CN115016522A - 一种飞行姿态序列确定方法、装置、设备和存储介质 - Google Patents
一种飞行姿态序列确定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115016522A CN115016522A CN202210803660.8A CN202210803660A CN115016522A CN 115016522 A CN115016522 A CN 115016522A CN 202210803660 A CN202210803660 A CN 202210803660A CN 115016522 A CN115016522 A CN 115016522A
- Authority
- CN
- China
- Prior art keywords
- flight
- flight attitude
- switching
- attitude
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000003016 pheromone Substances 0.000 claims abstract description 102
- 238000004590 computer program Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 13
- 238000002474 experimental method Methods 0.000 abstract description 6
- 238000012795 verification Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000036544 posture Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0833—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using limited authority control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T50/00—Aeronautics or air transport
- Y02T50/60—Efficient propulsion technologies, e.g. for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种飞行姿态序列确定方法、装置、设备和存储介质。该方法包括:获取飞行姿态集合,其中,飞行姿态集合包括:至少两种飞行姿态;获取信息素值和飞行姿态集合中任意两个飞行姿态对应的切换因子;根据信息素值和切换因子确定目标飞行姿态序列。本发明实施例通过数据建模的方式,在多次大数据的支撑下完成飞行器不同飞行姿态组合状态下的最优电量实验,通过在虚拟环境条件下完成对算法的验证,避免了实物状态下实验所需的高昂硬件设备,降低了实验成本;同时,本发明实施例的技术方案提供了一种寻求最优解的解决思路,解决了飞行器在通过障碍物时采用怎样的飞行策略可以达到电量的最优使用效率以及对于障碍物避险时的资源最优调配问题。
Description
技术领域
本发明涉及飞行器的资源计算优化技术领域,尤其涉及一种飞行姿态序列确定方法、装置、设备和存储介质。
背景技术
目前,商用飞行器(如无人机等)在不同业务领域的商业应用越来越广泛,因其小而轻便的设计,使得在业务上无法配置可供飞行器长时间飞行的电池。在如今的电池技术条件下,如何能将飞行器电池的使用效率提升,是一个算法课题。目前面临的困难主要体现在以下两个方面:飞行器上安装的电池容量有限以及在对算法的验证过程中,需要高昂的硬件设备。
发明内容
本发明提供了一种飞行姿态序列确定方法、装置、设备和存储介质,以解决在飞行器电池容量有限的基础上如何寻求电量的最优使用效率的问题。
根据本发明的一方面,提供了一种飞行姿态序列确定方法,该方法包括:
获取飞行姿态集合,其中,所述飞行姿态集合包括:至少两种飞行姿态;
获取信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子;
根据所述信息素值和所述切换因子确定目标飞行姿态序列。
根据本发明的另一方面,提供了一种飞行姿态序列确定装置,该装置包括:
第一获取模块,用于获取飞行姿态集合,其中,所述飞行姿态集合包括:至少两种飞行姿态;
第二获取模块,用于获取信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子;
