CN111107604B - 无人平台信息感知网络的快速优化方法和装置 - Google Patents

无人平台信息感知网络的快速优化方法和装置 Download PDF

Info

Publication number
CN111107604B
CN111107604B CN201911068933.3A CN201911068933A CN111107604B CN 111107604 B CN111107604 B CN 111107604B CN 201911068933 A CN201911068933 A CN 201911068933A CN 111107604 B CN111107604 B CN 111107604B
Authority
CN
China
Prior art keywords
undirected graph
network
information
graph
acquiring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911068933.3A
Other languages
English (en)
Other versions
CN111107604A (zh
Inventor
曹欣
罗贺
王国强
胡笑旋
李晓多
靳鹏
马华伟
夏维
陈宇轩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201911068933.3A priority Critical patent/CN111107604B/zh
Publication of CN111107604A publication Critical patent/CN111107604A/zh
Application granted granted Critical
Publication of CN111107604B publication Critical patent/CN111107604B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/24Connectivity information management, e.g. connectivity discovery or connectivity update
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12Discovery or management of network topologies
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/02Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/18Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提供一种无人平台信息感知网络的快速优化方法和装置,涉及人工智能领域。包括以下步骤:获取无人平台二维空间内的信息感知网络;基于信息感知网络获取最小生成树,基于最小生成树获取无向图;基于信息感知网络获取通信网络;基于无向图和通信网络获取二维最优刚性图,二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。本发明提供的生成方法提高了无人平台执行信息感知任务的效率。

