买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利基于无监督学习离散鸽群优化多无人机侦察任务分配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114897215B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210353215.6，技术领域涉及：G06Q10/04；该发明授权基于无监督学习离散鸽群优化多无人机侦察任务分配方法是由段海滨;龙泓;邓亦敏;魏晨;吴江;周锐设计研发完成，并于2022-04-06向国家知识产权局提交的专利申请。

本基于无监督学习离散鸽群优化多无人机侦察任务分配方法在说明书摘要公布了：本发明公开一种基于无监督学习离散鸽群优化多无人机侦察任务分配方法：步骤一：建立无人机群模型Utotal＝{U1,U2,...,UNv}；步骤二：基于Dubins曲线假设简化无人机模型；步骤三：建立侦察目标和无人机传感器模型；步骤四：将侦察目标的数据样本T通过余弦相似度聚类进行柔性分组；步骤五：基于全局编码交叉与变异的离散鸽群算法设计；步骤六：多无人机Dubins模型利用离散鸽群算法优化适应度函数；步骤七：输出无监督学习离散鸽群优化多无人机侦察任务分配结果图。本发明可降低航迹重合度，减少计算时间和可调变量数目，提高鲁棒性；支持任务预分配和重分配，具有一定的环境适应性；具有柔性分区的特点，使无人机群对目标进行侦察任务分配的时，能够提升执行效率。

本发明授权基于无监督学习离散鸽群优化多无人机侦察任务分配方法在权利要求书中公布了：1.一种基于无监督学习离散鸽群优化多无人机侦察任务分配方法，其特征在于：该方法具体步骤如下：步骤一：建立无人机群模型Utotal＝{U1,U2,...,UNv}步骤二：基于Dubins曲线假设简化无人机模型步骤三：建立侦察目标和无人机传感器模型该任务分配的目标为静止的目标Ttotal＝{T1,T2,...,TNu}，目标的半径大小为r，无人机的传感器侦察范围可假设为圆形范围，视场半径为R；当目标点在视场范围之内的时候，就意味着无人机对其执行了侦察；此时有下式成立：R-r＜l式中，R与r分别为无人机传感器的侦察半径以及目标点的半径，l表示的能够允许的范围差值；步骤四：将侦察目标的数据样本T通过余弦相似度聚类进行柔性分组步骤五：基于全局编码交叉与变异的离散鸽群算法设计步骤六：多无人机Dubins模型利用离散鸽群算法优化适应度函数由步骤四得到无监督学习的k个类簇序列Si＝{S1,S2,...,Sk}，对其中每一个类簇序列考虑成一个Dubins旅行商问题做预分配，优化算法保证对每个类簇中的每个目标做路径选择的时候从D＝{LSL,RSR,RSL,LSR,RLR,LRL}集合中选取路径长度最小的一个，最后回到出发点； 式中，Nu表示的是目标点的数量，表示的是Si类簇序列下到点j的Dubins距离，Ti表示的是类簇Si侦察完所用的时间；步骤七：输出无监督学习离散鸽群优化多无人机侦察任务分配结果图判断无监督学习的迭代次数是否达到Nmax或者簇中心达到稳定，然后判断离散鸽群优化的迭代次数是否达到Q1+Q2；若是，则输出多无人机侦察任务分配结果图；否则，更新迭代次数，并转向步骤二。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。