CN113110039A - 一种多智能体系统的有限时间分布式聚合优化方法 - Google Patents
一种多智能体系统的有限时间分布式聚合优化方法 Download PDFInfo
- Publication number
- CN113110039A CN113110039A CN202110375948.5A CN202110375948A CN113110039A CN 113110039 A CN113110039 A CN 113110039A CN 202110375948 A CN202110375948 A CN 202110375948A CN 113110039 A CN113110039 A CN 113110039A
- Authority
- CN
- China
- Prior art keywords
- agent
- agent system
- information
- global
- distributed aggregation
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种多智能体系统的有限时间分布式聚合优化方法,涉及控制和信息技术领域。该方法首先构造多智能体系统的网络拓扑结构图,并确定其邻接矩阵;建立多智能体系统的状态方程;定义考虑智能体聚合信息的多智能体系统的全局目标函数的函数表达式;然后根据多智能体系统的邻接矩阵、状态方程、全局目标函数和有限时间内Lyapunov稳定性理论设计分布式聚合优化算法;最后设定多智能体系统的初始值信息,运行分布式聚合优化算法,使每个智能体与邻居之间进行信息交换;并根据运行结果修正算法,直至达到优化目标,得到多智能体系统的全局最优解。该方法在线性收敛的基础上,完成了有限时间内的收敛,减小了运行时间,减轻了多智能体网络的通信负担。
Description
技术领域
本发明涉及控制和信息技术领域,尤其涉及一种多智能体系统的有限时间分布式聚合优化方法。
背景技术
多智能体网络是由多个智能的、具有一定自主计算能力和通信能力的智能体组成的网络。每个智能体都具有一定的感知能力、通信能力、计算能力以及学习和执行能力这四大特点。它能通过传感器感知外界环境,并与其它智能体进行通信,交流信息;也能通过感知和通信所获得的信息去调整自己的行为和状态;同时也能学习知识,适应新的环境。多智能体系统因为具备上述优势,已经在军事、交通、电力等诸多领域得到广泛应用。
近年来,多智能体系统的分布式协同控制已经成为控制领域研究的一个热点,研究内容越来越丰富,主要涉及的问题包含一致性、协调跟踪、编队控制、分布式优化、分布式平均跟踪等。其中,随着高科技的蓬勃发展,特别是云计算和大数据等新兴领域的出现,分布式优化理论和应用得到了越来越多的重视,并逐渐渗透到科学研究、工程应用和社会生活的各个方面。分布式优化通过多智能体之间的合作协调有效地实现优化的任务,可用来解决许多集中式算法难以胜任的大规模复杂的优化问题。然而,在某些应用场景下,智能体的状态信息不仅包括单一的自己可测的局部信息,还包括较难获得的全局信息,我们称之为聚合信息。此外,还有一些应用场景需要在有限时间内完成分布式优化,我们称这种复杂的情况为有限时间内分布式聚合优化。现有的技术框架下尚无法实现上述复杂的优化任务。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足,提供一种多智能体系统的有限时间分布式聚合优化方法,控制智能体的聚合信息在有限时间内达到一致性,进而根据有限时间Lyapunov稳定性理论使多智能体网络中所有智能体能够在有限时间内收敛到全局最优解这一目标。
为解决上述技术问题,本发明所采取的技术方案是:一种多智能体系统的有限时间分布式聚合优化方法,包括以下步骤:
步骤1:构造描述多智能体系统的网络拓扑结构图,每个节点代表一个智能体,每条边代表智能体间的信息交互;
步骤2:确定所构造的多智能体系统的网络拓扑结构的邻接矩阵;
构造的多智能体系统的网络拓扑结构的邻接矩阵A如下公式所示:
其中,邻接矩阵中的元素aij代表节点i,j之间边的权重值;如果节点i,j之间有边相连,则aij>0,j≠i;如果节点i,j之间没有边相连,则aij=0;同时,设定智能体不存在自环,即aii=0;对于无向图存在aij=aji;
步骤3:建立多智能体系统的状态方程;
建立多智能体系统的状态方程,如下公式所示:
步骤4:定义考虑智能体聚合信息的多智能体系统的全局目标函数的函数表达式,即描述智能体系统所要优化的代价函数的表达式;
考虑智能体存在聚合信息的情况,故多智能体系统优化的目标函数满足以下条件:
其中,f(x)为多智能体系统的全局目标函数,x=col(x1,…,xn)为多智能体系统全局状态量,col表示列向量,fi(xi,σ(x))为第i个智能体的目标函数,φi(xi)为仅与第i个智能体的状态有关的函数,σ(x)为多智能体系统的全局状态信息;
步骤5:根据多智能体系统的邻接矩阵、状态方程、全局目标函数和有限时间内Lyapunov稳定性理论设计分布式聚合优化算法,如下公式所示:
其中,ui为第i个智能体的控制输入,k1,k2为任意正常数,为第i个智能体的目标函数对局部状态信息xi求偏导,为第i个智能体的目标函数对全局状态信息σ(x)的估计σi求偏导;σi对全局状态信息σ(x)进行动态平均跟踪,yi、yj分别表示第i个智能体和其邻居智能体对这个全局状态信息进行动态平均跟踪;aij为多智能体系统的网络拓扑结构G对应邻接矩阵A中的元素,sigα(x)=|x|αsgn(x),选取0<α<1,sgn(x)为符号函数;
步骤6:设定多智能体系统的初始值信息,运行步骤5设计的分布式聚合优化算法算法;并根据运行结果不断修正算法,直至达到优化目标,得到多智能体系统的全局最优解;