Description

无人平台信息感知网络的快速优化方法和装置
技术领域
本发明涉及人工智能技术领域,具体涉及一种无人平台信息感知网络的快速优化方法和装置。
背景技术
无人平台是指无人驾驶的、完全按遥控操作或者按预编程序自主运作的一种平台,具体包括机器人和智能体等等,由于其不需要人为操作的特点而被广泛应用于各种领域。然而单个无人平台在执行信息感知任务时能力略显不足,为提升执行信息感知任务的效率,往往采用多个无人平台共同组成信息感知网络,并在此网络的基础上选择一个最优的信息交互拓扑进行信息交互以执行信息感知任务。
现有技术在控制多个无人平台执行信息感知任务时一般先构建出无人平台的信息感知网络,根据该网络获取无人平台构成的最优刚性图,进而通过最优刚性图得到无人平台信息感知网络的最优信息交互拓扑,利用此信息交互拓扑控制无人平台进行信息交互以执行信息感知任务。
然而本申请的发明人发现,现有技术在获取无人平台信息感知网络的最优信息交互拓扑时,由于方法比较复杂,导致计算信息交互拓扑时花费的时间较长,此时多个无人平台不能高效执行信息感知任务,即现有技术存在效率低的缺点。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种无人平台信息感知网络的快速优化方法和装置,解决了现有技术效率低的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
本发明解决其技术问题所提供的一种无人平台信息感知网络的快速优化方法,所述生成方法由计算机执行,包括以下步骤:
获取无人平台二维空间内的信息感知网络;
基于所述信息感知网络获取无向图;
基于所述信息感知网络获取通信网络;
基于所述无向图和所述通信网络获取二维最优刚性图,所述二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。
优选的,所述无向图的获取方法包括:
获取所述信息感知网络的最小生成树,所述最小生成树即为所述无向图。
优选的,所述通信网络的获取方法包括:
将所述无向图中的边从所述信息感知网络中删除,得到第一感知网络;将所述第一感知网络中的边按照权值从低到高的顺序进行排序,得到通信网络。
优选的,所述二维最优刚性图的获取方法包括:
S401、获取所述通信网络的第k条边,其中,k=1;
S402、判断所述无向图中的边的数量|E*|和无人平台的数量V是否满足预设的条件:|E*|<2×|V|-3,若满足预设的条件,将所述第k条边添加到所述无向图中,得到第一无向图;若不满足预设的条件,则所述无向图即为二维最优刚性图;
S403、判断所述第一无向图对应的刚度矩阵的秩是否为满秩,若满足条件,则不进行处理,并将所述第一无向图命名为第二无向图;若不满足条件,则将所述第k条边从所述第一无向图中删除,得到第二无向图;
S404、更新所述k的取值;
S405、判断所述第二无向图是否满足预设的条件,若满足条件,则将所述无向图中的数据更新为所述第二无向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二无向图即为二维最优刚性图。
本发明解决其技术问题所提供的一种无人平台信息感知网络的快速优化装置,所述装置包括计算机,所述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,所述至少一个存储单元中存储有至少一条指令,所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤:
获取无人平台二维空间内的信息感知网络;
基于所述信息感知网络获取无向图;
基于所述信息感知网络获取通信网络;
基于所述无向图和所述通信网络获取二维最优刚性图,所述二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。
优选的,所述无向图的获取方法包括:
获取所述信息感知网络的最小生成树,所述最小生成树即为所述无向图。
优选的,所述通信网络的获取方法包括:
将所述无向图中的边从所述信息感知网络中删除,得到第一感知网络;将所述第一感知网络中的边按照权值从低到高的顺序进行排序,得到通信网络。
优选的,所述二维最优刚性图的获取方法包括:
S401、获取所述通信网络的第k条边,其中,k=1;
S402、判断所述无向图中的边的数量|E*|和无人平台的数量V是否满足预设的条件:|E*|<2×|V|-3,若满足预设的条件,将所述第k条边添加到所述无向图中,得到第一无向图;若不满足预设的条件,则所述无向图即为二维最优刚性图;
S403、判断所述第一无向图对应的刚度矩阵的秩是否为满秩,若满足条件,则不进行处理,并将所述第一无向图命名为第二无向图;若不满足条件,则将所述第k条边从所述第一无向图中删除,得到第二无向图;
S404、更新所述k的取值;
S405、判断所述第二无向图是否满足预设的条件,若满足条件,则将所述无向图中的数据更新为所述第二无向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二无向图即为二维最优刚性图。
(三)有益效果
本发明提供了一种无人平台信息感知网络的快速优化方法和装置。与现有技术相比,具备以下有益效果:
本发明通过获取无人平台二维空间内的信息感知网络;基于信息感知网络获取无向图;基于信息感知网络获取通信网络;基于无向图和通信网络获取二维最优刚性图,二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。本发明提供的方法相比于现有技术,由于不需要从信息感知网络中第一条权值最低的边开始求得二维最优刚性图,因此方法相对简洁,方法整体的时间复杂度较低,可以快速计算出无人平台信息感知网络的最优信息交互拓扑,减少了计算信息交互拓扑所消耗的能量,提高了无人平台执行信息感知任务的效率,使得无人平台在执行信息感知任务时更加高效稳定。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的无人平台信息感知网络的快速优化方法的整体流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例通过提供一种无人平台信息感知网络的快速优化方法和装置,解决了现有技术效率低的问题,提高了无人平台协同执行信息感知任务的效率。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
