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！

龙图腾网获悉北京理工大学申请的专利基于分布式演化博弈的模型预测无领导者编队控制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：CN115616913B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202211320956.0，技术领域涉及：G05B13/04；该发明授权基于分布式演化博弈的模型预测无领导者编队控制方法是由戴荔;霍达;周小婷;蔡普申;黄腾;孙中奇;夏元清设计研发完成，并于2022-10-26向国家知识产权局提交的专利申请。

本基于分布式演化博弈的模型预测无领导者编队控制方法在说明书摘要公布了：本发明提出了一种基于分布式演化博弈的模型预测无领导者编队控制方法，能够解决leader‑follower编队控制算法中的缺点。本发明采用了无领导者的编队控制算法，即所有智能体都具有相同的角色和功能，并且利用模型预测控制算法为构建全局优化问题，通过在全局模型预测成本函数中设计一个编队误差函数，来实现编队的目的。避碰功能的实现是通过利用Voronoi图为每个智能体构建安全距离集，通过将编队控制问题转变成为演化博弈问题，来实现分布式求解，同时利用演化博弈中的不变集的性质来保证每个智能体在移动的过程中不会发生碰撞。此外，本发明对于时变的通信网络也同样适用，在提高了控制性能和安全性能的同时，降低了计算的复杂程度，减少了通信负担。

本发明授权基于分布式演化博弈的模型预测无领导者编队控制方法在权利要求书中公布了：1.一种基于分布式演化博弈的模型预测无领导者编队控制方法，其特征在于，包括以下步骤： 步骤1，建立多智能体系统，明确智能体的初始位置及目标位置，构建智能体的动力学模型，多智能体之间的避障约束、智能体的控制约束以及状态约束的最优控制问题；其中，为了实现控制目标，令代表智能体i的位置偏差，定义代价函数为： 其中，和都是对称正定矩阵，Hp为预测时域，无人机编队的最优控制问题描述为： minukJk s.t.form＝0,1,…,Hp-1 其中：Jk为定义的代价函数，表示第i个智能体的位置信息，表示第i个智能体的速度信息，表示第i个智能体的状态变量，表示第i个智能体的控制变量，表示第i个智能体的避碰约束集，表示多智能体的可移动范围，表示单个智能体的允许控制输出范围，Hp为预测时域； 所述最优控制问题是最终目标状态已知情况下，通过预测模型来预测未来一段时间内智能体的状态，使未来一段时间内智能体的位置和目标位置距离最小，获得当前时刻最优控制输入量； 步骤2，为每个智能体创建安全距离集，保证每个智能体只要在规定的安全距离集中移动时不会发生碰撞；其中安全距离集的定义为： 其中，R为规定的安全距离，集合是多面体闭集，对于任意和满足‖cik-cjk‖≥R，表示智能体i的邻居智能体集合，δijk、εijk以及ωijk表示用于计算的中间变量； 步骤3，提出受耦合约束的两种群演化博弈，选择修正协议构建演化动力学方程，使得每个种群的演化动力学方程经过不断的迭代和优化能达到博弈的纳什均衡解，并且具有不变集的性质； 具体地，建设有两个种群p∈1,2，在每个种群中都具有大量且有限的参与者，且在两个种群中具有相同的策略集S；令si∈S，si表示第i个策略，S表示策略集，其中包含n个策略，令mp,i表示种群p中接收策略i的个体数，并且取种群p中接受策略i的比例为ρp,i＝mp,imp≥0，得到pp＝[ρp,1,ρp,2,…,ρp,n]T和πp＝∑i∈Sρp,i＝1，同时，令种群p的适度函数为Fppp＝[fp,1pp,fp,2pp,…,fp,npp]T；统一定义xi:＝ρ1,i，yi:＝ρ2,i，x:＝p1，y:＝p2，fix:＝f1,ip1，fiy:＝f2,ip2，和 演化博弈中的通讯拓扑图设置中，对于两个种群x,y，满足集合Ξ＝{x,y∣Ax+By≤C}，其中A＝diag{a1,a2,…,an}，B＝diag{b1,b2,…,bn}和C＝[c1c2…cn]T；在进化过程中，集合Λ:＝{x,y∣∑i∈Sxi＝π1,∑i∈Syi＝π2,xi≥0,yi≥0}包含了种群的所有可能状态；对于第一个种群，各个个体之间的策略交互用无向图来表示，其中节点集代表所有的策略集，顶点集代表着种群x中个体可以采取不同的策略，Ak＝[aijk]M×M表示邻接矩阵，其中当个体采取策略i，并且也可以采取策略j时，aijk＝1，否则aijk＝0；同理，对于第二个种群，各个个体之间的策略交互用无向图来表示； 进化博弈的优化问题通过寻找纳什平衡点进行求解，具体为： maxx,yWx,y s.t.Ax+By≤C xi≥0 yi≥0 其中，代价函数Wx,y是严格连续可微的凹函数，xi,yi为种群状态； 种群x与种群y中采用策略i的比例变化进化过程由分布式进化动力学描述，其表达式为： 修正协议φij将当前的收益和汇总行为作为输入，并输出转换频率，即根据当前的总体状态和收益，个体采用策略i转向采用策略j的频率； 通讯协议的设定中，对于任意给定的x和y，使用表示一组三元数，并对任意q∈S，满足则是关于矢量C-Ax+By最小元素对应的系数；对于种群p的修正协议设计为： 进而得到 步骤4，将所构建的多智能体编队问题转变成为受耦合约束的两种群演化博弈问题，利用演化博弈的演化动力学方程来对多智能体编队优化问题进行求解； 具体地，使用演化博弈论的方法，将DEG2PC理论中的种群状态xi,yi和最优控制问题里的位置分量相关联，关系式为 根据动力学模型，uik+m|k和vik+m+1|k重新表达为： uik+m|k＝cik+m+1|k-2cik+m|k+cik+m-1|k vik+m+1|k＝cik+m+1|k-cik+m|k 并将代入所述最优控制问题中，对于每种策略的适应度函数描述为fx＝-xJ和fy＝-yJ；所述最优控制问题中的约束转换为的形式，与进化博弈的优化问题通过寻找纳什平衡点进行求解表达式中的约束相对应； 对于种群x和y，选择种群p的修正协议，使用动态演化，种群结果趋向于纳什平衡点之后，在时刻k得到最优位置轨迹x*k,y*k以及最优控制输入序列u*k。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。