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！

龙图腾网获悉哈尔滨工程大学申请的专利虑及障碍阻滞影响的选址-路径优化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：CN118446390B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202410453926.X，技术领域涉及：G06Q10/047；该发明授权虑及障碍阻滞影响的选址-路径优化方法是由李敬花;黄文昊;宋得宁;周磊;杨博歆设计研发完成，并于2024-04-16向国家知识产权局提交的专利申请。

本虑及障碍阻滞影响的选址-路径优化方法在说明书摘要公布了：本发明涉及虑及障碍阻滞影响的选址‑路径优化方法，属于工程建造管理技术领域。解决大量的路径规划处理随着目标点数量的增加处理难度会越来越大的问题。提取平面上障碍物的信息，并进行预测；障碍影响距离的信息包括障碍物的面积、障碍物的形状、欧式距离、质心偏移距离；根据障碍影响距离的信息，结合目标点的信息、车辆容量、平面信息，对配送中心进行选址，规划配送中心到目标点的路径，构建数学模型；判断配送中心到若干目标点的若干路径上是否存在障碍物信息，构建预测模型。通过高斯过程回归学习对障碍影响距离进行预测，实现不同目标点之间障碍影响距离的快速估计，依据HO‑NSGAⅡ进行阻塞环境下物资仓储位置以及配送路径的合理规划。

本发明授权虑及障碍阻滞影响的选址-路径优化方法在权利要求书中公布了：1.虑及障碍阻滞影响的选址-路径优化方法，其特征在于：包括以下步骤： 步骤一：提取平面（4）上障碍物（3）的信息，并对障碍影响距离的信息进行预测；障碍影响距离的信息包括障碍物（3）的面积、障碍物（3）的形状、欧式距离、质心偏移距离；质心偏移距离为障碍物质心到配送中心、目标点的距离； 选择障碍影响距离的信息进行预测，基于高斯过程回归处理障碍影响距离的信息；高斯过程回归是一种基于统计学习和贝叶斯理论的核函数机器学习方法，具体高斯过程回归如下： 对于一组训练数据集，，其中，、为特征数据，、为目标数据； 1 2 3 4 式中：为障碍物（3）面积；为障碍物（3）形状；为欧式距离；为质心偏移距离；为预测函数；为多元高斯分布；为预测值；用于表示均值与方差；为噪声预测值；为标准差；为单位矩阵；为的均值组成的向量；、为其协方差矩阵； 将所需要预测的集合定义为，则对应的预测值为： 5 式中为预测函数；若为0，则是无噪预测，若不为0，则是有噪声预测； 步骤二：根据所述障碍物（3）的信息，结合目标点（2）的信息、配送中心（1）的车辆容量、平面（4）信息，对配送中心（1）进行选址，并规划每个配送中心（1）到一个以上目标点（2）的路径，构建数学模型； 构建目标优化模型，所述目标包括最小化配送距离和车辆数量： 6 7 式中，为配送车辆数量；为配送距离；为车辆服务对象，为车辆有服务对象，否则，；为车辆的编号，为小车的集合；为车辆在第条路径中从到，否则，，，；为配送中心（1）的编号；为配送中心（1）的集合；为目标点（2）的编号；为目标点（2）的集合；为配送路径编号；为配送路径的集合；为配送中心（1）或者目标点（2）之间的距离，；为障碍影响系数，； 步骤三：判断每个路径上是否存在障碍物（3）信息，构建预测模型； 设计HO-NSGAⅡ算法进行求解，包括以下步骤： 步骤3.1：障碍阻滞影响处理； 将所有目标点的坐标、配送中心坐标、障碍物的坐标录入程序，引入质心偏移距离矩阵来判断配送中心与目标点之间、目标点与目标点之间是否有障碍物影响；通过读取平面地图目标点、配送中心及障碍物坐标信息，计算各配送中心、目标点两两之间连线与各障碍物之间的距离，形成配送中心与目标点之间、目标点与目标点之间对每个障碍物的质心偏离距离矩阵，然后以矩阵的形式保存成新的配送路径的集合；若配送中心、目标点两两之间质心偏移距离大于障碍物的覆盖范围，代表其之间没有障碍物影响，若小于障碍物覆盖范围，则代表其之间存在障碍物影响； 步骤3.2：编码方式； 步骤3.3：初始解的生成； 步骤3.4：非支配排序和拥挤度计算； 步骤3.5：选择、交叉、变异操作。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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”。