本发明实施例通过获取无人平台二维空间内的信息感知网络;基于信息感知网络获取无向图;基于信息感知网络获取通信网络;基于无向图和通信网络获取二维最优刚性图,二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。本发明实施例提供的方法相比于现有技术,由于不需要从信息感知网络中第一条权值最低的边开始求得二维最优刚性图,因此方法相对简洁,方法整体的时间复杂度较低,可以快速计算出无人平台信息感知网络的最优信息交互拓扑,减少了计算信息交互拓扑所消耗的能量,提高了无人平台执行信息感知任务的效率,使得无人平台在执行信息感知任务时更加高效稳定。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本发明实施例提供了一种生成方法,如图1所示,所述生成方法由计算机执行,包括以下步骤:
S1、获取无人平台二维空间内的信息感知网络;
S2、基于上述信息感知网络获取无向图;
S3、基于上述信息感知网络获取通信网络;
S4、基于上述无向图和上述通信网络获取二维最优刚性图,上述二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。
本发明实施例通过获取无人平台二维空间内的信息感知网络;基于信息感知网络获取无向图;基于信息感知网络获取通信网络;基于无向图和通信网络获取二维最优刚性图,二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。本发明实施例提供的方法相比于现有技术,由于不需要从信息感知网络中第一条权值最低的边开始求得二维最优刚性图,因此方法相对简洁,方法整体的时间复杂度较低,可以快速计算出无人平台信息感知网络的最优信息交互拓扑,减少了计算信息交互拓扑所消耗的能量,提高了无人平台执行信息感知任务的效率,使得无人平台在执行信息感知任务时更加高效稳定。
具体的,本方法由地面控制中心的计算机执行,继而将计算结果发给每个无人平台,控制多无人平台工作并执行任务。
下面对各步骤进行详细描述:
在步骤S1中,获取无人平台二维空间内的信息感知网络。
具体的,本发明实施例在实际应用中根据无人平台预设的二维空间位置和无人平台的通信范围,确定无人平台之间的可用通信链接,以无人平台作为节点,以可用通信链接作为边,构建信息感知网络。
本发明实施例设定共n个AGENT通过AGENT之间的通信连接以形成一个信息感知网络。该信息感知网络中n个位置分别编号为{1,2,…,n}。
具体的,信息感知网络表示为G=(V,E,W)。
其中:
V={vi},1≤i≤n是无人平台代表的节点的集合,其中vi表示AGENTi,即第i个无人平台。
E={eij},1≤i,j≤n是每两个无人平台节点构成的边的集合,其中边eij表示AGENTi和AGENTj之间的通信链接,使得AGENTi和AGENTj之间可以相互发送信息。
W={w(eij)},eij∈E是所有边的权值的集合,其中w(eij)表示AGENTi和AGENTj之间的通信链接eij的代价。
在步骤S2,基于上述信息感知网络获取无向图。
具体的,在本发明实施例中,上述无向图的获取方法包括:获取上述信息感知网络的最小生成树,上述最小生成树即为上述无向图。
在步骤S3,基于上述信息感知网络获取通信网络D。
具体的,通信网络的获取方法如下:
将上述无向图中的边从上述信息感知网络中删除,得到第一感知网络。
将上述第一感知网络中的边按照权值从低到高的顺序进行排序,得到通信网络。
在步骤S4,基于上述无向图和上述通信网络获取二维最优刚性图,上述二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。
具体的,上述二维最优刚性图的获取方法包括:
S401、获取上述通信网络的第k条边,其中,k=1。
S402、判断上述无向图中的边的数量|E*|和无人平台的数量V是否满足预设的条件:|E*|<2×|V|-3,若满足预设的条件,将上述第k条边添加到上述无向图中,得到第一无向图;若不满足预设的条件,则上述无向图即为二维最优刚性图。
S403、判断上述第一无向图对应的刚度矩阵的秩是否为满秩,若满足条件,则不进行处理,并将上述第一无向图命名为第二无向图;若不满足条件,则将所述第k条边从上述第一无向图中删除,得到第二无向图。
S404、更新上述k的取值。具体的,令k=k+1。
S405、判断上述第二无向图是否满足预设的条件,若满足条件,则将上述无向图中的数据更新为所述第二无向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则上述第二无向图即为二维最优刚性图。
具体的,步骤S4可由表1表示:
表1
Figure BDA0002260322870000091
Figure BDA0002260322870000101
具体的,表1还可表示为以下算法步骤:
k=1
while(T中边数|E*|小于2×|V|-3)
将D中的第k条边eij添加到T中
if(T对应的刚度矩阵M的秩不是满秩)then
将第k条边eij从T中删除
endif
k=k+1
endwhile
得到的二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。
所有的无人平台根据此信息交互拓扑进行信息交互以执行信息感知任务。
本发明实施例在具体实施时,步骤S2的时间复杂度为:O(|E|×log|V|)。
步骤S3的时间复杂度为:O(|E|×log|E|)。
步骤S4的时间复杂度约为:需要说明的是,S4最少需要计算|V|-2次,并且第i次计算矩阵M的秩的时间复杂度为
Figure BDA0002260322870000102
其中mi为第i次计算时M的行数。最好的情况是每次加入M的新行都能满足要求,此时只需要计算n=|V|-2次,而第i次计算时M的行数mi=|V|-1+i=m+i(令m=|V|-1),因此S4的时间复杂度约为:
Figure BDA0002260322870000111
因此本发明实施例所提供的方法的时间复杂度约为O(2.75×|V4|)而现有技术提供的方法的时间复杂度约为:O(4×|V|4)。
相比于现有技术,本发明实施例所提供的方法在获取无人平台信息感知网络的最优信息交互拓扑时,时间复杂度更加低,因此可以更快地计算出信息交互拓扑,减少了计算出信息交互拓扑的时间,降低了因计算信息交互拓扑所消耗的能量,提高了无人平台执行信息感知任务时的效率。
