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！

龙图腾网恭喜重庆大学申请的专利基于非线性跨代差分进化的花授粉优化方法及实现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：CN114399045B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202210037226.3，技术领域涉及：G06N3/006；该发明授权基于非线性跨代差分进化的花授粉优化方法及实现系统是由梁靓;魏亚星;李义鑫;贾云健;陈正川;温万里设计研发完成，并于2022-01-13向国家知识产权局提交的专利申请。

本基于非线性跨代差分进化的花授粉优化方法及实现系统在说明书摘要公布了：本发明涉及一种基于非线性跨代差分进化的花授粉优化方法及实现系统，属于计算机领域。该方法包括以下步骤：S1：非线性惯性权重设置；S2：跨代差分进化；S3：参数自适应调整；S4：跨代赌轮盘跳出局部最优解。本方法可以设置非线性惯性权重使花授粉算法在全局搜索初期以较快速度加强搜索能力，提升算法的搜索收敛速度。自适应调整实现动态更新缩放因子和交叉概率，从而提高种群丰富度、减少局部解的数量，再结合跨代赌轮盘方式以降低陷入局部最优解的概率。

本发明授权基于非线性跨代差分进化的花授粉优化方法及实现系统在权利要求书中公布了：1.基于非线性跨代差分进化的花授粉优化方法，其特征在于：该方法包括以下步骤：S1：非线性惯性权重设置；S2：跨代差分进化；S3：参数自适应调整；S4：跨代赌轮盘跳出局部最优解；所述S1具体为：基于具有全局探索和局部开发优势的模拟退火算法SA，设计非线性惯性权重如下： 其中Tmax为最大迭代次数，t为当前迭代次数，为当前种群的最小适应度值，为上一代种群的最小适应度值；权重k的变化能够指导全局搜索方向，降低盲目搜索带来的成本；基于非线性惯性权重，花授粉的全局搜索迭代公式为： 其中，和分别为每个维度花粉个体值的上下限，指每个个体上下限维度的平均值,rand是分布于[0,1]的随机数；所述S2具体为：跨代差分进化包括两种变异策略，即基于邻域的跨代进化策略NCG和基于种群的跨代进化策略PCG；NCG和PCG通过分析连续世代之间的差异来引导搜索方向接近最优解，结合两代种群的信息减少搜索结果的数值振荡；为提高FPA-NCDE在局部搜索过程中的搜索稳定性，设计非线性反余弦加速因子c，使搜索开始时更快地进入局部搜索，结束时保持较高的搜索速度而不会提前收敛；其定义如下： 其中，dnum为花粉个体的维数，t为迭代次数，Tmax为最大迭代次数；设cmax＝1.0,cmin＝0.6；随着算法迭代次数的增加，衰减速度趋缓，提升算法的局部搜索能力；NCG通过计算种群中父代个体与其他个体之间的欧氏距离，选择最近的T个个体组成邻域池，并基于欧氏距离选择上一代T个个体作为邻域池的成员，其表达式如下： 其中，Vi,g为变异向量，表示差分进化后产生的新个体，i是父代个体的索引，g是差分变异的代数，是当前代邻域池中随机选取的个体，是上一代父代邻域池中随机选取的个体；rn1是从{Ii,g,1,Ii,g,2,...Ii,g,T}选取的随机整数，{Ii,g,1,Ii,g,2,...Ii,g,T}记录邻域池中个体的索引，rn2是从{Ii,g-1,1,Ii,g-1,2,...Ii,g-1,T}随机选取的整数，T的大小为种群个体总数的5％；PCG通过随机选择父代个体上一代种群中的个体和当代种群中的个体参与突变过程，来增加种群的丰富度，其表达式如下： 其中，xi,g为父代个体，为当前种群中随机选取的个体，为上一代种群中随机选取的个体，rp1和rp2为从{1,2,...N}中选取的随机整数，N为种群规模；为平衡收敛和搜索能力，在变异操作中采用PCG和NCG的概率相同；所述S3具体为：在参数初始化过程中，初始的缩放因子Fi,g和交叉概率CRi是从[Fmin,Fmax]和[CRmin,CRmax]中随机产生，Fmin和Fmax分别为缩放因子F的上下限，CRmin和CRmax为交叉概率的上下限；缩放因子动态更新的表达式如下： 