CN116974297B - 基于多目标优化的冲突消解方法、装置、介质及电子设备 - Google Patents
基于多目标优化的冲突消解方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN116974297B CN116974297B CN202310767289.9A CN202310767289A CN116974297B CN 116974297 B CN116974297 B CN 116974297B CN 202310767289 A CN202310767289 A CN 202310767289A CN 116974297 B CN116974297 B CN 116974297B
- Authority
- CN
- China
- Prior art keywords
- combat
- unmanned aerial
- aerial vehicle
- branches
- situation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 232
- 238000005755 formation reaction Methods 0.000 claims abstract description 232
- 230000006870 function Effects 0.000 claims description 230
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种基于多目标优化的冲突消解方法、装置、介质及电子设备,其中方法包括:获取至少一个无人机编队的整体作战目标,并基于整体作战目标确定各无人机编队对应的初始态势分支,初始态势分支包括各无人机编队对应的作战目标;根据无人机编队的数量,确定第一约束条件,并获取各无人机编队对应的作战意图,根据各无人机编队对应的作战意图和对应的作战目标,确定第二约束条件;基于第一约束条件和第二约束条件,通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各初始态势分支冲突消解后的最终态势分支。本申请具有较好地消解冗余的态势分支,提高无人机编队作战效能的效果。
Description
技术领域
本申请涉及通信技术领域,具体涉及一种基于多目标优化的冲突消解方法、装置、介质及电子设备。
背景技术
无人机编队以其高度的灵活性、广泛的适应性、可控的经济性,拥有越来越广泛的应用潜力,受到国内外的高度关注。而且无人机编队作战也是未来军事对无人机应用的重要样式,主要是各个无人机编队通过分工配合协同完成作战任务。
其中,无人机编队作战中最重要的就是无人机编队态势分支的生成,能够帮助人员从全局上理解战场态势演化发展趋势。在保证无人机编队对作战战场态势发展趋势的有效覆盖的前提下,无人机编队态势分支的生成主要考虑各个无人机编队各自的主干分支和旁路分支,忽略了各个态势分支之间的关系,导致无人机编队在作战时,会出现态势分支的冗余,即各个态势分支存在任务分配或功防决策的冲突,使得无人机编队全局作战效能较低。
发明内容
为了较好地消解冗余的态势分支,提高无人机编队作战效能,本申请提供一种基于多目标优化的冲突消解方法、装置、介质及电子设备。
在本申请的第一方面提供了一种基于多目标优化的冲突消解方法,具体包括:获取至少一个无人机编队的整体作战目标,并基于所述整体作战目标确定各所述无人机编队对应的初始态势分支;
根据所述无人机编队的数量,确定第一约束条件,并获取各所述无人机编队对应的作战意图,根据各所述无人机编队对应的作战意图和对应的作战目标,确定第二约束条件;
基于所述第一约束条件和所述第二约束条件,通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各所述初始态势分支冲突消解后的最终态势分支,其中,各所述最终态势分支对应的无人机编队覆盖的作战目标最多、对应的无人机编队的整体作战收益最多以及对应的无人机编队的编队总航程最短,所述第一约束条件用于约束所述最终态势分支的数量不少于所述无人机编队的数量且每个所述无人机编队至少存在一个态势分支,所述第二约束条件用于约束各所述最终态势分支之间不存在作战意图冲突。
通过采用上述技术方案,确定多个无人机编队的整体作战目标后,根据整体作战目标,进而确定各个无人机编队对应的作战目标,基于对应的作战目标,可以确定各个无人机编队对应的初始态势分支,接着根据无人机编队的数量,确定第一约束条件,使得冲突消解后的态势分支能覆盖所有无人机编队,再根据每个无人机编队对应的作战意图和对应的作战目标,确定第二约束条件,使得冲突消解后的态势分支之间不存在作战意图的冲突。最后基于第一约束条件和第二约束条件,并通过作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,求解出数量缩减后的最终态势分支,并且各个最终态势分支对应的无人机编队作战目标最多、整体作战收益最多以及编队航程最短,进而使得较好地消解冗余的态势分支,提高无人机编队作战效能。
可选的,所述基于所述整体作战目标确定各所述无人机编队对应的初始态势分支,具体包括:
确定所述整体作战目标的数量,并获取各所述无人机编队的作战意图以及对应的概率;
根据所述整体作战目标的数量、各所述作战意图以及对应的概率,确定各所述无人机编队对应的初始态势分支,各所述初始态势分支表示如下:
=/>
式中,表示初始态势分支,/>表示初始态势分支的编号,/>表示无人机编队,/>表示无人机编队的作战意图,/>表示为作战意图对应的概率,/>为无人机编队对应的作战目标,i表示所有初始态势分支中第i个态势分支,所述初始态势分支的数量等于所述整体作战目标的数量。
通过采用上述技术方案,根据各个无人机编队整体作战目标的数量,可以确定初始态势分支的数量,接着根据各个无人机编队的作战意图和对应的概率,进一步确定各个无人机编队对应的作战目标,最终确定每个无人机编队的初始态势分支,从而使得人员更好地通过各个初始态势分支,从全局上理解战场态势演化发展趋势。
可选的,所述第一约束条件表示为:
式中,m表示无人机编队的数量,k表示最终态势分支的数量,表示包含无人机编队的态势分支数量至少为1。
通过采用上述技术方案,第一约束条件中的k大于等于m,使得冲突消解后的最终态势分支的数量不少于无人机编队的数量,第一约束条件中的大于等于1,使得每个无人机编队至少存在一条态势分支,从而使得冲突消解后的最终态势分支能覆盖所有无人机编队。
