CN113489001B - 一种联合巡检场景中多智能体任务区域规划方法 - Google Patents
一种联合巡检场景中多智能体任务区域规划方法 Download PDFInfo
- Publication number
- CN113489001B CN113489001B CN202110804005.XA CN202110804005A CN113489001B CN 113489001 B CN113489001 B CN 113489001B CN 202110804005 A CN202110804005 A CN 202110804005A CN 113489001 B CN113489001 B CN 113489001B
- Authority
- CN
- China
- Prior art keywords
- area
- agent
- information
- target
- task
- 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
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明是一种联合巡检场景中多智能体任务区域规划方法,该任务区域规划方法包括:目标区域全局信息获取;获取可调用各智能体巡检能力状况和位置信息;对目标区域进行网格化切割并建模;结合智能体信息和目标区域信息进行任务区域规划。在考虑智能体信息和任务密度不均衡的条件下,本发明采用基于任务密度分配的联合巡检场景中多智能体任务区域规划,可以有效的降低因任务密度不同和智能体能力状况不一所引起的规划不均衡问题。
Description
技术领域
本发明属于任务分配和规划领域,具体的说是涉及一种联合巡检场景中多智能体任务区域规划方法。
背景技术
随着对智能体技术的快速发展,多智能体在任务协作方面的研究和应用也较为广泛,但具体到某一领域的应用,一些普适的方法可能发挥的效果并不那么好,同时一些方法主要是关注在任务级的协同,如基于优化的方法和基于市场的方法。
现有技术中的一些多智能体任务规划方法更多的偏向于任务本身,其可能并没有考虑方法所使用的场景,在联合巡检场景下多智能体在其调度方面更与其所处的场景的位置和地理信息的复杂程度有关,如忽略相关信息的情况下,很难再任务的分配和执行过程中达到较好的效果。
发明内容
为了克服现有技术中存在的不足,本发明提供了一种联合巡检场景中多智能体任务区域规划方法,在联合巡检场景中每一个目标点的重要程度不一样,所需的智能体巡检能力也会有所不同;为了能尽可能快的完成联合巡检任务,需要合理的对待巡检区域进行划分,然后对划分后的区域在结合可调度的智能体的位置和巡检能力信息合理分配智能体的分布,使其能快速、高效的完成任务。
为了达到上述目的,本发明是通过以下技术方案实现的:
本发明是一种联合巡检场景中多智能体任务区域规划方法,包括目标区域全局信息获取,如目标区域形状、区域面积等;获取可调用各智能体能力状况和位置信息;对目标区域进行网格化切割并建模;结合智能体信息和目标区域信息进行任务区域规划。此方法主要包括两个部分:第一部分为目标巡检区域的划分问题,采用的基本思想是均衡分配;第二部分为智能体的任务区域分配,在第一部分划分的基础上在通过结合智能体的能力和位置信息进行任务区域分配,采用的基本思想是智能体需满足巡检区域目标所需的能力,同时使得智能体的移动距离相对较短。
具体的所述规划方法包括如下步骤:
步骤1:全局信息获取:在联合巡检的场景中,通过无人机或者空中辅助设备来勘察并获取目标区域的相关信息,如目标区域形状、目标区域面积S等;同时还需获取巡检目标特征信息F,所要巡检区域的场景信息标识,其标识主要是用来后期对目标区域内的巡检目标信息进行匹配与标注,具体方法为将目标区域中的信息标注与获取的巡检目标特征信息F进行对比匹配,结束后会给按照N个信息单位为一个标注块赋予一个匹配权重值W,其中N是一个非固定值,可根据实际情况执行设定大小,匹配权重值W是一个权重矩阵,Wij表示第i行j列这一标注块的匹配权重值。
步骤2:智能体信息获取:通过任务辅助系统或者其他方式,提前获取每个智能体的能力信息A和位置信息P=(X,Y);
