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！

龙图腾网获悉烟台大学申请的专利一种基于多空间建模与公平性强化学习的群智感知任务调度方法及系统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：CN120069491B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510561102.9，技术领域涉及：G06Q10/0631；该发明授权一种基于多空间建模与公平性强化学习的群智感知任务调度方法及系统是由王莹洁;骆弟洪;程翔;滕浩钧;侯文涵;安茂国;高洋;孙美美设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本一种基于多空间建模与公平性强化学习的群智感知任务调度方法及系统在说明书摘要公布了：本发明涉及群智感知技术与人工智能技术交叉领域，尤其涉及一种基于多空间建模与公平性强化学习的群智感知任务调度方法及系统，所述方法包括根据获取的任务构建地面与空中协同的多层空间任务结构；根据空间区域划分结果建立任务间的拓扑关联模型，并通过关键路径提取机制明确任务调度的优先序列；构建差异化的智能体匹配策略，基于优先序列进行关键路径任务的合理配置；利用公平性感知多目标调度算法对非关键路径任务进行动态分配；本发明通过空间划分与路径筛选机制缩小搜索空间，提升任务完成率和系统整体调度性能，适用于多空间协同感知任务场景中的高效资源配置需求。

本发明授权一种基于多空间建模与公平性强化学习的群智感知任务调度方法及系统在权利要求书中公布了：1.一种基于多空间建模与公平性强化学习的群智感知任务调度方法，其特征在于，包括：多空间区域划分阶段，根据获取的任务构建地面与空中协同的多层空间任务结构； 任务图构建与关键路径识别阶段，根据空间区域划分结果建立任务间的拓扑关联模型，并通过关键路径提取机制明确任务调度的优先序列； 任务分配阶段，构建差异化的智能体匹配策略，基于优先序列进行关键路径任务的合理配置； 强化学习阶段，利用公平性感知多目标调度算法对非关键路径任务进行动态分配； 利用动态公平性评估机制进行任务分配结果评估和优化； 所述根据获取的任务构建地面与空中协同的多层空间任务结构，包括对地面任务区域进行密度聚类处理，利用DBSCAN算法识别任务热点区域，将地面感知任务划分为若干空间自治的任务簇；随后，针对空中任务区域，根据任务的高度信息进行空间分层，将空域划分为低空、中空与高空多个层级，并在各层中引入四叉树结构对平面区域进行递归划分，实现空中任务的层次化管理与精细化表达； 所述根据获取的任务构建地面与空中协同的多层空间任务结构，还包括引入维诺图构建机制，基于已划分任务组的空间质心生成空间控制区域，将未归属任务依据最近质心原则自动映射至对应空间任务单元；对于同时涉及地面与空中执行要求的协同任务，通过构建混合维诺图实现跨层耦合映射，确保任务空间组织的一致性与完整性； 所述根据空间区域划分结果建立任务间的拓扑关联模型，并通过关键路径提取机制明确任务调度的优先序列，包括根据划分形成的空间任务组，构建任务区域图，所述任务区域图采用加权无向图，其中节点对应任务组，边的权重由任务组之间的时间紧迫差与空间距离共同决定；针对每个任务计算紧急程度评分，所述紧急程度评分依据任务的时间窗口进行定义；并对每个任务组构建群体紧急度指标，通过加权聚合组内任务的紧迫性，综合反映任务组的调度优先级； 所述根据空间区域划分结果建立任务间的拓扑关联模型，并通过关键路径提取机制明确任务调度的优先序列，还包括结合任务组之间的最早起始时间差与跨空间移动成本，动态生成图中边的关联权重，用于刻画任务之间的依赖关系与代价信息；其中，以维诺图的节点作为图的顶点，构建任务组网络，其中每个种子节点对应一个任务组，在确定边权值时，通过动态调整权值并结合NetworkX框架，找出任务组网络中的所有关键路径。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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”。