可选的,所述第二约束条件表示为:
式中,∨表示不相容,即冲突消解后的任意两个不同态势分支的作战目标相同和作战意图相同不能同时成立,i表示第i个态势分支,j表示第j个态势分支。
通过采用上述技术方案,和/>表示冲突消解后的任意两个不同态势分支的作战目标,/>和/>表示冲突消解后的任意两个不同态势分支的作战意图,因此整体第二约束条件能够使得冲突消解后的任意两个不同态势分支的作战目标相同和作战意图相同不能同时成立,进而避免多个态势分支同时指向同一个作战目标且对应的无人机编队作战意图相同,造成态势分支的冗余。
可选的,所述通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各所述初始态势分支冲突消解后的最终态势分支,具体包括:
采用Sigmoid函数对所述作战目标覆盖目标函数、所述整体作战收益目标函数和所述编队总航程目标函数均进行归一化处理,得到所述作战目标覆盖目标函数对应的第一目标函数、所述整体作战收益目标函数对应的第二目标函数以及所述编队总航程目标函数对应的第三目标函数;
设置所述第一目标函数对应的第一权重、所述第二目标函数对应的第二权重以及所述第三目标函数对应的第三权重,所述第二权重等于所述第三权重,所述第一权重大于所述第二权重;
基于所述第一权重、所述第二权重以及所述第三权重,对所述第一目标函数、第二目标函数以及第三目标函数进行加权计算,得到最终目标函数;
通过最大化所述最终目标函数,确定各所述初始态势分支冲突消解后的最终态势分支。
通过采用上述技术方案,由于通过作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数求解时,数值和单位量纲相差较大,因此采用Sigmoid函数分别进行归一化,得到第一目标函数、第二目标函数以及第三目标函数。接着考虑到三个目标函数各自的重要程度,依次分别设置第一权重、第二权重以及第三权重,第一权重最大,第二权重和第三权重相等。利用设置的权重对三个目标函数进行加权计算,将三个目标函数转化为单目标函数,即最终目标函数。最后通过最大化最终目标函数,最终目标函数求解后得到多个最终态势分支,使得较好地消解冗余的态势分支。
可选的,所述基于所述第一权重、所述第二权重以及所述第三权重,对所述第一目标函数、第二目标函数以及第三目标函数进行加权计算,得到最终目标函数,具体包括:
对所述第一目标函数与所述第一权重的乘积、所述第二目标函数与所述第二权重的乘积求和,得到求和结果;
将所述求和结果减去所述第三目标函数与所述第三权重的乘积,得到最终目标函数。
通过采用上述技术方案,采用第一权重、第二权重和第三权重进行加权计算时,先采用第一权重和第二权重对第一目标函数、第二目标函数进行加权求和,得到求解结果,然后将求和结果减去第三目标函数与第三权重的乘积,即减去编队总航程对应的作战代价,最终得到最终目标函数,从而使得后续最大化最终目标函数求解最终态势分支时,能实现对应的无人机编队作战目标覆盖最多、整体作战收益最高以及作战代价最小。
可选的,所述基于所述第一约束条件和所述第二约束条件,通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各所述初始态势分支冲突消解后的最终态势分支,具体包括:
基于第一约束条件、所述第二约束条件、所述作战目标覆盖目标函数、所述整体作战收益目标函数以及所述编队总航程目标函数,确定冲突消解的目标模型;
根据所述目标模型,确定各所述初始态势分支冲突消解后的最终态势分支。
通过采用上述技术方案,基于确定的两个约束条件、三个目标函数,构建冲突消解后保留若干条最终态势分支的目标模型,接着通过目标模型,分别求解出三个目标函数的最优解,并且各个最优解满足第一约束条件和第二约束条件,最后从多个最优解确定最终解,即得到各个初始态势分支冲突消解后的最终态势分支,从而较好地的消解冗余的态势分支,提高无人机编队全局作战效能。
在本申请的第二方面提供了一种基于多目标优化的冲突消解装置,具体包括:
分支确定模块,用于获取至少一个无人机编队的整体作战目标,并基于所述整体作战目标确定各所述无人机编队对应的初始态势分支,所述初始态势分支包括各所述无人机编队对应的作战目标;
约束建立模块,用于根据所述无人机编队的数量,确定第一约束条件,并获取各所述无人机编队对应的作战意图,根据各所述无人机编队对应的作战意图和对应的作战目标,确定第二约束条件;
冲突消解模块,用于基于所述第一约束条件和所述第二约束条件,通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各所述初始态势分支冲突消解后的最终态势分支。
通过采用上述技术方案,分支确定模块基于整体作战目标,确定各个无人机编队对应的初始态势分支,明确每个无人机编队的作战目标,接着由约束建立模块根据无人机编队的数量,确定第一约束条件,同时根据各个无人机编队对应的作战意图和对应的作战目标,确定第二约束条件,最后冲突消解模块在第一约束条件和第二约束条件的前提下,通过作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数求解冲突消解后的最终态势分支,较好地消解冗余的态势分支。
综上所述,本申请包括以下至少一种有益技术效果:
确定多个无人机编队的整体作战目标后,根据整体作战目标和每个无人机编队的作战意图,进而确定各个无人机编队对应的作战目标,基于对应的作战目标,可以确定各个无人机编队对应的初始态势分支,接着根据无人机编队的数量,确定第一约束条件,使得冲突消解后的态势分支能覆盖所有无人机编队,再根据每个无人机编队对应的作战意图和对应的作战目标,确定第二约束条件,使得冲突消解后的态势分支之间不存在作战意图的冲突。最后基于第一约束条件和第二约束条件,并通过作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,求解出数量缩减后的最终态势分支,并且各个最终态势分支对应的无人机编队作战目标最多、整体作战收益最多以及编队航程最短,进而使得较好地消解冗余的态势分支,提高无人机编队作战效能。
附图说明
图1是本申请实施例提供的一种基于多目标优化的冲突消解方法的流程示意图;
图2是本申请实施例提供的另一种基于多目标优化的冲突消解方法的流程示意图;
图3是本申请实施例提供的一种基于多目标优化的冲突消解装置的结构示意图。
附图标记说明:11、分支确定模块;12、约束建立模块;13、冲突消解模块。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