步骤3:目标区域切割和建模:根据步骤1中目标区域获得的全局信息和根据步骤2获得的智能体信息对目标区域进行网格切割,在目标区域切割完成后,对整个切割块进行划分;
步骤4:多智能体任务区域规划:将所述步骤3划分好的区域块结合智能体的能力信息和位置信息得出智能体在目标任务区域规划的结果。
本发明的进一步改进在于:所述步骤1中,所述全局目标信息包括区域形状和区域面积,所述区域形状决定了方格划分区域时区域边界所占的方格连接形状,所述区域面积决定了此目标区域的在进行方格切割时所需要的方格数量。
本发明的进一步改进在于:在所述步骤2中,所述智能体信息主要包括能力信息和其位置信息,使用一个数值型数据来表征所述能力信息,此数值越大代表能力越强,所述位置信息是指智能体在二维坐标系下的位置坐标。其表征方式一般使用二维坐标点表示,智能体能力信息和位置信息的用途主要是在后期结合任务区域进行智能体与任务区域结合时使用,是任务区域规划的重要数据,能力信息A表示其在本场景中的目标巡检的能力,对于不同的智能体存在不同的能力信息,所能处理的任务能力有所不同,位置信息P=(X,Y)代表智能体在二维平面建模的坐标:X表示横坐标,Y表示纵坐标。
本发明的进一步改进在于:所述步骤3中,所述网格切割采用网格划分的方法,具体为:将一个区域放置在一个平面坐标轴中,沿x轴画数条间距相同的水平线,同时沿y轴画数条间距相同的竖直线,这些水平和竖直的线必须将目标区域完全把含在内,并且每个小格子均为正方向,因为正方形在计算方格中心位置和最终方格数量上较为方便。
本发明的进一步改进在于:在所述步骤3中,所述切割块划分包括如下步骤:
步骤3-1:计算出每一个区域块的平均目标权重值;
步骤3-2:求解每个区域块的联通区间,
所述联通区间的权重值总和尽可能的接近平均权重值p,具体模型如下:
其中,fij是一个m×n的一个二维特征矩阵,用来表征在规划某个区域时,用1来表示某个单元块被选择,0表示没被选择的单元块;Pi,j表示第i行j列的位置坐标,位置坐标是用来判断区域块所包含的单元块是否连通在一起;d是两个相邻单元格中心点的距离,因为每一个单元格均为正方形,所以相邻单元格间的距离为横坐标或纵坐标差值的绝对值。
本发明的进一步改进在于:所述步骤4对多智能体任务区域规包括以下两个部分:第一部分是对目标区域基于任务密度的区域划分,划分的原则是尽可能的将目标区域的划分结果较为均衡;第二部分是在目标区域已划分完成的基础上,在考虑智能体能力信息A和其位置信息P=(X,Y)的基础上,将多智能体进行合理的分配,使其在每个划分区域上的智能体能力综合均衡和每个智能体的路径长度最短。
本发明的进一步改进在于:对所述步骤4进行数学建模:
第一优化目标为:
第二优化目标为:
其中,fij是一个m×n的一个二维矩阵,用来表征某个智能体是否分配给某一个区域块,1表示分配,0表示不分配;Pj表示第j个智能体的能力信息,Powi表示第i个区域块所需要的能力信息;PAj表示第j个智能体的位置信息,Posi表示第i个区域块的位置信息。
步骤4-2:通过对第二优化目标的fij二维矩阵的输出,得出多智能体在目标任务区域规划的结果,其结果的可能是一个区域块分配一个或者多个智能体来完成目标任务。
本发明的有益效果是:本发明在巡检场景中,目前的任务规划研究中,以智能体对任务的执行能力为指标的方法研究较少;本发明可适用于复杂的不规则区域任务规划场景中;在考虑智能体信息和任务密度不均衡的条件下,本发明采用基于任务密度分配的联合巡检场景中多智能体任务区域规划,本发明可以有效的降低因任务密度不同和智能体能力状况不一所引起的规划不均衡问题。
附图说明
图1为任务区域规划过程流程图。
图2为任务区域分配示意图。
具体实施方式
以下将以图式揭露本发明的实施方式,为明确说明起见,许多实务上的细节将在以下叙述中一并说明。然而,应了解到,这些实务上的细节不应用以限制本发明。也就是说,在本发明的部分实施方式中,这些实务上的细节是非必要的。
在联合巡检场景中每一个目标点的的重要程度不一样,所需的智能体巡检能力也会有所不同;为了能尽可能快的完成联合巡检任务,需要合理的对待巡检区域进行划分,然后对划分后的区域在结合可调度的智能体的位置和巡检能力信息合理分配智能体的分布,使其能快速、高效的完成任务。该任务区域规划方法包括:目标区域全局信息获取,如目标区域形状、区域面积等;获取可调用各智能体能力状况和位置信息;对目标区域进行网格化切割并建模;结合智能体信息和目标区域信息进行任务区域规划。此方法主要包括两个部分:第一部分为目标巡检区域的划分问题,采用的基本思想是均衡分配;第二部分为智能体的任务区域分配,在第一部分划分的基础上在通过结合智能体的能力和位置信息进行任务区域分配,采用的基本思想是智能体需满足巡检区域目标所需的能力,同时使得智能体的移动距离相对较短。