本发明实施例还提供了一种无人平台信息感知网络的快速优化装置,上述装置包括计算机,上述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,上述至少一个存储单元中存储有至少一条指令,上述至少一条指令由上述至少一个处理单元加载并执行以实现以下步骤:
S1、获取无人平台二维空间内的信息感知网络;
S2、基于上述信息感知网络获取无向图;
S3、基于上述信息感知网络获取通信网络;
S4、基于上述无向图和上述通信网络获取二维最优刚性图,上述二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。
可理解的是,本发明实施例提供的上述生成装置与上述生成方法相对应,其有关内容的解释、举例、有益效果等部分可以参考无人平台信息感知网络的快速优化方法中的相应内容,此处不再赘述。
综上所述,与现有技术相比,具备以下有益效果:
本发明实施例通过获取无人平台二维空间内的信息感知网络;基于信息感知网络获取无向图;基于信息感知网络获取通信网络;基于无向图和通信网络获取二维最优刚性图,二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑。本发明实施例提供的方法相比于现有技术,由于不需要从信息感知网络中第一条权值最低的边开始求得二维最优刚性图,因此方法相对简洁,方法整体的时间复杂度较低,可以快速计算出无人平台信息感知网络的最优信息交互拓扑,减少了计算信息交互拓扑所消耗的能量,提高了无人平台执行信息感知任务的效率,使得无人平台在执行信息感知任务时更加高效稳定。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种无人平台信息感知网络的快速优化方法,其特征在于,所述快速优化方法由计算机执行,包括以下步骤:
获取无人平台二维空间内的信息感知网络;
基于所述信息感知网络获取无向图;
基于所述信息感知网络获取通信网络;
基于所述无向图和所述通信网络获取二维最优刚性图,所述二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑;
所述二维最优刚性图的获取方法包括:
S401、获取所述通信网络的第k条边,其中,k=1;
S402、判断所述无向图中的边的数量|E*|和无人平台的数量V是否满足预设的条件:|E*|<2×|V|-3,若满足预设的条件,将所述第k条边添加到所述无向图中,得到第一无向图;若不满足预设的条件,则所述无向图即为二维最优刚性图;
S403、判断所述第一无向图对应的刚度矩阵的秩是否为满秩,若满足条件,则不进行处理,并将所述第一无向图命名为第二无向图;若不满足条件,则将所述第k条边从所述第一无向图中删除,得到第二无向图;
S404、更新所述k的取值;
S405、判断所述第二无向图是否满足预设的条件,若满足条件,则将所述无向图中的数据更新为所述第二无向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二无向图即为二维最优刚性图。
2.如权利要求1所述的快速优化方法,其特征在于,所述无向图的获取方法包括:
获取所述信息感知网络的最小生成树,所述最小生成树即为所述无向图。
3.如权利要求1所述的快速优化方法,其特征在于,所述通信网络的获取方法包括:
将所述无向图中的边从所述信息感知网络中删除,得到第一感知网络;将所述第一感知网络中的边按照权值从低到高的顺序进行排序,得到通信网络。
4.一种无人平台信息感知网络的快速优化装置,其特征在于,所述装置包括计算机,所述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,所述至少一个存储单元中存储有至少一条指令,所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤:
获取无人平台二维空间内的信息感知网络;
基于所述信息感知网络获取无向图;
基于所述信息感知网络获取通信网络;
基于所述无向图和所述通信网络获取二维最优刚性图,所述二维最优刚性图即为无人平台信息感知网络的最优信息交互拓扑;
所述二维最优刚性图的获取方法包括:
S401、获取所述通信网络的第k条边,其中,k=1;
S402、判断所述无向图中的边的数量|E*|和无人平台的数量V是否满足预设的条件:|E*|<2×|V|-3,若满足预设的条件,将所述第k条边添加到所述无向图中,得到第一无向图;若不满足预设的条件,则所述无向图即为二维最优刚性图;
S403、判断所述第一无向图对应的刚度矩阵的秩是否为满秩,若满足条件,则不进行处理,并将所述第一无向图命名为第二无向图;若不满足条件,则将所述第k条边从所述第一无向图中删除,得到第二无向图;
S404、更新所述k的取值;
S405、判断所述第二无向图是否满足预设的条件,若满足条件,则将所述无向图中的数据更新为所述第二无向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二无向图即为二维最优刚性图。
5.如权利要求4所述的快速优化装置,其特征在于,所述无向图的获取方法包括:
获取所述信息感知网络的最小生成树,所述最小生成树即为所述无向图。
6.如权利要求4所述的快速优化装置,其特征在于,所述通信网络的获取方法包括:
将所述无向图中的边从所述信息感知网络中删除,得到第一感知网络;将所述第一感知网络中的边按照权值从低到高的顺序进行排序,得到通信网络。
CN201911068933.3A 2019-11-05 2019-11-05 无人平台信息感知网络的快速优化方法和装置 Active CN111107604B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911068933.3A CN111107604B (zh) 2019-11-05 2019-11-05 无人平台信息感知网络的快速优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911068933.3A CN111107604B (zh) 2019-11-05 2019-11-05 无人平台信息感知网络的快速优化方法和装置