在本申请实施例的描述中,“示性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B这三种情况。另外,除非另有说明,术语“多个”的含义是指两个或两个以上。例如,多个系统是指两个或两个以上的系统,多个屏幕终端是指两个或两个以上的屏幕终端。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
参见图1,本申请实施例公开了一种基于多目标优化的冲突消解方法的流程示意图,可依赖于计算机程序实现,也可运行于基于冯诺依曼体系的基于多目标优化的冲突消解装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行,具体包括:
S101:获取至少一个无人机编队的整体作战目标,并基于整体作战目标确定各无人机编队对应的初始态势分支。
在一个可实现的实施方式中,确定整体作战目标的数量,并获取各无人机编队的作战意图以及对应的概率;
根据整体作战目标的数量、各作战意图以及对应的概率,确定各无人机编队对应的初始态势分支,各初始态势分支表示如下:
=/>
式中,表示初始态势分支,/>表示初始态势分支的编号,/>表示无人机编队,/>表示无人机编队的作战意图,/>表示为作战意图对应的概率,/>为无人机编队对应的作战目标,i表示所有初始态势分支中第i个态势分支。
具体的,无人机编队是指无人机按照一定规则组成一个整体,实现一些特定的作战任务,编队中的无人机是一个整体,主要通过无人机之间的信息交换和协调来实现集群协同。整体作战目标是指派出若干无人机编队所要达到的作战目标。初始态势分支指无人机编队初始的态势主干分支,用于反映战场态势发展趋势,各个不同的初始态势分支帮助人员从全局上理解态势演化发展趋势,其实质为进一步明确无人机编队当前的作战目标,在此将无人机编队抵近作战目标的过程称为主干分支态势,方便后续旁路分支态势的生成。
由于多个无人机编队的对应的初始态势分支不可避免存在多分支态势的冗余,即多个初始态势分支之间可能存在冲突,因此在确保态势发展趋势有效覆盖的情况下,通过最大化编队作战收益、最小化作战代价,对多分支态势进行组合优化,最终输出得到能合理描述战场态势发展趋势、数量缩减后的多个初始态势分支,此过程便为冲突消解。
整体作战目标为人员事先设定,可以直接进行调取,整体作战目标可以为一个无人机编队的作战目标,也可以为多个无人机编队的整体作战目标,另外,整体作战目标可以为单个,也可以为多个。由于根据情报信息很难预估每个无人机编队的打击目标,因此需要将无人机编队的作战意图,即作战意图考虑在内,进而使得根据作战意图、作战目标等信息能较为准确的预估打击目标,其中,作战意图为突防或攻击、电子干扰等。
接着统计事先设定的整体作战目标的数量,并获取各个无人机编队的作战意图以及对应的概率,进而确定每个无人机编队对应的作战目标以及多个初始态势分支,其中,初始态势分支的数量等于整体作战目标的数量,并且初始态势分支包括每个无人机编队对应的作战目标,每个无人机编队对应的作战目标为多个整体作战目标中的一个。一个可行的获取作战意图以及对应的概率方式为:采集无人机编队的速度、高度、航向角、方位等状态参数,根据状态参数通过预设的意图预测模型预测作战意图以及对应的概率。需要说明的是,本申请实施例中,由于是从敌方的全局视角出发考虑冲突消解问题,那么作战目标便可理解为:空战中敌我双方中的我方目标。
最后通过集合的方式表示无人机编队的初始态势分支,如下:
=/>
式中,表示初始态势分支,/>表示初始态势分支的编号,/>表示无人机编队,/>表示无人机编队的作战意图,/>表示为作战意图对应的概率,/>为无人机编队对应的作战目标,i表示所有初始态势分支中第i个态势分支。需要说明的是,每个无人机编队对应的初始态势分支可以是一个,也可以是多个。
另外,初始态势分支的数量与整体作战目标的数量一致,那么所有的初始态势分支可以表述为一个态势分支矩阵,其中,n表示整体作战目标的数量,如下:
S102:根据无人机编队的数量,确定第一约束条件,并获取各无人机编队对应的作战意图,根据各无人机编队对应的作战意图和对应的作战目标,确定第二约束条件。
具体的,第一约束条件用于约束各初始态势分支经过冲突消解后的态势分支(最终态势分支),使得冲突消解后的态势分支的数量不少于无人机编队的数量并且每个无人机编队至少存在一个态势分支,从而保证冲突消解后态势分支能符合所有无人机编队。其中,无人机编队的数量由终端输入服务器,终端可以为手机,平板电脑以及PC(PersonalComputer,个人计算机)等电子设备。另外,第一约束条件表示为:
式中,m表示无人机编队的数量,k表示最终态势分支的数量,表示包含无人机编队的态势分支数量至少为1,以保证每个无人机编队至少存在一个态势分支。
第一约束条件确定后,基于各个无人机编队的作战意图和作战目标,确定第二约束条件,第二约束条件用于约束最终态势分支,使得各个最终态势分支之间不存在作战意图的冲突,表示如下:
式中,∨表示不相容,即冲突消解后的任意两个不同态势分支的作战目标相同和作战意图相同不能同时成立。
进一步地,对于单个作战目标对应的某种作战意图,应该由同一无人机编队内的无人机协同完成,不应该存在不同无人机编队中的无人机跨编队协同完成同一作战意图。因为一旦出现此种情况,说明存在分支态势的冗余,即多个态势分支之间存在作战意图的冲突。换言之,当多个态势分支同时指向同一作战目标并且对应的各无人机编队作战意图也相同时,视为这多个态势分支存在作战意图的冲突。
另外,再结合第二约束条件详述约束过程,j表示所有初始态势分支中的第j个态势分支,并且i不等于j,说明第i个态势分支与第j个态势分支不为同一个态势分支。表示第i个态势分支的作战目标和第j个态势分支的作战目标相同,表示第i个态势分支的作战意图和第j个态势分支的作战意图相同。因此,/>∨/>表示作战目标相同和作战意图相同不能同时成立,最终可实现对冲突消解后任意两个态势分支作战意图不会发生冲突。
S103:基于第一约束条件和第二约束条件,通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各初始态势分支冲突消解后的最终态势分支。
在另一个可实现的实施方式中,基于第一约束条件、第二约束条件、作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定冲突消解的目标模型;
根据目标模型,确定各初始态势分支冲突消解后的最终态势分支。
具体的,第一约束条件和第二约束条件确定后,最大化作战目标覆盖目标函数、最大化整体作战收益目标函数以及最小化编队总航程目标函数(最小化作战代价),并同时将第一约束条件和第二约束条件作为约束,最终确定冲突消解后得到最终态势分支的目标模型。其中,作战目标覆盖目标函数用于计算态势分支覆盖作战目标的数量,整体作战收益目标函数用于计算态势分支整体作战收益,编队总航程目标函数用于计算态势分支对应的无人机编队的总航程,反映无人机编队的作战代价,总航程越大,能源消耗越多,作战代价越大,总航程越小,能源消耗越小,作战代价越少。目标模型表示如下:
式中,表示作战目标覆盖目标函数,表示整体作战收益目标函数,/>表示编队总航程目标函数,/>表示/>中的元素数量,/>表示各初始态势分支冲突消解后态势分支的作战目标集合,/>表示各初始态势分支的作战收益,/>表示各初始态势分支中无人机编队到对应的作战目标之间距离,Branch表示待确定的最终态势分支,k表示最终态势分支的数量。需要说明的是,可根据预置的作战收益表匹配每个初始态势分支对应的作战收益/>,作战收益表包括初始态势分支以及对应的作战收益。另外,由于各个无人机编队和作战目标均保有描述其空间位置坐标的参数,因此据此可计算出无人机编队到对应作战目标的距离/>。
分析确定的目标模型可知,冲突消解本质在于从所有初始态势分支中寻找最优的态势分支组合,即最终态势分支,使得对应的无人机编队能够覆盖最多的作战目标、整体作战收益最多以及所有无人机编队的总航程最短,以对多目标进行优化,即多目标优化(Non-deterministic Polynomial,NP),当优化的目标函数有两个或两个以上时,称为多目标优化,不同于单目标优化的解为有限解,多目标优化的解通常为一组帕累托最优解(Paretooptimal solution)的解集,解集中帕累托最优解不止一个。通过目标模型确定解集后,再通过计算各个帕累托最优解的序值和拥挤距离从解集中确定最终的帕累托最优解,即Branch,确定解集和最终的帕累托最优解的方式为现有技术,在此不再赘述。
参见图2,本申请实施例公开了另一种基于多目标优化的冲突消解方法的流程示意图,可依赖于计算机程序实现,也可运行于基于冯诺依曼体系的基于多目标优化的冲突消解装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行,具体包括:
S201:获取至少一个无人机编队的作战目标,并基于作战目标确定各无人机编队对应的初始态势分支。
S202:根据无人机编队的数量,确定第一约束条件,并获取各无人机编队对应的作战意图,根据各无人机编队对应的作战意图和作战目标,确定第二约束条件。
具体的,可参考步骤S101-S102,在此不再赘述。
S203:采用Sigmoid函数对作战目标覆盖目标函数、整体作战收益目标函数和编队总航程目标函数均进行归一化处理,得到作战目标覆盖目标函数对应的第一目标函数、整体作战收益目标函数对应的第二目标函数以及编队总航程目标函数对应的第三目标函数。
具体的,Sigmoid函数又称S型函数,是一种常用的非线性函数,能描述任意两个变量之间的相互依赖关系,通过Sigmoid函数可以将任意范围内的数值转换为0到1之间的值。为了冲突消解的实时性受到的影响较小,可以将作战目标覆盖目标函数、整体作战收益目标函数和编队总航程目标函数多目标函数优化问题转化为单目标函数优化,即,将三个目标函数转化为单目标函数。另外,考虑到三个目标函数物理意义不同,数值大小和单位量纲相差较大,因此在转化成单目标函数时需要通过Sigmoid函数对三个目标函数进行归一化,分别得到第一目标函数、第二目标函数以及第三目标函数。
S204:设置第一目标函数对应的第一权重、第二目标函数对应的第二权重以及第三目标函数对应的第三权重,第二权重等于第三权重,第一权重大于第二权重。
具体的,第一目标函数、第二目标函数以及第三目标函数确定后,由于此三个目标函数在冲突消解中重要程度各不相同,因此转化为单目标函数时,为此三个目标函数设置相应的权重,第一目标函数的权重设置为第一权重,第二目标函数的权重设置为第二权重,第三目标函数的权重设置为第三权重,三个权重之和为1,其中,第一目标函数是基于态势分支覆盖目标的全面性考虑,为冲突消解的前提,其重要程度最高,因此第一权重为三个权重中最大。第二目标函数和第三目标函数则是分别从整体作战收益和作战代价考虑,具备同等的重要性,因此第二权重和第三权重相等。在本申请实施例中,第一权重为0.6,第二权重为0.2,第三权重为0.2,在其他实施例中,第二权重和第三权重也可不相同,第一权重为0.6,第二权重为0.3,第三权重为0.1。
S205:基于第一权重、第二权重以及第三权重,对第一目标函数、第二目标函数以及第三目标函数进行加权计算,得到最终目标函数。
在一个可实现的实施方式中,对第一目标函数与第一权重的乘积、第二目标函数与第二权重的乘积求和,得到求和结果;
将求和结果减去第三目标函数与第三权重的乘积,得到最终目标函数。
S206:通过最大化最终目标函数,确定各初始态势分支冲突消解后的最终态势分支。
具体的,第一权重、第二权重和第三权重确定后,将第一目标函数乘以第一权重加上第二目标函数乘以第二权重,得到求和结果,接着减去第三目标函数与第三权重的乘积,得到最终目标函数。最后在通过最终目标函数求解最终态势分支时,最大化最终目标函数的函数结果。详细过程如下:
maxf()
f=0.6Sigmoid(f 1)+ 0.2Sigmoid(f 2)-0.2Sigmoid(f 3)
式中,f 1表示作战目标覆盖目标函数,f 2表示整体作战收益目标函数,f 3表示编队总航程目标函数。Sigmoid(f 1)表示第一目标函数,Sigmoid(f 2)表示第二目标函数,Sigmoid(f 3)表示第三目标函数。f表示最终目标函数计算的作战效能。maxf(Branch)表示最大化最终目标函数,即尽可能保障求解出来的Branch中的最终态势分支能使作战目标覆盖最全、整体作战收益最多、并且编队总航程最少(作战代价最小)。