该方法的具体执行过程如下:
步骤1:全局信息获取
在联合巡检的场景中,通过无人机或者多智能体信息管理系统调取的方式获取目标区域的全局目标信息,如目标区域形状、目标区域面积S等,区域形状决定了方格划分区域时区域边界所占的方格连接形状,所述区域面积决定了此目标区域的在进行方格切割时所需要的方格数量,目标区域的形状如附图中的图2左图所示,目标区域的形状是极其不规则的,为了能简便下面的多智能体的任务分配方法,这里需要对目标区域进行方格切割;区域面积为S;在此需要确定的是切割的方块单元格大小和需要执行任务区域的数量N。
在所述步骤1中,所述目标区域的全局目标信息还包括所要巡检区域的场景信息标识,其标识主要是用来后期对目标区域内的巡检目标信息进行匹配与标注,具体方法为将目标区域中的信息标注与获取的巡检目标特征信息F进行对比匹配,结束后会给按照N个信息单位为一个标注块赋予一个匹配权重值W,其中N是一个非固定值,可根据实际情况执行设定大小,匹配权重值W是一个权重矩阵,Wij表示第i行j列这一标注块的匹配权重值
步骤2:智能体信息获取
智能体作为任务执行的重要载体,此项智能体信息主要包括能力信息和其位置信息,获取方式主要是通过多智能体信息管理系统读取的方式获得。智能体能力信息和位置信息的用途主要是在后期结合任务区域进行智能体与任务区域结合时使用,是任务区域规划的重要数据。其能力信息是一个重要的指标,使用一个数值型数据来表征能力信息,此数值越大代表其能力也越强,通过系统获取到每一个智能体的能力信息为Pj,Pj表示第j个智能体的能力值;而智能体位置信息是指智能体在二维坐标系下的位置坐标,其表征方式一般使用二维坐标点表示,同样可以通过系统获取每一个智能体的位置信息为PAj,PAj表示第j个智能体的位置信息,能力信息A表示其在本场景中的目标巡检的能力,对于不同的智能体存在不同的能力信息,所能处理的任务能力有所不同,位置信息P=(X,Y)代表智能体在二维平面建模的坐标:X表示横坐标,Y表示纵坐标。
步骤3:目标区域切割和建模:根据步骤1中目标区域获得的全局信息和根据步骤2获得的智能体信息对目标区域进行网格切割,在目标区域切割完成后,对整个切割块进行划分。
在实际的联合巡检场景中,目标区域大多以一种无规则的形状作为一个任务区域,在任务规划的时候难以进行合理的规划,基于这一情况的出现,为了突出疑似目标的重要程度,在明确划分区域数量和每个划分单元区块大小,对目标区域进行网格切割。目标区域切割可以将目标区域按需进行合理的切割,此步骤需要考虑目标区域的大小、形状以及切割后的多智能体规划的安排;这一步骤是后面任务区域划分和多智能体任务规划的基础。此切割方法采用网格划分的方法,具体描述为:将一个区域放置在一个平面坐标轴中,沿x轴画数条间距相同的水平线,同时沿y轴画数条间距相同的竖直线,这些水平和竖直的线必须将目标区域完全把含在内,并且每个小格子均为正方向,因为正方形在计算方格中心位置和最终方格数量上较为方便。
在目标区域切割完成后,需要的是对整个切割块进行划分,基于前面的信息,对每一个单元块的疑似目标的重要程度给与赋值为Wij,其中Wij表示第i行的第j块的目标权重值;目标区域划分的思想是:首先,计算出每一个区域块的平均目标权重值P,其次,求解每个区域块的联通区间,这个联通区间的权重值总和尽可能的接近平均权重值p,具体模型如下:
其中,fij是一个m×n的一个二维特征矩阵,用来表征在规划某个区域时,用1来表示某个单元块被选择,0表示没被选择的单元块;Pi,j表示第i行j列的位置坐标,位置坐标是用来判断区域块所包含的单元块是否连通在一起;d是两个相邻单元格中心点的距离。因为每一个单元格均为正方形,所以相邻单元格间的距离为横坐标或纵坐标差值的绝对值。
步骤4:多智能体任务区域规划:将所述步骤3划分好的区域块结合智能体的能力信息和位置信息得出智能体在目标任务区域规划的结果。