Publications (2)

Publication Number Publication Date
CN111107604A CN111107604A (zh) 2020-05-05
CN111107604B true CN111107604B (zh) 2022-05-24

Family

ID=70420446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911068933.3A Active CN111107604B (zh) 2019-11-05 2019-11-05 无人平台信息感知网络的快速优化方法和装置

Country Status (1)

Country Link
CN (1) CN111107604B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111934901B (zh) * 2020-06-24 2022-05-20 合肥工业大学 无人平台信息感知网络的拓扑控制方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106332101A (zh) * 2016-08-18 2017-01-11 中国人民解放军国防科学技术大学 一种无人移动平台群体分布式格型网络拓扑的构建方法
CN106940567A (zh) * 2017-05-08 2017-07-11 合肥工业大学 无人机编队最优信息交互拓扑生成方法及装置
CN107094314A (zh) * 2017-05-27 2017-08-25 合肥工业大学 多无人机协同编队中的最优通信拓扑生成方法及装置
CN107197474A (zh) * 2017-06-22 2017-09-22 合肥工业大学 多无人机协同编队中的通信拓扑容错优化方法及装置
CN108600102A (zh) * 2018-03-29 2018-09-28 北京交通大学 一种基于智慧协同网络中的柔性数据传输系统
CN109089294A (zh) * 2018-07-24 2018-12-25 中国人民解放军国防科技大学 一种基于sdn分布式控制的无人机网络流量配置方法及系统
CN109743790A (zh) * 2019-02-28 2019-05-10 中国科学院国家空间科学中心 一种高动态移动自组织网络拓扑变化感知方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180375718A1 (en) * 2017-06-22 2018-12-27 Infinera Corporation Technique for topology aware network device upgrades

