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业大学申请的专利一种基于改进蚁群算法的卫星星座燃料加注任务规划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：CN120087698B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202510248965.0，技术领域涉及：G06Q10/0631；该发明授权一种基于改进蚁群算法的卫星星座燃料加注任务规划方法是由邱实;黄兴平;刘明;赵浩天设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种基于改进蚁群算法的卫星星座燃料加注任务规划方法在说明书摘要公布了：一种基于改进蚁群算法的卫星星座燃料加注任务规划方法，它属于卫星任务规划技术领域。本发明解决了现有方法难以搜索到最优解且搜索效率低的问题。本发明具体为：步骤一、初始化DQN模型的参数，并对初始DQN模型进行训练后，获得训练好的DQN模型；步骤二、初始化蚁群优化算法的参数，建立蚁群优化算法的适应度函数，并基于训练好的DQN模型建立卫星间的转移概率方程；步骤三、基于建立的适应度函数和转移概率方程进行搜索，得到任务规划结果。本发明将DQN模型的Q值集成到ACO决策过程中，使蚂蚁在节点选择过程中不仅考虑信息素轨迹和启发式距离，还考虑学到的Q值，通过Q值指导蚂蚁的移动决策。本发明方法可以应用于卫星星座燃料加注任务规划。

本发明授权一种基于改进蚁群算法的卫星星座燃料加注任务规划方法在权利要求书中公布了：1.一种基于改进蚁群算法的卫星星座燃料加注任务规划方法，其特征在于，所述方法具体包括以下步骤： 步骤一、初始化DQN模型的参数，并对初始DQN模型进行训练后，获得训练好的DQN模型； 所述对初始DQN模型进行训练的具体过程为： 步骤一一、随机选择一个卫星作为起点，再分别计算出起点到星座中其它各个卫星需要付出的代价，利用计算出的全部代价组成卫星的距离向量，将卫星的距离向量作为当前状态； 步骤一二、将当前状态转换为张量后输入DQN模型；DQN模型基于当前状态选择下一个卫星，即为DQN模型输出的动作，DQN模型中的价值网络预测出在当前状态下选择动作的Q值，将预测出的Q值记为，表示主价值网络的参数； 步骤一三、计算执行动作获得的奖励： 其中，代表从卫星进行轨道转移到达卫星的速度变化； 步骤一四、再分别计算出卫星到星座中除卫星之外的其它各个卫星需要付出的代价，利用计算出的全部代价组成卫星的距离向量，将卫星的距离向量作为新状态，并将新状态转换为张量后输入DQN模型； 步骤一五、DQN模型基于新状态选择下一个动作，DQN模型中的价值网络预测出在新状态下选择动作的Q值； 步骤一六、更新当前状态下选择动作的Q值： 其中，是当前状态下选择动作的更新后Q值，表示折扣因子，是新状态下选择动作的Q值，表示次价值网络的参数； 步骤一七、根据和计算损失函数，通过损失函数反向传播调整DQN模型的参数； 步骤一八、将新状态作为当前状态，返回执行步骤一二，直至达到设置的最大迭代次数时停止训练； 步骤二、初始化蚁群优化算法的参数，建立蚁群优化算法的适应度函数，并基于训练好的DQN模型建立卫星间的转移概率方程； 所述适应度函数为： 其中，表示卫星星座中的第个卫星，表示卫星星座中的第个卫星，表示卫星星座中的卫星总数，表示连续访问第个卫星和第个卫星之间的转移成本，是适应度函数； 所述转移概率方程为： 其中，是第只蚂蚁从卫星转移到卫星的转移概率，表示第只蚂蚁的下一个允许转移卫星集合，是卫星与卫星之间路径上更新前的信息素浓度，表示训练好的DQN模型预测的从卫星转移到卫星的Q值，是从卫星转移到卫星的启发值； 所述蚁群优化算法的参数具体包括蚂蚁数量m、信息素重要性、启发式重要性、Q值重要性和信息素蒸发率ρ； 步骤三、基于建立的适应度函数和转移概率方程进行搜索，得到任务规划结果。

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业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。