从当前个体的邻域中随机选取三个个体xp1、xp2、xp3，其适应度值分别为f1、f2、f3且f1＜f2＜f3；同样，从上一代父代个体的邻域池中随机选取3个个体xp4,xp5,xp6其适应度值分别为f4、f5、f6且f4＜f5＜f6；交叉概率动态更新的表达式如下： 其中fave是当前种群内所有个体的平均适应度；所述S4具体为：在完成对所有个体的搜索迭代后，选取适应度值最小的T个个体，再从当前种群剩余个体中随机选择α个个体以及从上一代随机选择β个父代个体，共计2T个个体组成轮盘赌池，参与轮盘赌的过程；轮盘赌池每个花粉个体被选择的概率如下： 其中i为花粉个体，wigi是适应度值的映射权重；跨代赌轮盘的过程如下：S41：将父代花粉种群中的花粉个体按照适应度值进行升序排序；S42：选择其中排名前T个花粉个体组成子种群Pt；S43：从父代种群中的剩余个体中随机选择β个个体；S44：从当代种群中随机选择α个个体；S45：将子种群与选出的个体组成赌轮盘池Wt；S46：根据公式11将轮盘池里的个体参与赌轮盘过程；将无人机智能巡检的路径规划的飞行起点和终点的直线线段进行D等分处理，过线段上的各个等分点做垂直于直线线段的垂线，在各个等分点所在的垂线上选取合适的点作为航迹点，将这些航迹点进行连接的轨迹路线就是UAV飞行的路径规划路线；设新的坐标系下无人机飞行过程中遇到的障碍物和威胁目标所在的位置坐标为xi,yi，威胁半径为ri，则威胁目标的攻击范围为： 在进行无人机路径规划过程中，包含三个约束条件，分别是飞行长度限制、转弯角度限制、飞行高度限制；1飞行长度限制无人机每次转向前都存在一个直线距离进行误差修正；最小飞行长度影响无人机航迹；设飞行航迹起点为S,终点为T,将ST分段为D+1段；各段的长度大于最小飞行长度限制；每一分段最大总长度遵循如下条件： 其中||Pi-1Pi||是航段的长度，P0是起点，PD+1是终点，Lmax是总飞行长度的最大值；2转弯角度限制无人机在相邻两段分段之间存在转弯角度遵循以下条件： 其中θmax是最大转向角；3飞行高度限制无人机的飞行高度h遵循以下条件：Hmin＜h＜Hmax15Hmax为最大飞行高度，Hmin为最小飞行高度；基于上述约束条件，考虑能耗成本、转向成本、威胁攻击成本和飞行高度成本作为无人机路径规划算法的性能评估标准；1能耗成本能耗成本Coste与无人机的航速和总飞行长度有关，其表达式如下： 其中η为能耗因子，v是无人机的速度，li是总飞行航迹第i个分段航迹的长度；2转向成本转向成本与转向角度有关，式17给出转向成本Costs的计算： 其中θj是转向角，k是转向系数，θmax是最大转向角；3威胁攻击成本考虑威胁攻击代价Costt，各航迹点的威胁程度表示为： 其中kj为第j个威胁目标的威胁等级，a和b为威胁权重，dxj是指无人机在点x距第j个威胁目标中心的距离，Rj表示威胁目标的半径；为计算每个威胁目标在各分段路径上的无人机所耗费的威胁攻击成本，将每一分段的长度平均分为15个部分；每一分段的威胁攻击成本为所在位置的所有威胁攻击成本的平均值；则威胁攻击成本Costt为： li为第i个飞行航迹段的长度，N为威胁目标的数量；4飞行高度成本飞行高度成本与各分段的飞行高度有关，飞行高度成本Costh为：Costh＝μhi-hbest20其中μ为飞行高度因子，hi为无人机在第i个分段的飞行高度，hbest为最佳飞行高度；无人机巡检路径规划的代价函数为： 其中，λ1、λ2、λ3、λ4分别表示Costt、Coste、Costh、Costs的权重。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。