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！

龙图腾网获悉浙江工业大学申请的专利一种用于考虑样本时效性的医疗无人机调度模型与求解算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：CN116258311B 。

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：202211454497.5，技术领域涉及：G06Q10/0631；该发明授权一种用于考虑样本时效性的医疗无人机调度模型与求解算法是由裴植;翁克彪;陈勇;王成;易文超;张文珠设计研发完成，并于2022-11-21向国家知识产权局提交的专利申请。

本一种用于考虑样本时效性的医疗无人机调度模型与求解算法在说明书摘要公布了：本发明提供了一种用于考虑样本时效性的医疗无人机调度模型与求解算法，模型建立包括以下过程：1对无人机的状态参数以及变量进行定义；2确定模型的目标函数，模型的目标函数为表示最小化无人机完成所有送检订单的时间；3确定约束条件。本发明引入换电场景下考虑样本时效性的医疗无人机配送，根据样本送检信息，载重，无人机的剩余电量等信息来决策无人机的最佳换电位置，实现收集样本和换电同步进行，提高效率。在样本时效性的约束下，提升整体检测效率和服务质量。本发明将问题建模为混合整数线性规划模型，并设计了分支定价算法进行求解，采用精确算法和启发式算法相结合的模式不仅能够提升求解速度，还可以保证子问题被求解到最优。

本发明授权一种用于考虑样本时效性的医疗无人机调度模型与求解算法在权利要求书中公布了：1.一种用于考虑样本时效性的医疗无人机调度模型的求解算法，其特征在于，模型的建立包括以下过程： 1对无人机的状态参数以及变量进行定义，参数符号定义如下： U：＝{1,..,k}无人机编号集合； H：＝{1,..,h}无人机初始位置集合； C：＝{h+1,…,h+n}社区服务点集合，即是待测样品收集的需求产生点集合； D：＝{h+n+1,…,h+2n}样本送检单位地点集合； E：＝{h+2n+1}无人机虚拟终点； N：＝{H∪C∪D∪E}所有节点的集合； A：＝{i,j|i∈N\{E},j∈N\H,i≠j}节点之间的弧集合； G：＝N,A有向图集合； :无人机送检的载重需求； :无人机离开节点i载重； F:无人机自重； L:无人机的最大载重，kg； [e,l]:无人机送检需求的时间窗，无人机必须在时间窗内完成医疗物资的取送；其中， ,l分别表示最早开始服务时间和最晚开始服务时间； [ηmin,ηmax]:样品时效性；其中，ηmin,ηmax分别表示样品有效的最短时间和最长时间； ij:从节点i到节点j的飞行时间； ρ:无人机满电电量； α:能耗因子； bs:无人机的换电时间； 无人机k到达节点i的时间； 无人机到达节点i耗电量； 无人机离开节点i耗电量； δ:样本时效性因子； βik为无人机k到达点i的样品时效性； γ:能耗时间因子； M：一个非常大的正整数； 如果无人机k从节点i飞到节点j，那么否则 yi:如果无人机在节点i进行换电操作，那么yi＝1，否则yi＝0； 2确定模型的目标函数： 模型的目标函数为表示最小化无人机完成所有送检订单的时间，运算方式如公式1所示： 3确定约束条件，包括以下约束过程 ①约束对于任何一个送检需求的样品必须由同一架无人机进行服务，即是每一个送检需求都有自己的取货点和送达点，这两个位置必须由一架无人机服务； ②约束无人机必须从起始位置出发； ③约束每一个待测样品的收集和送检都有且只有一架无人机进行服务； ④对于节点的流平衡进行约束； ⑤约束每一架无人机最后必须返回无人机虚拟终点； ⑥由于待测样品的有效性会随着时间的推移逐渐下降，因此对样品衰减后样本的时效性进行约束； ⑦约束节点前后访问的时间顺序，即是后一个节点的最早服务时间要大于或等于前一个节点的服务时间+无人机的飞行时间； ⑧建立节点前后的无人机有效载重约束逻辑； ⑨约束同一个送检需求的无人机必须先去社区服务点收集样品后然后才能送检； ⑩对节点访问顺序的电量进行约束； 建立无人机换电后电量的逻辑约束； 建立无人机访问节点的时间窗约束； 建立节点载重上限约束； 所述求解算法，包括以下过程： 设计了分支定价算法来求解中大规模的医疗无人机调度问题；在分支定价算法中，首先将所述医疗无人机调度模型重新优化建模为一个集合覆盖模型和定价子问题；在定价子问题中，设计精确算法和启发式算法相结合的模式进行求解； 1集合覆盖模型建模过程如下： 第一、设置集合覆盖模型符号及含义 R：所有可行路径集合； Cr：路径r的成本； nir：节点i被路径r访问的次数； 表示0或1的变量，如果路径r访问了弧i,j则为1，否则为0； er：表示0或1的变量，如果路径r被选择，则为1，否则为0； 第二、建立集合覆盖模型： 由于路径r对应的解集合R十分庞大，此时不能直接进行求解；采用基于列生成的框架，首先将集合覆盖模型考虑在一个部分解空间中，然后通过求解定价子问题来逐渐扩展解空间集合；基于此受限将集合覆盖模型中的解集合进行限制，得到受限主问题模型；定义R′为集合R的子集，此时将受限主问题中的变量er松弛，得到如下的受限主问题的线性松弛模型公式21-24： RMLPminCrer21 定义为约束22的对偶变量，为约束23的对偶变量，此时可以分析出基于集合覆盖模型优于集合划分模型； 第三、定价子问题： 在定价子问题中，需要找出所有reducecost为负数的路径，其中然后将该路径添加到受限主问题中，通过求解受限主问题后得到的对偶变量来更新子问题；反复求解，直到将所有reducecost为负数的路径全部找到；求解定价子问题实际上是求解一个带资源约束的基本最短路径问题； 根据上述的定义，通过RMLP中的对偶变量可以构建子问题中路径r的reducecost；在子问题的求解中，通过对偶变量来更新子问题中弧的成本；定义路径r的reducecost为： 其中： 将公式25更新改写为下面公式28： 其中 A′表示子问题的节点之间的弧集合； N′表示子问题的所有节点的集合； 2基于动态规划的标签算法和启发式算法两种算法相结合的方法，对定价子问题进行求解。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。