设定多智能体系统中各智能体的初始值信息,执行步骤5涉及的分布式聚合优化算法,每个智能体与邻居之间进行信息交换,并在控制算法的作用下,最终达到全局最优解。
采用上述技术方案所产生的有益效果在于:本发明提供的一种多智能体系统的有限时间分布式聚合优化方法,引入了聚合信息,使每一个智能体中不仅有局部信息还有全局信息,更符合工业工程中的实际情况;对网络拓扑结构的要求简单,适用性强,易于实现;解决的是有限时间内的优化问题,即使得所有智能体的状态可以在有限时间内收敛到最优解,这满足实际操作中的需求,且相比于一般的线性收敛,有限时间内的收敛具备更好的抗干扰性和鲁棒性。
同时,本发明方法中设计了基于有限时间的Lyapunov稳定性理论实现有限时间内的分布式聚合优化算法。该算法可以使得智能体状态在含有聚合信息的情况下完成有限时间内的分布式优化。对于现有的分布式优化算法,基本智能体状态都只含有自己的局部信息,很少有含有这种聚合信息的情况。而相比于现有的分布式聚合优化算法,此算法在线性收敛的基础上,进一步完成了有限时间内的收敛,大大减小了运行时间,减轻了大规模多智能体网络的通信负担。
附图说明
图1为本发明实施例提供的一种多智能体系统的有限时间分布式聚合优化方法的流程图;
图2为本发明实施例提供的一种多智能体系统的有限时间分布式聚合优化方法的详细流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本实施例中,一种多智能体系统的有限时间分布式聚合优化方法,如图1、2所示,包括以下步骤:
步骤1:构造描述多智能体系统的网络拓扑结构图,每个节点代表一个智能体,每条边代表智能体间的信息交互;
构造的多智能体系统的网络拓扑结构图是无向图,记为:G={V,E(t)},其中,表示节点的集合,表示边的集合,Ni(t)表示节点i邻居节点的集合;如果定义的多智能体系统网络结构拓扑图是时不变的,则t可以省略;因为构造的图是无向图,所以若j∈Ni成立,则i∈Nj;
步骤2:确定所构造的多智能体系统的网络拓扑结构的邻接矩阵;
构造的多智能体系统的网络拓扑结构的邻接矩阵A如下公式所示:
其中,邻接矩阵中的元素aij代表节点i,j之间边的权重值;如果节点i,j之间有边相连,则aij>0,j≠i;如果节点i,j之间没有边相连,则aij=0;同时,设定智能体不存在自环,即aii=0;对于无向图存在aij=aji;
步骤3:建立多智能体系统的状态方程;
建立多智能体系统的状态方程,如下公式所示:
步骤4:定义考虑智能体聚合信息的多智能体系统的全局目标函数的函数表达式,即描述智能体系统所要优化的代价函数的表达式;
考虑智能体存在聚合信息的情况,故多智能体系统优化的目标函数满足以下条件:
其中,f(x)为多智能体系统的全局目标函数,x=col(x1,…,xn)为多智能体系统全局状态量,col表示列向量,fi(xi,σ(x))为第i个智能体的目标函数,φi(xi)为仅与第i个智能体的状态有关的函数,σ(x)为多智能体系统的全局状态信息;因为每个智能体的目标函数中,既有自己的一部分状态信息,还有一部分多智能体系统的全局状态信息,故我们称这种优化为聚合优化。
步骤5:根据多智能体系统的邻接矩阵、状态方程、全局目标函数和有限时间内Lyapunov稳定性理论设计分布式聚合优化算法,如下公式所示:
其中,ui为第i个智能体的控制输入,k1,k2为任意正常数,为第i个智能体的目标函数对局部状态信息xi求偏导,为第i个智能体的目标函数对全局状态信息σ(x)的估计σi求偏导;σi对全局状态信息σ(x)进行动态平均跟踪,yi、yj分别表示第i个智能体和其邻居智能体对这个全局状态信息进行动态平均跟踪;aij为多智能体系统的网络拓扑结构G对应邻接矩阵A中的元素,sigα(x)=|x|αsgn(x),选取0<α<1,sgn(x)为符号函数,具有以下形式:
步骤6:设定多智能体系统的初始值信息,运行步骤5设计的分布式聚合优化算法;并根据运行结果不断修正算法,直至达到优化目标,得到多智能体系统的全局最优解;
设定多智能体系统中各智能体的初始值信息,执行步骤5涉及的分布式聚合优化算法,每个智能体与邻居之间进行信息交换,并在控制算法的作用下,最终达到全局最优解。
本发明方法的目标是设计一个有限时间的分布式聚合优化算法,使多智能体系统中的智能体在含有聚合信息的情况下在有限时间内收敛到全局最优解,即存在有限时间t*和一个实数x*,使得当t≥t*时,xj(t)=x*且f(x*)=f*,f*为目标函数的全局最优解。本实施例就此目标对该算法进行简要的证明:
首先,因为给出的网络拓扑是时不变的无向图,即aij=aji,可以得到再通过给定初值条件使可以证明在有限时间内对于所有的i=1,…,n都成立,即σi对全局信息σ(x)可在有限时间内跟踪上,同理可证yi对这个全局信息在有限时间内能跟踪上。
然后,将σi与yi代入到(5)式中,选择合适的Lyapunov备选函数,可以证明所有智能体状态在有限时间内是有界的,然后再根据Lyapunov有限时间稳定性理论可以证明所有智能体的状态在有限时间内能达到一致性,最后再根据智能体聚合信息的梯度选择一个新的Lyapunov备选函数即可证明所有智能体状态在含有聚合信息的情况下,可以在有限时间内收敛到全局最优解,完成目标。
上述步骤6为执行环节,包括:设定多智能体的初始值信息即设定 聚合信息的表达式是已知的,有具体的表达式。执行分布式聚合优化算法,每个智能体与邻居之间进行信息交换,并在控制算法的作用下,最终达到全局最优解。