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106332101A (zh) * 2016-08-18 2017-01-11 中国人民解放军国防科学技术大学 一种无人移动平台群体分布式格型网络拓扑的构建方法
CN106940567A (zh) * 2017-05-08 2017-07-11 合肥工业大学 无人机编队最优信息交互拓扑生成方法及装置
CN107094314A (zh) * 2017-05-27 2017-08-25 合肥工业大学 多无人机协同编队中的最优通信拓扑生成方法及装置
CN107197474A (zh) * 2017-06-22 2017-09-22 合肥工业大学 多无人机协同编队中的通信拓扑容错优化方法及装置
CN108600102A (zh) * 2018-03-29 2018-09-28 北京交通大学 一种基于智慧协同网络中的柔性数据传输系统
CN109089294A (zh) * 2018-07-24 2018-12-25 中国人民解放军国防科技大学 一种基于sdn分布式控制的无人机网络流量配置方法及系统
CN109743790A (zh) * 2019-02-28 2019-05-10 中国科学院国家空间科学中心 一种高动态移动自组织网络拓扑变化感知方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于最小刚性图代数特性的无线网络拓扑优化算法;罗小元等;《物理学报》(第24期);全文 *

Also Published As

Publication number Publication date
CN111107604A (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
CN112036512B (zh) 基于网络裁剪的图像分类神经网络架构搜索方法和装置
CN110609572B (zh) 无人机编队信息交互拓扑的启发式优化方法和装置
CN108882256B (zh) 一种无线传感器网络节点覆盖优化方法和装置
CN111325356A (zh) 一种基于演化计算的神经网络搜索分布式训练系统及训练方法
CN112580943B (zh) 一种应用于无人机集群的任务分解与能力匹配方法
CN113157694A (zh) 一种基于强化学习的数据库索引生成方法
CN111107604B (zh) 无人平台信息感知网络的快速优化方法和装置
CN108399105B (zh) 一种基于改进头脑风暴算法的软硬件划分方法
CN110471445B (zh) 多无人平台通信能耗的多阶段多目标优化方法和装置
CN111104561B (zh) 启发式的无人平台信息感知网络拓扑生成方法和装置
CN111314119B (zh) 不确定环境下无人平台信息感知网络快速重构方法和装置
CN110609548B (zh) 多无人平台协同队形保持的快速优化方法和装置
CN116132354B (zh) 一种无人机集群网络化传输路径优化方法及系统
CN110536266B (zh) 无人机编队通信能耗的周期性在线均衡方法和装置
CN110647166B (zh) 均衡能耗的无人机编队信息交互拓扑在线优化方法和装置
CN110598272B (zh) 多无人平台信息交互拓扑的启发式生成方法和装置
CN111314879B (zh) 突发事件下无人平台信息感知网络快速响应方法和装置
CN111934901B (zh) 无人平台信息感知网络的拓扑控制方法及系统
CN109523634A (zh) 优化网格的方法及装置
CN110989653B (zh) 无人机协同态势感知的信息交互拓扑快速生成方法和装置
CN114493090A (zh) 工业园区综合能源智能管控方法及装置
CN110933639B (zh) 无人机协同态势感知网络的信息交互拓扑优化方法和装置
CN113688971A (zh) 一种基于群体智能的关键节点集合确定方法
CN110618626B (zh) 多无人平台协同队形保持的通信能耗均衡方法和装置
CN110647167B (zh) 无人机编队最优信息交互拓扑快速生成方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Cao Xin

Inventor after: Luo He

Inventor after: Wang Guoqiang

Inventor after: Hu Xiaoxuan

Inventor after: Li Xiaoduo

Inventor after: Jin Peng

Inventor after: Ma Huawei

Inventor after: Xia Wei

Inventor after: Chen Yuxuan

Inventor before: Luo He

Inventor before: Cao Xin

Inventor before: Wang Guoqiang

Inventor before: Hu Xiaoxuan

Inventor before: Li Xiaoduo

Inventor before: Jin Peng

Inventor before: Ma Huawei

Inventor before: Xia Wei

Inventor before: Chen Yuxuan

GR01 Patent grant
GR01 Patent grant