基于目标区域切割和建模的基础上,将划分好的区域块进行位置中心和能力需求总和计算,这样可以获取每一个区域块的所需的能力和位置的基本信息数据;在第二步中已经获取了可调度的多个智能体的一些信息数据,包括能力信息和位置信息。
此规划方法的基本思想是:每一个区域块分配的智能体集合的能力信息总和必须不小于此区域块所需的能力状况并且每个区域块的智能体能力信息总和要均衡,此目标为第一优化目标;在满足第一优化目标的基础上,还需要考虑智能体的位置信息,智能体位置和其所属的区域块位置信息决定了智能体到达指定区域块的路径长度,为了尽可能的让智能体能完成任务的执行,在任务区域分配的方法中要使得智能体的路径长度较短,这里的长度是指所有智能体的路径长度之和,为了能较为清晰的描述这一方法,下面对此方法进行数学建模:
第一优化目标为:
第二优化目标为:
其中,fij是一个m×n的一个二维矩阵,用来表征某个智能体是否分配给某一个区域块,1表示分配,0表示不分配;Pj表示第j个智能体的能力信息,Powi表示第i个区域块所需要的能力信息;PAj表示第j个智能体的位置信息,Posi表示第i个区域块的位置信息。
步骤4-2:通过对第二优化目标的fij二维矩阵的输出,得出多智能体在目标任务区域规划的结果,其结果的可能是一个区域块分配一个或者多个智能体来完成目标任务。
该方法的重点在目标区域的任务密度分布不均衡的,智能体的能力状况也不近相同,在考虑智能体信息和任务密度不均衡的条件下,本发明采用基于任务密度分配的联合巡检场景中多智能体任务区域规划,可以有效的降低因任务密度不同和智能体能力状况不一所引起的规划不均衡问题。
以上所述仅为本发明的实施方式而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等,均应包括在本发明的权利要求范围之内。
Claims (6)
1.一种联合巡检场景中多智能体任务区域规划方法,其特征在于:所述区域规划方法包括目标巡检区域划分和智能体的任务区域分配,具体的所述规划方法包括如下步骤:
步骤1:全局信息获取:在联合巡检的场景中,通过无人机或者系统调取的方式获取目标区域的全局目标信息;
步骤2:智能体信息获取:在联合巡检的场景中,通过系统提前获取每个智能体的信息;
步骤3:目标区域切割和建模:根据步骤1中目标区域获得的全局信息和根据步骤2获得的智能体信息对目标区域进行网格切割,在目标区域切割完成后,对整个切割块进行划分;
步骤4:多智能体任务区域规划:将所述步骤3划分好的区域块结合智能体信息得出智能体在目标任务区域规划的结果,其中:
在所述步骤3中,所述切割块划分包括如下步骤:
步骤3-1:计算出每一个区域块的平均目标权重值;
步骤3-2:求解每个区域块的联通区间,
所述联通区间的权重值总和,具体模型如下:
其中,fij是一个m×n的一个二维特征矩阵,用来表征在规划某个区域时,用1来表示某个单元块被选择,0表示没被选择的单元块;Pi,j表示第i行j列的位置坐标,位置坐标是用来判断区域块所包含的单元块是否连通在一起;d是两个相邻单元格中心点的距离;
对所述步骤4进行数学建模:
第一优化目标为:
第二优化目标为:
其中,fij是一个m×n的一个二维矩阵,用来表征某个智能体是否分配给某一个区域块,1表示分配,0表示不分配;Pj表示第j个智能体的能力信息,Powi表示第i个区域块所需要的能力信息;PAj表示第j个智能体的位置信息,Posi表示第i个区域块的位置信息;
步骤4-2:通过对第二优化目标的fij二维矩阵的输出,得出多智能体在目标任务区域规划的结果,其结果是一个区域块分配一个或者多个智能体来完成目标任务。
2.根据权利要求1所述一种联合巡检场景中多智能体任务区域规划方法,其特征在于:所述步骤1中,所述全局目标信息包括区域形状和区域面积,所述区域形状决定了方格划分区域时区域边界所占的方格连接形状,所述区域面积决定了此目标区域的在进行方格切割时所需要的方格数量。
3.根据权利要求1所述一种联合巡检场景中多智能体任务区域规划方法,其特征在于:在所述步骤2中,所述智能体信息主要包括能力信息和其位置信息,使用一个数值型数据来表征所述能力信息,此数值越大代表能力越强,所述位置信息是指智能体在二维坐标系下的位置坐标。