最后应说明的是: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:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部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权利要求所限定的范围。
Claims (6)
1.一种多智能体系统的有限时间分布式聚合优化方法,其特征在于:包括以下步骤:
步骤1:构造描述多智能体系统的网络拓扑结构图,每个节点代表一个智能体,每条边代表智能体间的信息交互;
步骤2:确定所构造的多智能体系统的网络拓扑结构的邻接矩阵;
步骤3:建立多智能体系统的状态方程;
步骤4:定义考虑智能体聚合信息的多智能体系统的全局目标函数的函数表达式,即描述智能体系统所要优化的代价函数的表达式;
步骤5:根据多智能体系统的邻接矩阵、状态方程、全局目标函数和有限时间内Lyapunov稳定性理论设计分布式聚合优化算法;
步骤6:设定多智能体系统的初始值信息,运行步骤5设计的分布式聚合优化算法,使每个智能体与邻居之间进行信息交换;并根据运行结果不断修正算法,直至达到优化目标,得到多智能体系统的全局最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110375948.5A CN113110039B (zh) | 2021-04-08 | 2021-04-08 | 一种多智能体系统的有限时间分布式聚合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110375948.5A CN113110039B (zh) | 2021-04-08 | 2021-04-08 | 一种多智能体系统的有限时间分布式聚合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113110039A true CN113110039A (zh) | 2021-07-13 |
CN113110039B CN113110039B (zh) | 2022-06-24 |
Family
ID=76714622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110375948.5A Active CN113110039B (zh) | 2021-04-08 | 2021-04-08 | 一种多智能体系统的有限时间分布式聚合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113110039B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112947082A (zh) * | 2021-02-08 | 2021-06-11 | 东北大学秦皇岛分校 | 基于点和边的分布式有限时间一致性优化方法 |
CN113625559A (zh) * | 2021-07-28 | 2021-11-09 | 杭州电子科技大学 | 一种基于指定时间收敛的多智能体系统协同控制方法 |
CN113848718A (zh) * | 2021-09-28 | 2021-12-28 | 安徽大学 | 基于线性算子理论的固定时间的异构分群同步控制算法 |
CN114115157A (zh) * | 2021-11-26 | 2022-03-01 | 厦门大学 | 针对智能体集群不确定丢包的优化控制方法、系统和装置 |
CN114594689A (zh) * | 2022-03-15 | 2022-06-07 | 北京理工大学 | 大规模集群系统的分布式递归编组及自主聚合控制方法 |
CN117742141A (zh) * | 2024-02-19 | 2024-03-22 | 南开大学 | 一种基于控制屏障函数的分布式局部利普希茨算法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167784A1 (en) * | 2004-09-10 | 2006-07-27 | Hoffberg Steven M | Game theoretic prioritization scheme for mobile ad hoc networks permitting hierarchal deference |
CN107797454A (zh) * | 2017-11-03 | 2018-03-13 | 南京航空航天大学 | 基于有限时间控制的多智能体系统协同容错控制方法 |
CN107888412A (zh) * | 2016-11-08 | 2018-04-06 | 清华大学 | 多智能体网络有限时间包容控制方法及装置 |
CN108681320A (zh) * | 2018-05-11 | 2018-10-19 | 北京理工大学 | 一种基于局部合作的分布式多智能体实时故障检测方法 |
CN109149568A (zh) * | 2018-09-10 | 2019-01-04 | 上海交通大学 | 一种基于分布式代理的互联微电网及调度价格优化方法 |
CN109240081A (zh) * | 2018-11-21 | 2019-01-18 | 哈尔滨工程大学 | 考虑误差约束的海底地震检波飞行节点有限时间构型包含容错控制方法 |
CN111414575A (zh) * | 2020-03-18 | 2020-07-14 | 东北大学秦皇岛分校 | 基于符号函数的多智能体系统的分布式广义跟踪方法 |
CN112445132A (zh) * | 2019-08-30 | 2021-03-05 | 天津大学 | 一种多智能体系统最优状态一致性控制方法 |
