工人可拒绝下的在线单点任务分配方法。本发明首先定义可拒绝的空间众包问题；其次收集工人和任务历史信息，根据原始数据计算工人和任务属性值；并利用主成分分析法全面分析工人对任务的兴趣度，成为每个工人和任务对的权值；然后最大匹配下最高兴趣度问题建模，讨论在约束条件下，用贪心策略实现任务分配算法，得到局部最优解；最后使用KM算法来解决最大匹配下最高兴趣度问题，得到最优解；最大匹配下最高兴趣度问题变形后，使用最小费用最大流相关算法求解最优解。本发明通过问题建模转化，讨论工人可拒绝问题在贪心策略下的分配方法，采用KM算法和MaxFlow算法解决了在线分配、最大化兴趣度问题。
📄 2021100755266
📂 G06Q10_06
👤 杭州电子科技大学
📅 2021-01-20
本发明公开了一种基于DQN的时空众包任务分配方法。本发明旨在为时空众包任务提供分配策略。根据众包发起者和工作者的历史记录，提取出特征向量，然后在基于DQN设计的神经网络结构中不断训练，从而能够更好地识别出众包发起者和工作者的特点和偏好，以完成时空众包任务的分配。
📄 2021114047588
📂 G06N3_0464
👤 杭州电子科技大学
📅 2021-11-24
本发明公开一种基于虚拟化容器技术的多工作流任务分配方法，采用高斯过程回归进行平均奖赏值和最优策略的逼近，大幅度减少了得到最优策略的学习迭代时间，提高了云资源的利用率。
📄 2017100183720
📂 G06F9_48
👤 广东石油化工学院
📅 2017-01-10
本发明公开了一种复杂水环境下的多移动平台系统的协同任务分配方法，本方法使鲸鱼群中每个个体所处的空间位置都包含了一组任务分配方案，通过代价函数的大小来衡量个体所处空间位置的优劣。同时在算法每次迭代过程中，根据粒子群算法得到的当代的最优粒子位置，替换掉最差的鲸鱼个体位置，鲸鱼再利用自身的觅食策略不断更新鲸鱼个体位置直至获取最佳鲸鱼位置，即获得最佳任务分配方案。本方法将粒子群算法引入到鲸鱼算法中共同求解优化问题，利用粒子群算法在每代循环中的得到最优粒子位置来替代鲸鱼群中的最差鲸鱼位置，避免了鲸鱼算法容易陷入到局部最优的问题，提高了算法搜索到更优解的可能性。
📄 2021110228211
📂 G06Q10_0631
👤 北京小满科技发展有限公司
📅 2021-09-01
柿子坊 · 知识产权运营
柿子坊知识产权运营平台