4.根据权利要求1所述一种联合巡检场景中多智能体任务区域规划方法,其特征在于:所述步骤3中,所述网格切割采用网格划分的方法,具体为:将一个区域放置在一个平面坐标轴中,沿x轴画数条间距相同的水平线,同时沿y轴画数条间距相同的竖直线,这些水平和竖直的线必须将目标区域完全把含在内,并且每个小格子均为正方向。
5.根据权利要求1所述一种联合巡检场景中多智能体任务区域规划方法,其特征在于:所述步骤4对多智能体任务区域规包括以下两个部分:第一部分是对目标区域基于任务密度的区域划分,划分的原则是尽可能的将目标区域的划分结果较为均衡;第二部分是在目标区域已划分完成的基础上,将多智能体进行合理的分配,使其在每个划分区域上的智能体能力综合均衡和每个智能体的路径长度最短。
6.根据权利要求1所述一种联合巡检场景中多智能体任务区域规划方法,其特征在于:在所述步骤1中,所述目标区域的全局目标信息还包括所要巡检区域的场景信息标识,具体方法为将目标区域中的信息标注与获取的巡检目标特征信息进行对比匹配,匹配权重值W是一个权重矩阵,Wij表示第i行j列这一标注块的匹配权重值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110804005.XA CN113489001B (zh) | 2021-07-16 | 2021-07-16 | 一种联合巡检场景中多智能体任务区域规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110804005.XA CN113489001B (zh) | 2021-07-16 | 2021-07-16 | 一种联合巡检场景中多智能体任务区域规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113489001A CN113489001A (zh) | 2021-10-08 |
CN113489001B true CN113489001B (zh) | 2023-09-22 |
Family
ID=77938924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110804005.XA Active CN113489001B (zh) | 2021-07-16 | 2021-07-16 | 一种联合巡检场景中多智能体任务区域规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113489001B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007141087A (ja) * | 2005-11-21 | 2007-06-07 | Chugoku Electric Power Co Inc:The | 情報処理方法、情報処理装置、及びプログラム |
JP2011215722A (ja) * | 2010-03-31 | 2011-10-27 | Tokyo Electric Power Co Inc:The | 情報処理装置、スケジューリング方法およびプログラム |
CN110597937A (zh) * | 2019-08-23 | 2019-12-20 | 广州杰赛科技股份有限公司 | 一种无人智能巡检的方法、装置、设备及存储介质 |
CN110707823A (zh) * | 2019-11-08 | 2020-01-17 | 国网上海市电力公司 | 一种变电站多维智能远程巡检系统 |
CN112060106A (zh) * | 2020-09-11 | 2020-12-11 | 徐州工程学院 | 矿用巡检机器人的巡检系统及巡检机器人群的巡检方法 |
-
2021
- 2021-07-16 CN CN202110804005.XA patent/CN113489001B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007141087A (ja) * | 2005-11-21 | 2007-06-07 | Chugoku Electric Power Co Inc:The | 情報処理方法、情報処理装置、及びプログラム |
JP2011215722A (ja) * | 2010-03-31 | 2011-10-27 | Tokyo Electric Power Co Inc:The | 情報処理装置、スケジューリング方法およびプログラム |
CN110597937A (zh) * | 2019-08-23 | 2019-12-20 | 广州杰赛科技股份有限公司 | 一种无人智能巡检的方法、装置、设备及存储介质 |
CN110707823A (zh) * | 2019-11-08 | 2020-01-17 | 国网上海市电力公司 | 一种变电站多维智能远程巡检系统 |
CN112060106A (zh) * | 2020-09-11 | 2020-12-11 | 徐州工程学院 | 矿用巡检机器人的巡检系统及巡检机器人群的巡检方法 |
Non-Patent Citations (2)
Title |
---|
一种基于无人机的违章违停自主巡检系统;肖建;梁定康;徐威;郭宇锋;;计算机技术与发展(第12期);全文 * |
移动多智能体路径规划方法研究;陈翠丽;高振伟;;电脑知识与技术(第16期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113489001A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490415B (zh) | 一种多无人机视觉协同的建筑进度评估方法 | |
CN110298553A (zh) | 一种基于gis的国土空间规划方法、系统和设备 | |
CN110298474B (zh) | 一种基于ais与gis的船舶备品备件的物流选址方法 | |
EP1842158A1 (en) | Method and apparatus for distributing assignments | |
CN109739943A (zh) | 面向自然资源矢量地表覆盖变化统计处理方法 | |
CN111062525B (zh) | 扩容小区的基站选址方法、装置、设备及存储介质 | |
CN112230677B (zh) | 无人机族群任务规划方法及终端设备 | |
CN113239764B (zh) | 输电线路无人机巡检图像预处理方法 | |
CN111294841B (zh) | 一种无线网络问题的处理方法、装置及存储介质 | |
CN107393002A (zh) | 对地形边界进行提取的设备和方法 | |
CN111626619A (zh) | 基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质 | |
CN111461399A (zh) | 一种基于故障非线性离散分布的驻点坐标配置方法 | |
CN113133007B (zh) | 通信站点的选址方法、装置及设备 | |
CN108243445A (zh) | 一种确定弱覆盖区域的方法和系统 | |
CN102930481B (zh) | 电网负荷密度分析方法及系统 | |
CN110543540A (zh) | 基于循环相关的覆冰微地形识别方法及系统 | |
CN113489001B (zh) | 一种联合巡检场景中多智能体任务区域规划方法 | |
CN110991562B (zh) | 一种基于物种构成特征的动物类群地理区划方法 | |
CN112184092A (zh) | 物流节点确定方法、装置、服务器及存储介质 | |
CN106650595A (zh) | 地块边界识别的方法及边界识别装置 | |
CN113657718B (zh) | 一种多机器人动态联盟任务分配方法及相关装置 | |
CN112995902B (zh) | 一种远距离广域网定位方法、装置、设备及存储介质 | |
CN114779811A (zh) | 一种输电线路智能协同巡检方法、装置、系统及存储介质 | |
KR20230130988A (ko) | 신규 변전소 최적 위치 선정 방법, 다수 변전소들의 최적 노드 할당 방법 및 변전소 군집화 시스템 | |
CN110765563B (zh) | 一种基于多个必经点最短路径的配电网自动布线方法 |
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 |