CN112583633A (zh) * | 2020-10-26 | 2021-03-30 | 东北大学秦皇岛分校 | 一种基于粗糙信息的有向多智能体网络的分布式优化方法 |
-
2021
- 2021-04-08 CN CN202110375948.5A patent/CN113110039B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167784A1 (en) * | 2004-09-10 | 2006-07-27 | Hoffberg Steven M | Game theoretic prioritization scheme for mobile ad hoc networks permitting hierarchal deference |
CN107888412A (zh) * | 2016-11-08 | 2018-04-06 | 清华大学 | 多智能体网络有限时间包容控制方法及装置 |
CN107797454A (zh) * | 2017-11-03 | 2018-03-13 | 南京航空航天大学 | 基于有限时间控制的多智能体系统协同容错控制方法 |
CN108681320A (zh) * | 2018-05-11 | 2018-10-19 | 北京理工大学 | 一种基于局部合作的分布式多智能体实时故障检测方法 |
CN109149568A (zh) * | 2018-09-10 | 2019-01-04 | 上海交通大学 | 一种基于分布式代理的互联微电网及调度价格优化方法 |
CN109240081A (zh) * | 2018-11-21 | 2019-01-18 | 哈尔滨工程大学 | 考虑误差约束的海底地震检波飞行节点有限时间构型包含容错控制方法 |
CN112445132A (zh) * | 2019-08-30 | 2021-03-05 | 天津大学 | 一种多智能体系统最优状态一致性控制方法 |
CN111414575A (zh) * | 2020-03-18 | 2020-07-14 | 东北大学秦皇岛分校 | 基于符号函数的多智能体系统的分布式广义跟踪方法 |
CN112583633A (zh) * | 2020-10-26 | 2021-03-30 | 东北大学秦皇岛分校 | 一种基于粗糙信息的有向多智能体网络的分布式优化方法 |
Non-Patent Citations (5)
Title |
---|
CAO YC,ET AL.: "Finite-time consensus of multi-agent networks with inherent nonlinear dynamics under an undirected interaction graph", 《AMERICAN CONTROL CONFERENCE》 * |
HE XIAOYAN,ET AL.: "Distributed finite-time consensus tracking control for second-order nonlinear multi-agent systems", 《PROCEEDINGS OF THE 34TH CHINESE CONTROL CONFERENCE》 * |
于镝等: "多智能体网络有限时间聚集控制", 《吉林大学学报(信息科学版)》 * |
梁银山等: "非光滑聚合博弈纳什均衡的分布式连续时间算法", 《控制理论与应用》 * |
王龙等: "分布式优化的多智能体方法", 《控制理论与应用》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112947082A (zh) * | 2021-02-08 | 2021-06-11 | 东北大学秦皇岛分校 | 基于点和边的分布式有限时间一致性优化方法 |
CN113625559A (zh) * | 2021-07-28 | 2021-11-09 | 杭州电子科技大学 | 一种基于指定时间收敛的多智能体系统协同控制方法 |
CN113848718A (zh) * | 2021-09-28 | 2021-12-28 | 安徽大学 | 基于线性算子理论的固定时间的异构分群同步控制算法 |
CN113848718B (zh) * | 2021-09-28 | 2023-10-31 | 安徽大学 | 基于线性算子理论的固定时间的异构分群同步控制算法 |
CN114115157A (zh) * | 2021-11-26 | 2022-03-01 | 厦门大学 | 针对智能体集群不确定丢包的优化控制方法、系统和装置 |
CN114115157B (zh) * | 2021-11-26 | 2024-03-08 | 厦门大学 | 针对智能体集群不确定丢包的优化控制方法、系统和装置 |
CN114594689A (zh) * | 2022-03-15 | 2022-06-07 | 北京理工大学 | 大规模集群系统的分布式递归编组及自主聚合控制方法 |
CN114594689B (zh) * | 2022-03-15 | 2022-09-27 | 北京理工大学 | 大规模集群系统的分布式递归编组及自主聚合控制方法 |
CN117742141A (zh) * | 2024-02-19 | 2024-03-22 | 南开大学 | 一种基于控制屏障函数的分布式局部利普希茨算法 |
Also Published As
Publication number | Publication date |
---|---|