第一确定模块,用于根据所述信息素值和所述切换因子确定目标飞行姿态序列。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的飞行姿态序列确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的飞行姿态序列确定方法。
本发明实施例的技术方案,通过获取飞行姿态集合,获取信息素值和飞行姿态集合中任意两个飞行姿态对应的切换因子,根据信息素值和切换因子确定目标飞行姿态序列。本发明实施例的技术方案提供了一种寻求最优解的解决思路,通过运用蚁群算法确定目标飞行姿态序列,解决了飞行器在通过障碍物时采用怎样的飞行策略可以达到电量的最优使用效率以及对于障碍物避险时的资源最优调配问题。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是根据本发明实施例一提供的一种飞行姿态序列确定方法的流程图;
图2是根据本发明实施例二提供的一种飞行姿态序列确定装置的结构示意图;
图3是实现本发明实施例的飞行姿态序列确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种飞行姿态序列确定方法的流程图,本实施例可适用于飞行姿态序列确定情况,该方法可以由飞行姿态序列确定装置来执行,该飞行姿态序列确定装置可以采用硬件和/或软件的形式实现,该飞行姿态序列确定装置可集成在任何提供飞行姿态序列确定功能的电子设备中。如图1所示,该方法包括:
S101、获取飞行姿态集合。
可以知道的是,飞行姿态是指飞行器的三轴在空中相对于某条参考线或某个参考平面或某固定的坐标系统间的状态。
需要说明的是,飞行姿态集合可以是由多种飞行姿态组成的集合。其中,飞行姿态集合包括:至少两种飞行姿态。在本实施例中,飞行姿态集合中的飞行姿态可以是由用户根据实际情况预先设置的多种不同的飞行姿态,例如可以是,飞行姿态集合可以包括飞行姿态A、飞行姿态B、飞行姿态C、飞行姿态D和飞行姿态E。
具体的,获取由用户根据实际情况预先设置的多种不同的飞行姿态组成的飞行姿态集合,飞行姿态集合中包括至少两种飞行姿态。
S102、获取信息素值和飞行姿态集合中任意两个飞行姿态对应的切换因子。
需要解释的是,信息素值指的是蚁群算法中的参数信息素。在本实施例中寻求飞行器用电效率理论最优值算法为蚁群算法,蚁群算法是一种智能优化算法,通过蚁群优化可求解复杂问题,蚁群算法在离散优化问题方面有较好的优越性。
在本实施例中,切换因子指的是从某一飞行姿态切换到另一飞行姿态时的因子数值。其中,切换因子可以由用户根据实际情况预先设置,本实施例对此不进行限定。优选的,两种相同飞行姿态之间的切换因子可以为0,从飞行姿态A切换到飞行姿态B和从飞行姿态B切换到飞行姿态A的切换因子可以不相同。
具体的,获取信息素值,其中信息素可以包括初始信息素,初始信息素可以是由用户根据实际情况预先设置的数值;获取飞行姿态集合中任意两个飞行姿态对应的切换因子,其中切换因子可以由用户根据实际情况预先设置。
S103、根据信息素值和切换因子确定目标飞行姿态序列。
需要说明的是,目标飞行姿态序列可以是对飞行姿态集合中包括的所有飞行姿态进行排序后得到的飞行姿态序列,即为飞行器在通过障碍物时可以达到电量的最优使用效率以及对于障碍物避险时的资源最优调配的飞行姿态序列。
具体的,根据信息素值和切换因子进行不断地迭代计算,对飞行姿态集合中包括的所有飞行姿态不断地进行排序,直到迭代出目标飞行姿态序列,即得到飞行器在通过障碍物时可以达到电量的最优使用效率以及对于障碍物避险时的资源最优调配的飞行姿态序列。
本发明实施例的技术方案,通过获取飞行姿态集合,获取信息素值和飞行姿态集合中任意两个飞行姿态对应的切换因子,根据信息素值和切换因子确定目标飞行姿态序列。本发明实施例的技术方案提供了一种寻求最优解的解决思路,通过运用蚁群算法确定目标飞行姿态序列,解决了飞行器在通过障碍物时采用怎样的飞行策略可以达到电量的最优使用效率以及对于障碍物避险时的资源最优调配问题。
可选的,根据信息素值和切换因子确定目标飞行姿态序列,包括:
根据信息素值和切换因子信息确定目标概率值集合。
需要说明的是,目标概率值集合可以是根据信息素值和切换因子信息计算出的飞行姿态集合中任意两个飞行姿态对应的切换概率组成的集合。
其中,目标概率值集合包括:飞行姿态集合中任意两个飞行姿态对应的切换概率。
需要解释的是,切换概率可以是从飞行姿态集合中任意一个飞行姿态切换到飞行姿态集合中另一种飞行姿态的概率。
具体的,根据信息素值和切换因子信息确定飞行姿态集合中任意两个飞行姿态对应的切换概率,由飞行姿态集合中任意两个飞行姿态对应的切换概率组成目标概率值集合。
根据目标概率值集合确定目标飞行姿态序列。
具体的,根据目标概率值集合中的飞行姿态集合中任意两个飞行姿态对应的切换概率确定目标飞行姿态序列。
可选的,根据目标概率值集合确定目标飞行姿态序列,包括:
根据飞行姿态集合中任意两个飞行姿态对应的切换概率确定当前飞行姿态对应的最大切换概率。
其中,当前飞行姿态可以是飞行器当前正处于的飞行姿态,例如可以是飞行姿态A。
需要说明的是,最大切换概率可以是飞行器从当前飞行姿态切换到其他飞行姿态的所有切换概率中的最大值。
具体的,根据信息素值和切换因子信息确定飞行姿态集合中任意两个飞行姿态对应的切换概率,将飞行姿态集合中任意两个飞行姿态对应的切换概率中的最大值确定为当前飞行姿态对应的最大切换概率。例如可以是,飞行姿态集合包括飞行姿态A、飞行姿态B、飞行姿态C、飞行姿态D和飞行姿态E,飞行器的当前飞行姿态为飞行姿态A,根据信息素值和切换因子信息确定从飞行姿态A切换到飞行姿态B的切换概率为0.278,从飞行姿态A切换到飞行姿态C的切换概率为0.139,从飞行姿态A切换到飞行姿态D的切换概率为0.417,从飞行姿态A切换到飞行姿态E的切换概率为0.167,则将上述4个切换概率中的最大值0.417确定为当前飞行姿态A对应的最大切换概率。
根据当前飞行姿态对应的最大切换概率确定下一飞行姿态,直至得到目标飞行姿态序列。
其中,下一飞行姿态可以是飞行器从当前飞行姿态将要切换到的飞行姿态。
具体的,根据当前飞行姿态对应的最大切换概率所对应的飞行姿态确定为下一飞行姿态,直至得到目标飞行姿态序列。示例性的,从飞行姿态A切换到飞行姿态B的切换概率为0.278,从飞行姿态A切换到飞行姿态C的切换概率为0.139,从飞行姿态A切换到飞行姿态D的切换概率为0.417,从飞行姿态A切换到飞行姿态E的切换概率为0.167,则将切换概率0.417确定为当前飞行姿态A对应的最大切换概率,将切换概率0.417对应的飞行姿态D确定为下一飞行姿态;同理,将从飞行姿态D到飞行姿态B、从飞行姿态D到飞行姿态C、从飞行姿态D到飞行姿态E中的最大切换概率所对应的飞行姿态确定为下一飞行姿态;以此类推,直至得到目标飞行姿态序列。
可选的,该方法还包括:
若当前飞行姿态为首个飞行姿态,则将飞行姿态集合中任一飞行姿态确定为当前飞行姿态。
需要说明的是,首个飞行姿态可以是飞行器飞行时所采用的第一个飞行姿态,即在飞行器采用此飞行姿态飞行前未采用飞行姿态集合中的任一种飞行姿态飞行。
具体的,若当前飞行姿态为首个飞行姿态,则将飞行姿态集合中任一飞行姿态确定为当前飞行姿态,即飞行器的首个飞行姿态可以是飞行姿态集合中的任一种飞行姿态,首个飞行姿态为随机确定。
若当前飞行姿态非首个飞行姿态,则根据当前飞行姿态的上一飞行姿态对应的最大切换概率确定当前飞行姿态。
其中,非首个飞行姿态可以是飞行器飞行时所采用的飞行姿态为其他飞行姿态集合中的任一种飞行姿态切换而来,即在飞行器采用此飞行姿态飞行前已采用飞行姿态集合中的其他飞行姿态飞行。
具体的,若当前飞行姿态非首个飞行姿态,则将当前飞行姿态的上一飞行姿态对应的最大切换概率所对应的飞行姿态确定为当前飞行姿态。示例性的,上一飞行姿态为飞行姿态A,从飞行姿态A切换到飞行姿态B的切换概率为0.278,从飞行姿态A切换到飞行姿态C的切换概率为0.139,从飞行姿态A切换到飞行姿态D的切换概率为0.417,从飞行姿态A切换到飞行姿态E的切换概率为0.167,则将上一飞行姿态A对应的最大切换概率0.417所对应的飞行姿态D确定为当前飞行姿态。
可选的,根据信息素值和切换因子信息确定目标概率值集合,包括:
获取初始信息素值、初始信息素值的权重、飞行姿态集合中任意两个飞行姿态对应的切换因子以及切换因子的权重。
其中,初始信息素值可以是由用户根据实际情况预先设置,本实施例对此不进行限定。优选的,初始信息素值可以是3。
需要说明的是,初始信息素值的权重可以是初始信息素的权重程度。切换因子的权重可以是切换因子的权重程度,切换因子的权重越大切换概率值计算收敛的越快。
具体的,获取初始信息素值、初始信息素值的权重、飞行姿态集合中任意两个飞行姿态对应的切换因子以及切换因子的权重,其中初始信息素值和切换因子可以是由用户根据实际情况预先设置,本实施例对此不进行限定。
根据初始信息素值、初始信息素值的权重、飞行姿态集合中任意两个飞行姿态对应的切换因子以及切换因子的权重确定任意两个飞行姿态对应的切换概率。
具体的,任意两个飞行姿态对应的切换概率可以通过如下公式进行计算:
其中,a表示当前飞行姿态,b表示下一飞行姿态,pab表示从当前飞行姿态a切换到下一飞行姿态b对应的切换概率,phab表示初始信息素值,q表示初始信息素值的权重,uab表示从当前飞行姿态a切换到下一飞行姿态b对应的切换因子,β表示切换因子的权重,M表示飞行姿态集合中除当前飞行姿态a以外的其他飞行姿态组成的下一飞行姿态集合,v表示下一飞行姿态集合中的任一种飞行姿态,phav表示初始信息素值,uav表示从当前飞行姿态a切换到下一飞行姿态集合中任一种飞行姿态对应的切换因子。
根据任意两个飞行姿态对应的切换概率确定目标概率值集合。
具体的,根据初始信息素值、初始信息素值的权重、飞行姿态集合中任意两个飞行姿态对应的切换因子以及切换因子的权重确定任意两个飞行姿态对应的切换概率,根据任意两个飞行姿态对应的切换概率确定目标概率值集合。
可选的,根据信息素值和切换因子确定目标飞行姿态序列,包括:
根据信息素值和切换因子进行迭代计算,直至相邻两次迭代对应的飞行姿态序列相同,则将相邻两次迭代对应的飞行姿态序列中的任一飞行姿态序列确定为目标飞行姿态序列。
在本实施例中,将飞行姿态集合中所有的飞行姿态进行排序得到一个飞行姿态序列的过程为一次迭代计算过程。
具体的,根据信息素值和切换因子进行迭代计算,得到每一次迭代计算过程对应的飞行姿态序列,直至相邻两次迭代对应的飞行姿态序列相同,迭代计算过程结束,将相邻两次迭代对应的飞行姿态序列中的任一飞行姿态序列确定为目标飞行姿态序列。
可选的,根据信息素值和切换因子进行迭代计算,包括:
若当前迭代为首次迭代,则将初始信息素值确定为当前迭代对应的信息素值。
需要说明的是,首次迭代可以是第一次将飞行姿态集合中所有的飞行姿态进行排序得到一个飞行姿态序列的过程。
具体的,若当前迭代为首次迭代,则将由用户根据实际情况设置的初始信息素值确定为当前迭代对应的信息素值。
根据初始信息素值和飞行姿态集合中任意两个飞行姿态对应的切换因子确定当前迭代对应的目标概率值集合。
具体的,根据初始信息素值和飞行姿态集合中任意两个飞行姿态对应的切换因子信息确定当前迭代对应的飞行姿态集合中任意两个飞行姿态对应的切换概率,由当前迭代对应的飞行姿态集合中任意两个飞行姿态对应的切换概率确定当前迭代对应的目标概率值集合。
根据当前迭代对应的目标概率值集合确定当前迭代对应的飞行姿态序列。
具体的,根据当前迭代对应的飞行姿态集合中任意两个飞行姿态对应的切换概率确定当前迭代对应的当前飞行姿态对应的最大切换概率,根据当前迭代对应的当前飞行姿态对应的最大切换概率确定当前迭代对应的下一飞行姿态,直至得到当前迭代对应的飞行姿态序列。
若当前迭代非首次迭代,则根据上一次迭代对应的目标概率值集合确定当前迭代对应的信息素值。
需要说明的是,非首次迭代可以是第N(N为正整数且N>1)次将飞行姿态集合中所有的飞行姿态进行排序得到一个飞行姿态序列的过程。
具体的,若当前迭代非首次迭代,则当前迭代过程中任意两种姿态之间切换对应的信息素值为上一次迭代对应的目标概率值集合中该两种姿态之间切换对应的信息素值之和。例如可以是,第二次迭代计算过程中飞行姿态A切换到飞行姿态B对应的信息素值为第一次迭代对应的目标概率值集合中所有飞行姿态A切换到飞行姿态B对应的信息素值之和。
根据当前迭代对应的信息素值和飞行姿态集合中任意两个飞行姿态对应的切换因子确定当前迭代对应的目标概率值集合。
具体的,根据当前迭代对应的信息素值和飞行姿态集合中任意两个飞行姿态对应的切换因子信息确定当前迭代对应的飞行姿态集合中任意两个飞行姿态对应的切换概率,由当前迭代对应的飞行姿态集合中任意两个飞行姿态对应的切换概率确定当前迭代对应的目标概率值集合。
根据当前迭代对应的目标概率值集合确定当前迭代对应的飞行姿态序列。
具体的,根据当前迭代对应的飞行姿态集合中任意两个飞行姿态对应的切换概率确定当前迭代对应的当前飞行姿态对应的最大切换概率,根据当前迭代对应的当前飞行姿态对应的最大切换概率确定当前迭代对应的下一飞行姿态,直至得到当前迭代对应的飞行姿态序列。
可选的,该方法还包括:
获取飞行姿态集合中任意两个飞行姿态对应的切换电量。
需要说明的是,从飞行姿态集合中的任意一种飞行姿态切换到飞行姿态集合中的另一种飞行姿态的过程中,飞行器均需使用一定的电量。切换电量可以是飞行器从飞行姿态集合中的任意一种飞行姿态切换到飞行姿态集合中的另一种飞行姿态的过程中所使用的电量。需要注意的是,飞行器从飞行姿态A切换到飞行姿态B和从飞行姿态B切换到飞行姿态A所使用的电量可以是不相同的,两种相同飞行姿态之间所使用的电量可以为0。
具体的,飞行姿态集合中任意两个飞行姿态对应的切换电量可以由用户根据实际情况进行设置。示例性的,飞行姿态集合中任意两个飞行姿态对应的切换电量可以如表1所示:
表1
A | B | C | D | E | |
A | 0 | 3 | 6 | 2 | 5 |
B | 4 | 0 | 5 | 8 | 3 |
C | 7 | 4 | 0 | 5 | 9 |
D | 3 | 7 | 4 | 0 | 2 |
E | 4 | 2 | 4 | 3 | 0 |
如表1所示,第1列为飞行器的当前飞行姿态,第1行为飞行器的下一飞行姿态。例如可以是,从飞行姿态A切换到飞行姿态B所使用的电量为3(单位:焦耳),从飞行姿态B切换到飞行姿态A所使用的电量为4(单位:焦耳)。
根据切换电量和目标飞行姿态序列确定目标飞行姿态序列对应的用电量。
需要说明的是,目标飞行姿态序列对应的用电量可以是飞行器按照目标飞行姿态序列进行飞行时的总用电量。
具体的,获取飞行姿态集合中任意两个飞行姿态对应的切换电量,根据切换电量和目标飞行姿态序列确定目标飞行姿态序列对应的用电量。示例性的,目标飞行姿态序列为飞行姿态A→飞行姿态D→飞行姿态E→飞行姿态B→飞行姿态C→飞行姿态A(需要注意的是,在将飞行姿态集合中的所有飞行姿态进行排序后,需再返回首个飞行姿态,最终形成目标飞行姿态序列),则目标飞行姿态序列对应的用电量为2+2+2+5+7=18(单位:焦耳)。
作为本实施例的一个示例性描述,现设有5个飞行器,由飞行姿态A、飞行姿态B、飞行姿态C、飞行姿态D和飞行姿态E五种飞行姿态组成飞行姿态集合{A,B,C,D,E},设初始信息素值为3,初始信息素值的权重q=1,切换因子的权重β为1,飞行姿态集合中任意两个飞行姿态对应的切换因子如表2所示:
表2
A | B | C | D | E | |
A | 0 | 1/3 | 1/6 | 1/2 | 1/5 |
B | 1/4 | 0 | 1/5 | 1/8 | 1/3 |
C | 1/7 | 1/4 | 0 | 1/5 | 1/9 |
D | 1/3 | 1/7 | 1/4 | 0 | 1/2 |
E | 1/4 | 1/2 | 1/4 | 1/3 | 0 |
如表2所示,第1列为飞行器的当前飞行姿态,第1行为飞行器的下一飞行姿态。例如可以是,从飞行姿态A切换到飞行姿态B对应的切换因子为1/3,从飞行姿态B切换到飞行姿态A对应的切换因子为1/4。
现设5个飞行器分别选取飞行姿态集合中5种不同的飞行姿态作为首次迭代的首个飞行姿态,第一台飞行器的首次迭代过程如表3所示:
表3
由表3中可以看出,第一台飞行器的首个飞行姿态为飞行姿态A,在由飞行姿态A切换到下一飞行姿态时飞行姿态D对应的切换概率0.417为飞行姿态A对应的最大切换概率,则将飞行姿态D确定为下一飞行姿态,以此类推,最后得到的第一次迭代对应的飞行姿态序列为飞行姿态A→飞行姿态D→飞行姿态E→飞行姿态B→飞行姿态C→飞行姿态A。
第二台飞行器的首次迭代过程如表4所示:
表4
由表4中可以看出,第二台飞行器的首个飞行姿态为飞行姿态B,在由飞行姿态B切换到下一飞行姿态时飞行姿态A对应的切换概率0.323为飞行姿态B对应的最大切换概率,则将飞行姿态A确定为下一飞行姿态,以此类推,最后得到的第一次迭代对应的飞行姿态序列为飞行姿态B→飞行姿态A→飞行姿态D→飞行姿态E→飞行姿态C→飞行姿态B。
第三台飞行器的首次迭代过程如表5所示。
由表5中可以看出,第三台飞行器的首个飞行姿态为飞行姿态C,在由飞行姿态C切换到下一飞行姿态时飞行姿态A对应的切换概率0.323为飞行姿态C对应的最大切换概率,则将飞行姿态A确定为下一飞行姿态,以此类推,最后得到的第一次迭代对应的飞行姿态序列为飞行姿态C→飞行姿态A→飞行姿态D→飞行姿态E→飞行姿态B→飞行姿态C。
表5
第四台飞行器的首次迭代过程如表6所示:
表6
由表6中可以看出,第四台飞行器的首个飞行姿态为飞行姿态D,在由飞行姿态D切换到下一飞行姿态时飞行姿态E对应的切换概率0.408为飞行姿态D对应的最大切换概率,则将飞行姿态E确定为下一飞行姿态,以此类推,最后得到的第一次迭代对应的飞行姿态序列为飞行姿态D→飞行姿态E→飞行姿态B→飞行姿态A→飞行姿态C→飞行姿态D。
第五台飞行器的首次迭代过程如表7所示:
表7
由表7中可以看出,第五台飞行器的首个飞行姿态为飞行姿态E,在由飞行姿态E切换到下一飞行姿态时飞行姿态B对应的切换概率0.373为飞行姿态E对应的最大切换概率,则将飞行姿态B确定为下一飞行姿态,以此类推,最后得到的第一次迭代对应的飞行姿态序列为飞行姿态E→飞行姿态B→飞行姿态A→飞行姿态D→飞行姿态C→飞行姿态E。
至此,第一次迭代过程完成,根据上述目标概率值集合更新信息素值,第二次迭代过程中任意两种姿态之间切换对应的信息素值为第一次迭代对应的目标概率值集合中该两种姿态之间切换对应的信息素值之和。例如可以是,第二次迭代计算过程中飞行姿态A切换到飞行姿态B对应的信息素值为第一次迭代对应的目标概率值集合中所有飞行姿态A切换到飞行姿态B对应的信息素值之和。第一次迭代过程结束后更新的信息素值如表8所示:
表8
A | B | C | D | E | |
A | 0 | 0.278 | 3.632 | 1.581 | 0.592 |
B | 1.314 | 0 | 2.05 | 0.378 | 0.258 |
C | 0.323 | 0.258 | 0 | 0.161 | 0.258 |
D | 0.271 | 0.497 | 1.816 | 0 | 2.411 |
E | 0.438 | 2.54 | 1.771 | 0.25 | 0 |
5个飞行器分别选取飞行姿态集合中5种不同的飞行姿态作为第二次迭代的首个飞行姿态,根据表8中的信息素值和表2中的切换因子确定第二次迭代对应的飞行姿态序列。以此类推,不断地进行迭代计算,直至相邻两次迭代对应的飞行姿态序列相同,则将相邻两次迭代对应的飞行姿态序列中的任一飞行姿态序列确定为目标飞行姿态序列。确定目标飞行姿态序列后,根据表1中的切换电量和目标飞行姿态序列确定目标飞行姿态序列对应的用电量。
本发明实施例的技术方案提供了一种寻求最优解的解决思路,解决了飞行器在通过障碍物时采用怎样的飞行策略可以达到电量的最优使用效率以及对于障碍物避险时的资源最优调配问题,同时能够在虚拟环境条件下完成对飞行器不同飞行姿态组合状态下的最优电量实验算法的验证,避免了实物状态下实验所需的高昂硬件设备,达到了降低实验成本的有益效果。
实施例二
图2是根据本发明实施例二提供的一种飞行姿态序列确定装置的结构示意图。如图2所示,该装置包括:第一获取模块201、第二获取模块202和第一确定模块203。
其中,第一获取模块201,用于获取飞行姿态集合,其中,所述飞行姿态集合包括:至少两种飞行姿态;
第二获取模块202,用于获取信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子;
第一确定模块203,用于根据所述信息素值和所述切换因子确定目标飞行姿态序列。
可选的,所述第一确定模块203包括:
第一确定单元,用于根据所述信息素值和所述切换因子信息确定目标概率值集合,其中,所述目标概率值集合包括:所述飞行姿态集合中任意两个飞行姿态对应的切换概率;
第二确定单元,用于根据所述目标概率值集合确定目标飞行姿态序列。
可选的,所述第二确定单元包括:
第一确定子单元,用于根据所述飞行姿态集合中任意两个飞行姿态对应的切换概率确定当前飞行姿态对应的最大切换概率;
第二确定子单元,用于根据所述当前飞行姿态对应的最大切换概率确定下一飞行姿态,直至得到目标飞行姿态序列。
可选的,所述装置还包括:
第二确定模块,用于若所述当前飞行姿态为首个飞行姿态,则将所述飞行姿态集合中任一飞行姿态确定为当前飞行姿态;
第三确定模块,用于若所述当前飞行姿态非首个飞行姿态,则根据所述当前飞行姿态的上一飞行姿态对应的最大切换概率确定当前飞行姿态。
可选的,所述第一确定单元包括:
获取子单元,用于获取初始信息素值、所述初始信息素值的权重、所述飞行姿态集合中任意两个飞行姿态对应的切换因子以及所述切换因子的权重;
第三确定子单元,用于根据所述初始信息素值、所述初始信息素值的权重、所述飞行姿态集合中任意两个飞行姿态对应的切换因子以及所述切换因子的权重确定任意两个飞行姿态对应的切换概率;
第四确定子单元,用于根据所述任意两个飞行姿态对应的切换概率确定目标概率值集合。
可选的,所述第一确定模块203包括:
迭代计算单元,用于根据所述信息素值和所述切换因子进行迭代计算,直至相邻两次迭代对应的飞行姿态序列相同,则将相邻两次迭代对应的飞行姿态序列中的任一飞行姿态序列确定为目标飞行姿态序列。
可选的,所述迭代计算单元包括:
第五确定子单元,用于若当前迭代为首次迭代,则将初始信息素值确定为当前迭代对应的信息素值;
第六确定子单元,用于根据初始信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子确定当前迭代对应的目标概率值集合;
第七确定子单元,用于根据当前迭代对应的目标概率值集合确定当前迭代对应的飞行姿态序列;
第八确定子单元,用于若当前迭代非首次迭代,则根据上一次迭代对应的目标概率值集合确定当前迭代对应的信息素值;
第九确定子单元,用于根据当前迭代对应的信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子确定当前迭代对应的目标概率值集合;
第十确定子单元,用于根据当前迭代对应的目标概率值集合确定当前迭代对应的飞行姿态序列。
可选的,所述装置还包括:
第三获取模块,用于获取所述飞行姿态集合中任意两个飞行姿态对应的切换电量;
第四确定模块,用于根据所述切换电量和所述目标飞行姿态序列确定所述目标飞行姿态序列对应的用电量。
本发明实施例所提供的飞行姿态序列确定装置可执行本发明任意实施例所提供的飞行姿态序列确定方法,具备执行方法相应的功能模块和有益效果。
实施例三
图3示出了可以用来实施本发明的实施例的电子设备30的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备30包括至少一个处理器31,以及与至少一个处理器31通信连接的存储器,如只读存储器(ROM)32、随机访问存储器(RAM)33等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器31可以根据存储在只读存储器(ROM)32中的计算机程序或者从存储单元38加载到随机访问存储器(RAM)33中的计算机程序,来执行各种适当的动作和处理。在RAM 33中,还可存储电子设备30操作所需的各种程序和数据。处理器31、ROM 32以及RAM 33通过总线34彼此相连。输入/输出(I/O)接口35也连接至总线34。
电子设备30中的多个部件连接至I/O接口35,包括:输入单元36,例如键盘、鼠标等;输出单元37,例如各种类型的显示器、扬声器等;存储单元38,例如磁盘、光盘等;以及通信单元39,例如网卡、调制解调器、无线通信收发机等。通信单元39允许电子设备30通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器31可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器31的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器31执行上文所描述的各个方法和处理,例如飞行姿态序列确定方法:
获取飞行姿态集合,其中,所述飞行姿态集合包括:至少两种飞行姿态;
获取信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子;
根据所述信息素值和所述切换因子确定目标飞行姿态序列。
在一些实施例中,飞行姿态序列确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元38。在一些实施例中,计算机程序的部分或者全部可以经由ROM 32和/或通信单元39而被载入和/或安装到电子设备30上。当计算机程序加载到RAM 33并由处理器31执行时,可以执行上文描述的飞行姿态序列确定方法的一个或多个步骤。备选地,在其他实施例中,处理器31可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行飞行姿态序列确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种飞行姿态序列确定方法,其特征在于,包括:
获取飞行姿态集合,其中,所述飞行姿态集合包括:至少两种飞行姿态;
获取信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子;
根据所述信息素值和所述切换因子确定目标飞行姿态序列。
2.根据权利要求1所述的方法,其特征在于,根据所述信息素值和所述切换因子确定目标飞行姿态序列,包括:
根据所述信息素值和所述切换因子信息确定目标概率值集合,其中,所述目标概率值集合包括:所述飞行姿态集合中任意两个飞行姿态对应的切换概率;
根据所述目标概率值集合确定目标飞行姿态序列。
3.根据权利要求2所述的方法,其特征在于,根据所述目标概率值集合确定目标飞行姿态序列,包括:
根据所述飞行姿态集合中任意两个飞行姿态对应的切换概率确定当前飞行姿态对应的最大切换概率;
根据所述当前飞行姿态对应的最大切换概率确定下一飞行姿态,直至得到目标飞行姿态序列。
4.根据权利要求3所述的方法,其特征在于,还包括:
若所述当前飞行姿态为首个飞行姿态,则将所述飞行姿态集合中任一飞行姿态确定为当前飞行姿态;
若所述当前飞行姿态非首个飞行姿态,则根据所述当前飞行姿态的上一飞行姿态对应的最大切换概率确定当前飞行姿态。
5.根据权利要求2所述的方法,其特征在于,根据所述信息素值和所述切换因子信息确定目标概率值集合,包括:
获取初始信息素值、所述初始信息素值的权重、所述飞行姿态集合中任意两个飞行姿态对应的切换因子以及所述切换因子的权重;
根据所述初始信息素值、所述初始信息素值的权重、所述飞行姿态集合中任意两个飞行姿态对应的切换因子以及所述切换因子的权重确定任意两个飞行姿态对应的切换概率;
根据所述任意两个飞行姿态对应的切换概率确定目标概率值集合。
6.根据权利要求2所述的方法,其特征在于,根据所述信息素值和所述切换因子确定目标飞行姿态序列,包括:
根据所述信息素值和所述切换因子进行迭代计算,直至相邻两次迭代对应的飞行姿态序列相同,则将相邻两次迭代对应的飞行姿态序列中的任一飞行姿态序列确定为目标飞行姿态序列。
7.根据权利要求6所述的方法,其特征在于,根据所述信息素值和所述切换因子进行迭代计算,包括:
若当前迭代为首次迭代,则将初始信息素值确定为当前迭代对应的信息素值;
根据初始信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子确定当前迭代对应的目标概率值集合;
根据当前迭代对应的目标概率值集合确定当前迭代对应的飞行姿态序列;
若当前迭代非首次迭代,则根据上一次迭代对应的目标概率值集合确定当前迭代对应的信息素值;
根据当前迭代对应的信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子确定当前迭代对应的目标概率值集合;
根据当前迭代对应的目标概率值集合确定当前迭代对应的飞行姿态序列。
8.根据权利要求1所述的方法,其特征在于,还包括:
获取所述飞行姿态集合中任意两个飞行姿态对应的切换电量;
根据所述切换电量和所述目标飞行姿态序列确定所述目标飞行姿态序列对应的用电量。
9.一种飞行姿态序列确定装置,其特征在于,包括:
第一获取模块,用于获取飞行姿态集合,其中,所述飞行姿态集合包括:至少两种飞行姿态;
第二获取模块,用于获取信息素值和所述飞行姿态集合中任意两个飞行姿态对应的切换因子;
第一确定模块,用于根据所述信息素值和所述切换因子确定目标飞行姿态序列。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的飞行姿态序列确定方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的飞行姿态序列确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210803660.8A CN115016522A (zh) | 2022-07-07 | 2022-07-07 | 一种飞行姿态序列确定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210803660.8A CN115016522A (zh) | 2022-07-07 | 2022-07-07 | 一种飞行姿态序列确定方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115016522A true CN115016522A (zh) | 2022-09-06 |
Family
ID=83080234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210803660.8A Pending CN115016522A (zh) | 2022-07-07 | 2022-07-07 | 一种飞行姿态序列确定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115016522A (zh) |
-
2022
- 2022-07-07 CN CN202210803660.8A patent/CN115016522A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113516250A (zh) | 一种联邦学习方法、装置、设备以及存储介质 | |
CN113361721B (zh) | 模型训练方法、装置、电子设备、存储介质及程序产品 | |
CN114298322B (zh) | 联邦学习方法和装置、系统、电子设备、计算机可读介质 | |
CN112866391A (zh) | 消息推送方法、装置、电子设备及存储介质 | |
CN111798114A (zh) | 一种模型训练、订单处理方法、装置、设备及存储介质 | |
CN114202027B (zh) | 执行配置信息的生成方法、模型训练方法和装置 | |
CN112559631A (zh) | 分布式图数据库的数据处理方法、装置以及电子设备 | |
CN114065864A (zh) | 联邦学习方法、联邦学习装置、电子设备以及存储介质 | |
CN115150471A (zh) | 数据处理方法、装置、设备、存储介质及程序产品 | |
CN113344074B (zh) | 模型训练方法、装置、设备及存储介质 | |
CN115373860B (zh) | Gpu任务的调度方法、装置、设备和存储介质 | |
CN115016522A (zh) | 一种飞行姿态序列确定方法、装置、设备和存储介质 | |
CN115952054A (zh) | 一种仿真任务资源管理方法、装置、设备及介质 | |
CN115511453A (zh) | 一种数据处理方法、装置、设备及系统 | |
CN114722048A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN114792125A (zh) | 基于分布式训练的数据处理方法、装置、电子设备和介质 | |
CN113778645A (zh) | 基于边缘计算的任务调度方法、装置、设备及存储介质 | |
CN114217933A (zh) | 多任务调度方法、装置、设备以及存储介质 | |
CN117520461B (zh) | 逻辑分片的分发方法、装置、设备和介质 | |
CN116915868A (zh) | 一种网络监测任务下发方法、装置、设备及存储介质 | |
CN115033823A (zh) | 用于处理数据的方法、装置、设备、介质和产品 | |
CN117632431A (zh) | 云计算任务的调度方法、装置、设备及存储介质 | |
CN116362482A (zh) | 基于机器人社群服务运营大数据的任务自动派发系统 | |
Devagnanam et al. | Chronological and exponential-based Lion optimisation for optimal resource allocation in cloud | |
CN117992196A (zh) | 用于存算一体芯片的任务调度方法、装置、设备及介质 |
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 |