本申请实施基于多目标优化的冲突消解方法的实施原理为:确定多个无人机编队的整体作战目标后,根据整体作战目标和每个无人机编队的作战意图,进而确定各个无人机编队对应的作战目标,基于对应的作战目标,可以确定各个无人机编队对应的初始态势分支,接着根据无人机编队的数量,确定第一约束条件,使得冲突消解后的态势分支能覆盖所有无人机编队,再根据每个无人机编队对应的作战意图和对应的作战目标,确定第二约束条件,使得冲突消解后的态势分支之间不存在作战意图的冲突。最后基于第一约束条件和第二约束条件,并通过作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,求解出数量缩减后的最终态势分支,并且各个最终态势分支对应的无人机编队作战目标最多、整体作战收益最多以及编队航程最短,进而使得较好地消解冗余的态势分支,提高无人机编队作战效能。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参见图3,为本申请实施例提供的基于多目标优化的冲突消解装置的结构示意图。该应用于基于多目标优化的冲突消解装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置1包括分支确定模块11、约束建立模块12和冲突消解模块13。
分支确定模块11,用于获取至少一个无人机编队的整体作战目标,并基于整体作战目标确定各无人机编队对应的初始态势分支,初始态势分支包括各无人机编队对应的作战目标;
约束建立模块12,用于根据无人机编队的数量,确定第一约束条件,并获取各无人机编队对应的作战意图,根据各无人机编队对应的作战意图和对应的作战目标,确定第二约束条件;
冲突消解模块13,用于基于第一约束条件和第二约束条件,通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各初始态势分支冲突消解后的最终态势分支。
可选的,分支确定模块11,具体用于:
确定整体作战目标的数量,并获取各无人机编队的作战意图以及对应的概率;
根据整体作战目标的数量、各作战意图以及对应的概率,确定各无人机编队对应的初始态势分支,各初始态势分支表示如下:
=/>
式中,表示初始态势分支,/>表示初始态势分支的编号,/>表示无人机编队,/>表示无人机编队的作战意图,/>表示为作战意图对应的概率,/>为无人机编队对应的作战目标,i表示所有初始态势分支中第i个态势分支,初始态势分支的数量等于整体作战目标的数量。
可选的,冲突消解模块13,具体用于:
采用Sigmoid函数对作战目标覆盖目标函数、整体作战收益目标函数和编队总航程目标函数均进行归一化处理,得到作战目标覆盖目标函数对应的第一目标函数、整体作战收益目标函数对应的第二目标函数以及编队总航程目标函数对应的第三目标函数;
设置第一目标函数对应的第一权重、第二目标函数对应的第二权重以及第三目标函数对应的第三权重,第二权重等于第三权重,第一权重大于第二权重;
基于第一权重、第二权重以及第三权重,对第一目标函数、第二目标函数以及第三目标函数进行加权计算,得到最终目标函数;
通过最大化最终目标函数,确定各初始态势分支冲突消解后的最终态势分支。
可选的,冲突消解模块13,具体还用于:
对第一目标函数与第一权重的乘积、第二目标函数与第二权重的乘积求和,得到求和结果;
将求和结果减去第三目标函数与第三权重的乘积,得到最终目标函数。
可选的,冲突消解模块13,具体还用于:
基于第一约束条件、第二约束条件、作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定冲突消解的目标模型;
根据目标模型,确定各初始态势分支冲突消解后的最终态势分支。
需要说明的是,上述实施例提供的一种基于多目标优化的冲突消解装置在执行基于多目标优化的冲突消解方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的一种基于多目标优化的冲突消解装置与一种基于多目标优化的冲突消解方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
本申请实施例还公开一种计算机可读存储介质,并且,计算机可读存储介质存储有计算机程序,其中,计算机程序被处理器执行时,采用了上述实施例的一种基于多目标优化的冲突消解方法。
其中,计算机程序可以存储于计算机可读介质中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等,计算机可读介质包括能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM)、随机存取存储器(RAM)、电载波信号、电信信号以及软件分发介质等,需要说明的是,计算机可读介质包括但不限于上述元器件。
其中,通过本计算机可读存储介质,将上述实施例的一种基于多目标优化的冲突消解方法存储于计算机可读存储介质中,并且,被加载并执行于处理器上,以方便上述方法的存储及应用。
本申请实施例还公开一种电子设备,计算机可读存储介质中存储有计算机程序,计算机程序被处理器加载并执行时,采用了上述一种基于多目标优化的冲突消解方法。
其中,电子设备可以采用台式电脑、笔记本电脑或者云端服务器等电子设备,并且,电子设备设备包括但不限于处理器以及存储器,例如,电子设备还可以包括输入输出设备、网络接入设备以及总线等。
其中,处理器可以采用中央处理单元(CPU),当然,根据实际的使用情况,也可以采用其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以采用微处理器或者任何常规的处理器等,本申请对此不做限制。
其中,存储器可以为电子设备的内部存储单元,例如,电子设备的硬盘或者内存,也可以为电子设备的外部存储设备,例如,电子设备上配备的插接式硬盘、智能存储卡(SMC)、安全数字卡(SD)或者闪存卡(FC)等,并且,存储器还可以为电子设备的内部存储单元与外部存储设备的组合,存储器用于存储计算机程序以及电子设备所需的其他程序和数据,存储器还可以用于暂时地存储已经输出或者将要输出的数据,本申请对此不做限制。
其中,通过本电子设备,将上述实施例的一种基于多目标优化的冲突消解方法存储于电子设备的存储器中,并且,被加载并执行于电子设备的处理器上,方便使用。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的范围和精神由权利要求限定。
Claims (7)
1.一种基于多目标优化的冲突消解方法,其特征在于,所述方法包括:
获取至少一个无人机编队的整体作战目标,并基于所述整体作战目标确定各所述无人机编队对应的初始态势分支,所述初始态势分支包括各所述无人机编队对应的作战目标,所述基于所述整体作战目标确定各所述无人机编队对应的初始态势分支,具体包括:
确定所述整体作战目标的数量,并获取各所述无人机编队的作战意图以及对应的概率;
根据所述整体作战目标的数量、各所述作战意图以及对应的概率,确定各所述无人机编队对应的初始态势分支,各所述初始态势分支表示如下:
=/>;
式中,表示初始态势分支,/>表示初始态势分支的编号,/>表示无人机编队,/>表示无人机编队的作战意图,/>表示为作战意图对应的概率,为无人机编队对应的作战目标,i表示所有初始态势分支中第i个态势分支,所述初始态势分支的数量等于所述整体作战目标的数量;
根据所述无人机编队的数量,确定第一约束条件,并获取各所述无人机编队对应的作战意图,根据各所述无人机编队对应的作战意图和对应的作战目标,确定第二约束条件,其中,所述第一约束条件表示为:;
式中,m表示无人机编队的数量,k表示最终态势分支的数量,表示包含无人机编队的态势分支数量至少为1,其中,/>表示所有无人机编队,表示的是单个无人机编队,所述第二约束条件表示为:
;
式中,∨表示不相容,即冲突消解后的任意两个不同态势分支的作战目标相同和作战意图相同不能同时成立,i表示第i个态势分支,j表示第j个态势分支,其中,表示第i个态势分支的作战目标,/>表示第j个态势分支的作战目标,/>表示第i个态势分支的作战意图,/>表示第j个态势分支的作战意图;
基于所述第一约束条件和所述第二约束条件,通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各所述初始态势分支冲突消解后的最终态势分支,其中,各所述最终态势分支对应的无人机编队覆盖的作战目标最多、对应的无人机编队的整体作战收益最多以及对应的无人机编队的编队总航程最短,所述第一约束条件用于约束所述最终态势分支的数量不少于所述无人机编队的数量且每个所述无人机编队至少存在一个态势分支,所述第二约束条件用于约束各所述最终态势分支之间不存在作战意图冲突。
2.根据权利要求1所述的基于多目标优化的冲突消解方法,其特征在于,所述通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各所述初始态势分支冲突消解后的最终态势分支,具体包括:
采用Sigmoid函数对所述作战目标覆盖目标函数、所述整体作战收益目标函数和所述编队总航程目标函数均进行归一化处理,得到所述作战目标覆盖目标函数对应的第一目标函数、所述整体作战收益目标函数对应的第二目标函数以及所述编队总航程目标函数对应的第三目标函数;
设置所述第一目标函数对应的第一权重、所述第二目标函数对应的第二权重以及所述第三目标函数对应的第三权重,所述第二权重等于所述第三权重,所述第一权重大于所述第二权重;
基于所述第一权重、所述第二权重以及所述第三权重,对所述第一目标函数、第二目标函数以及第三目标函数进行加权计算,得到最终目标函数;
通过最大化所述最终目标函数,确定各所述初始态势分支冲突消解后的最终态势分支。
3.根据权利要求2所述的基于多目标优化的冲突消解方法,其特征在于,所述基于所述第一权重、所述第二权重以及所述第三权重,对所述第一目标函数、第二目标函数以及第三目标函数进行加权计算,得到最终目标函数,具体包括:
对所述第一目标函数与所述第一权重的乘积、所述第二目标函数与所述第二权重的乘积求和,得到求和结果;
将所述求和结果减去所述第三目标函数与所述第三权重的乘积,得到最终目标函数。
4.根据权利要求1所述的基于多目标优化的冲突消解方法,其特征在于,所述基于所述第一约束条件和所述第二约束条件,通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各所述初始态势分支冲突消解后的最终态势分支,具体包括:
基于第一约束条件、所述第二约束条件、所述作战目标覆盖目标函数、所述整体作战收益目标函数以及所述编队总航程目标函数,确定冲突消解的目标模型;
根据所述目标模型,确定各所述初始态势分支冲突消解后的最终态势分支。
5.一种基于多目标优化的冲突消解装置,其特征在于,包括:
分支确定模块(11),用于获取至少一个无人机编队的整体作战目标,并基于所述整体作战目标确定各所述无人机编队对应的初始态势分支,所述初始态势分支包括各所述无人机编队对应的作战目标,所述基于所述整体作战目标确定各所述无人机编队对应的初始态势分支,具体包括:
确定所述整体作战目标的数量,并获取各所述无人机编队的作战意图以及对应的概率;
根据所述整体作战目标的数量、各所述作战意图以及对应的概率,确定各所述无人机编队对应的初始态势分支,各所述初始态势分支表示如下:
=/>;
式中,表示初始态势分支,/>表示初始态势分支的编号,/>表示无人机编队,/>表示无人机编队的作战意图,/>表示为作战意图对应的概率,为无人机编队对应的作战目标,i表示所有初始态势分支中第i个态势分支,所述初始态势分支的数量等于所述整体作战目标的数量;
约束建立模块(12),用于根据所述无人机编队的数量,确定第一约束条件,并获取各所述无人机编队对应的作战意图,根据各所述无人机编队对应的作战意图和对应的作战目标,确定第二约束条件,其中,所述第一约束条件表示为:;
式中,m表示无人机编队的数量,k表示最终态势分支的数量,表示包含无人机编队的态势分支数量至少为1,其中,/>表示所有无人机编队,表示的是单个无人机编队,所述第二约束条件表示为:
;
式中,∨表示不相容,即冲突消解后的任意两个不同态势分支的作战目标相同和作战意图相同不能同时成立,i表示第i个态势分支,j表示第j个态势分支,其中,表示第i个态势分支的作战目标,/>表示第j个态势分支的作战目标,/>表示第i个态势分支的作战意图,/>表示第j个态势分支的作战意图;
冲突消解模块(13),用于基于所述第一约束条件和所述第二约束条件,通过预设的作战目标覆盖目标函数、整体作战收益目标函数以及编队总航程目标函数,确定各所述初始态势分支冲突消解后的最终态势分支。
6.一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其特征在于,所述计算机程序被处理器加载并执行时,采用了权利要求1-4中任一项所述的方法。
7.一种电子设备,包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序,其特征在于,所述处理器加载并执行计算机程序时,采用了权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310767289.9A CN116974297B (zh) | 2023-06-27 | 2023-06-27 | 基于多目标优化的冲突消解方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310767289.9A CN116974297B (zh) | 2023-06-27 | 2023-06-27 | 基于多目标优化的冲突消解方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116974297A CN116974297A (zh) | 2023-10-31 |
CN116974297B true CN116974297B (zh) | 2024-01-26 |
Family
ID=88480614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310767289.9A Active CN116974297B (zh) | 2023-06-27 | 2023-06-27 | 基于多目标优化的冲突消解方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116974297B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018026405A2 (en) * | 2016-05-11 | 2018-02-08 | Rivada Research, Llc | Method and system for using enhanced location-based information to guide munitions |
CN108196579A (zh) * | 2018-01-24 | 2018-06-22 | 电子科技大学 | 基于几何分布的无人机分级编队方法 |
CN109917805A (zh) * | 2019-01-21 | 2019-06-21 | 西北工业大学 | 一种通信延迟约束下多无人机任务指派冲突消解方法 |
CN110962839A (zh) * | 2019-12-18 | 2020-04-07 | 厦门大学 | 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法 |
CN111352442A (zh) * | 2020-01-08 | 2020-06-30 | 重庆大学 | 一种基于鲁棒H infinite控制的牵引式挂车轨迹跟踪方法 |
CN111679575A (zh) * | 2020-05-14 | 2020-09-18 | 江苏大学 | 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法 |
CN111813151A (zh) * | 2020-08-26 | 2020-10-23 | 江苏威思迈智能科技有限公司 | 基于机器视觉的无人机集群控制方法 |
CN112733421A (zh) * | 2020-12-01 | 2021-04-30 | 南京航空航天大学 | 一种针对有人无人机协同对地作战的任务规划方法 |
CN112947581A (zh) * | 2021-03-25 | 2021-06-11 | 西北工业大学 | 基于多智能体强化学习的多无人机协同空战机动决策方法 |
WO2021180399A1 (en) * | 2020-03-10 | 2021-09-16 | Airbus Defence and Space GmbH | Method for controlling a formation of a collaborating swarm of unmanned mobile units |
WO2022057107A1 (zh) * | 2020-09-18 | 2022-03-24 | 中国人民解放军海军航空大学 | 面向观测优化的多机异类传感器协同多目标跟踪方法 |
CN114572251A (zh) * | 2022-04-08 | 2022-06-03 | 苏州易驱汽车科技有限公司 | 一种预测控制的高速自动驾驶汽车轨迹跟踪方法 |
CN116149363A (zh) * | 2023-01-19 | 2023-05-23 | 福州大学 | 一种面向多无人机系统编队队形变换的能耗优化方法 |
CN116225064A (zh) * | 2023-03-23 | 2023-06-06 | 华南理工大学 | 一种密集无人机避障与冲突消解方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915932A (zh) * | 2020-07-29 | 2020-11-10 | 北京航空航天大学 | 一种多目标约束的低空无人机航路规划设计方法 |
-
2023
- 2023-06-27 CN CN202310767289.9A patent/CN116974297B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018026405A2 (en) * | 2016-05-11 | 2018-02-08 | Rivada Research, Llc | Method and system for using enhanced location-based information to guide munitions |
CN108196579A (zh) * | 2018-01-24 | 2018-06-22 | 电子科技大学 | 基于几何分布的无人机分级编队方法 |
CN109917805A (zh) * | 2019-01-21 | 2019-06-21 | 西北工业大学 | 一种通信延迟约束下多无人机任务指派冲突消解方法 |
CN110962839A (zh) * | 2019-12-18 | 2020-04-07 | 厦门大学 | 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法 |
CN111352442A (zh) * | 2020-01-08 | 2020-06-30 | 重庆大学 | 一种基于鲁棒H infinite控制的牵引式挂车轨迹跟踪方法 |
WO2021180399A1 (en) * | 2020-03-10 | 2021-09-16 | Airbus Defence and Space GmbH | Method for controlling a formation of a collaborating swarm of unmanned mobile units |
CN111679575A (zh) * | 2020-05-14 | 2020-09-18 | 江苏大学 | 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法 |
CN111813151A (zh) * | 2020-08-26 | 2020-10-23 | 江苏威思迈智能科技有限公司 | 基于机器视觉的无人机集群控制方法 |
WO2022057107A1 (zh) * | 2020-09-18 | 2022-03-24 | 中国人民解放军海军航空大学 | 面向观测优化的多机异类传感器协同多目标跟踪方法 |
CN112733421A (zh) * | 2020-12-01 | 2021-04-30 | 南京航空航天大学 | 一种针对有人无人机协同对地作战的任务规划方法 |
CN112947581A (zh) * | 2021-03-25 | 2021-06-11 | 西北工业大学 | 基于多智能体强化学习的多无人机协同空战机动决策方法 |
CN114572251A (zh) * | 2022-04-08 | 2022-06-03 | 苏州易驱汽车科技有限公司 | 一种预测控制的高速自动驾驶汽车轨迹跟踪方法 |
CN116149363A (zh) * | 2023-01-19 | 2023-05-23 | 福州大学 | 一种面向多无人机系统编队队形变换的能耗优化方法 |
CN116225064A (zh) * | 2023-03-23 | 2023-06-06 | 华南理工大学 | 一种密集无人机避障与冲突消解方法及装置 |
Non-Patent Citations (2)
Title |
---|
Dynamic Mission Planning Algorithm for UAV Formation in Battlefield Environment;JING ZHANG,等;IEEE;3750-3765 * |
无人集群试验评估现状及技术方法综述;赵蕊蕊,等;系统工程与电子技术;1-9 * |
Also Published As
Publication number | Publication date |
---|---|
CN116974297A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Edge intelligence: Paving the last mile of artificial intelligence with edge computing | |
CN109284823B (zh) | 一种运算装置及相关产品 | |
Abd Elaziz et al. | IoT workflow scheduling using intelligent arithmetic optimization algorithm in fog computing | |
US8024205B2 (en) | System and method for calculating damage as a result of natural catastrophes | |
WO2023051505A1 (zh) | 一种任务求解方法及其装置 | |
CN113259469B (zh) | 智能制造中边缘服务器部署方法、系统及存储介质 | |
US11847591B2 (en) | Short-term load forecasting | |
CN112651563A (zh) | 负荷预测方法、装置、计算机可读存储介质及电子设备 | |
Shahdi-Pashaki et al. | Group technology-based model and cuckoo optimization algorithm for resource allocation in cloud computing | |
CN112862546B (zh) | 用户流失预测方法、装置、计算机设备及存储介质 | |
CN115081588A (zh) | 一种神经网络参数量化方法和装置 | |
Moon et al. | Cloud-edge collaboration framework for iot data analytics | |
CN114462722B (zh) | 新能源发电功率轻量化高精度云预测系统、方法和装置 | |
CN112819199A (zh) | 降水量的预测方法、装置、设备和存储介质 | |
CN108446989A (zh) | 手续费确定方法及终端设备 | |
CN116974297B (zh) | 基于多目标优化的冲突消解方法、装置、介质及电子设备 | |
Xu et al. | Federated learning for interpretable short-term residential load forecasting in edge computing network | |
Abdi et al. | Cognitive and time predictable task scheduling in edge-cloud federation | |
CN116862106A (zh) | 一种城市建设用地更新潜力分析方法、装置、终端及介质 | |
Pan et al. | Compact sine cosine algorithm applied in vehicle routing problem with time window | |
Zhang et al. | Short‐Term Power Load Forecasting Model Design Based on EMD‐PSO‐GRU | |
CN109547921A (zh) | 一种用户定位方法、计算机可读存储介质及终端设备 | |
CN112149982B (zh) | 一种计及共享备用的省间交易出清方法、系统及终端设备 | |
Wei | Application of Neural Network Based on Multisource Information Fusion in Production Cost Prediction | |
Pandey et al. | Integrated evolutionary neural network approach with distributed computing for congestion management |
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 |