CN113110039B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113110039B (zh) | 一种多智能体系统的有限时间分布式聚合优化方法 | |
Ning et al. | Practical fixed-time consensus for integrator-type multi-agent systems: A time base generator approach | |
Li et al. | A survey of the consensus for multi-agent systems | |
Xu et al. | Leader-following consensus of discrete-time multi-agent systems with observer-based protocols | |
Wu et al. | Cooperative adaptive dynamic surface control for a class of high-order stochastic nonlinear multiagent systems | |
Jiang et al. | Finite-time weighted average consensus with respect to a monotonic function and its application | |
Li et al. | Fuzzy approximation-based global pinning synchronization control of uncertain complex dynamical networks | |
You et al. | Distributed adaptive event‐triggered control for leader‐following consensus of multi‐agent systems | |
Guo et al. | Mean-square consensus of heterogeneous multi-agent systems with communication noises | |
CN111414575A (zh) | 基于符号函数的多智能体系统的分布式广义跟踪方法 | |
Sun et al. | Bipartite consensus of multi-agent systems with intermittent interaction | |
Chen et al. | Observer-based event-triggered tracking consensus of non-ideal general linear multi-agent systems | |
Jiang et al. | Robust integral sliding‐mode consensus tracking for multi‐agent systems with time‐varying delay | |
CN110278571B (zh) | 一种基于简单预测-校正环节的分布式信号跟踪方法 | |
Sun et al. | Event‐based consensus for general linear multiagent systems under switching topologies | |
Shi et al. | Distributed optimization for economic power dispatch with event‐triggered communication | |
Ma et al. | Impulsive consensus of multi-agent nonlinear systems with control gain error | |
Zhai et al. | Leaderless and leader‐following fixed‐time consensus for multiagent systems via impulsive control | |
CN114818257A (zh) | 一种具有隐私保护作用的智能微网分布式动态跟踪方法 | |
Zhao et al. | Controllability of general linear discrete multi-agent systems with directed and weighted signed network | |
Chen et al. | Distributed optimization of single-integrator systems with prescribed-time convergence | |
CN113867150A (zh) | 一种具有饱和输入的多智能体的事件驱动控制方法 | |
Xu et al. | Distributed output‐feedback cooperative tracking control of non‐linear multi‐agent systems with unknown actuator failures | |
Khoo et al. | Leader-follower consensus control of a class of nonholonomic systems | |
CN114609909A (zh) | 一种切换拓扑下的随机多智体系统控制协议的设计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |