-
公开(公告)号：CN108763069A
公开(公告)日：2018-11-06
申请号：CN201810465966.0
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: G06F11/36
CPC classification number: G06F11/3684 , G06F11/3676
Abstract: 本发明公开了一种基于信息熵粒子群算法的测试用例生成方法，包括以下步骤：步骤一：确定需要覆盖的组合集；步骤二：为需覆盖组合集中的每个组合分别生成含有部分值缺省的初始测试用例；步骤三：对需覆盖组合集中的组合进行优先级排序；步骤四：选择优先级最高的组合，并采用信息熵粒子群算法为该组合对应的初始测试用例中待确定的值选择最佳取值，生成所有值都确定的完整测试用例；步骤五：将步骤四生成的完整测试用例添加到需覆盖组合集中并删除被覆盖组合；步骤六：重复步骤四与步骤五，直至需覆盖组合集中的所有组合都被完整测试用例覆盖，生成覆盖范围广且数量少完整测试用例集。本发明具有能有效生成覆盖范围广且数量少的测试用例集的优点。
-
公开(公告)号：CN108170147A
公开(公告)日：2018-06-15
申请号：CN201711495472.9
申请日：2017-12-31
Applicant: 南京邮电大学
CPC classification number: G05D1/0202 , G06N3/04
Abstract: 本发明提供了一种基于自组织神经网络的无人机任务规划方法，包括自组织神经网络初始化步骤，选取获胜节点步骤，计算获胜节点的优胜邻域步骤，网络参数更新步骤，动态响应步骤。首先初始化网络结构和节点权值，对权值进行归一化处理，然后接收输入向量，选择与输入向量内积最大的节点作为获胜节点，计算所有在获胜节点的优胜邻域内的节点，并对这些节点的权值按其离开获胜节点的距离不同程度地进行更新。当有突发情况时，动态调整网络的参数以及时响应。本发明对获胜邻域内的节点更新权值，算法的执行过程中加入了多约束条件，引入混乱机制解决无人机在多个任务点迂回问题，采用动态响应机制，提升了无人机集群在动态环境中的适应性，实现了更加有效的无人机任务规划。
-
公开(公告)号：CN109683630B
公开(公告)日：2021-11-09
申请号：CN201910071844.8
申请日：2019-01-25
Applicant: 南京邮电大学
IPC: G05D1/10
Abstract: 本发明提供了无人机领域内的一种基于粒子群和PRM的无人机航迹规划方法，在无人机飞行空间中进行随机采点，并根据环境中禁飞区、雷达区等障碍物信息利用PRM方法构建概率地图，把连续空间的规划问题转化为拓扑空间的规划问题，之后，根据无人机的位置以及分配到的任务位置确定源点位置和目标点位置，并把无人机从源点到达目标点的路程作为优化目标函数，针对无人机航迹规划模型的特点对分配方案进行编码，利用粒子群算法对问题进行求解，在概率地图中得到一条最短的飞行路径，通过在采样的过程中增加在障碍物附近的采点量，从而强化算法在窄通道中的路径搜索，使其更适用于复杂地形。
-
公开(公告)号：CN109828823A
公开(公告)日：2019-05-31
申请号：CN201811632216.4
申请日：2018-12-29
Applicant: 南京邮电大学
IPC: G06F9/455
Abstract: 本发明公开了一种基于容器虚拟化技术的无人机算法仿真系统扩展方法，首先将Dockerfile文件，通过仿真系统的前端网页上传至仿真系统的服务端；仿真系统的服务端根据Dockerfile文件创建Docker镜像；Docker镜像创建Docker容器，并启动Docker容器；当需要调用无人机算法时，通过仿真系统的前端网页发送无人机算法信息至仿真系统的服务端，仿真系统的服务端根据无人机算法信息调用对应的Docker容器中无人机算法程序，将无人机算法程序的计算结果返回至仿真系统的前端网页。本发明将每个算法的运行环境隔离在每个容器中，容器间互相独立，防止发生冲突。
-
公开(公告)号：CN109655066A
公开(公告)日：2019-04-19
申请号：CN201910071929.6
申请日：2019-01-25
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于Q(λ)算法的无人机任务规划方法，包括环境建模步骤，马尔科夫决策过程模型初始化步骤，Q(λ)算法迭代计算步骤，根据状态价值函数计算最优路径步骤，首先根据无人机最小航迹段长度初始化栅格空间，将栅格空间坐标映射为航路点，并对圆形和多边形威胁区域进行表示，然后建立马尔科夫决策模型，包括无人机飞行动作空间表示，状态转移概率的设计，奖励函数的构造，然后采用Q(λ)算法在构建的模型基础上进行迭代计算，并根据最终收敛的状态价值函数计算得出一条能够安全避开威胁区域的无人机的最优路径，本发明将传统的Q学习算法与效用追踪结合，提升了价值函数收敛的速度与精度，引导无人机避开威胁区域并进行自主路径规划。
-
Patent Agency Ranking
公开(公告)号：CN108737411A
公开(公告)日：2018-11-02
申请号：CN201810459369.7
申请日：2018-05-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于动态手机号码技术的帐号注册方法，包括以下步骤：步骤一：用户先在第三方机构注册一个虚拟手机号码，并将该虚拟手机号码绑定用户的真实手机号码；步骤二：用户在能够提供虚拟手机号码绑定功能的注册系统注册网络账号，并将网络账号绑定虚拟手机号码；步骤三：注册系统通过第三方机构查询与网络帐号绑定的虚拟手机号码所对应的真实手机号码，并给真实手机号码发送验证码；步骤四：用户的真实手机号码接收到验证码后，用户将收到的验证码输入注册系统，完成账号注册。本发明的优点是：用户更换手机号码时，只需要去第三方机构更换绑定虚拟手机号码所对应的真实手机号码即可，即进行一次换绑操作就能完成所有账号的解绑或换绑。
-
公开(公告)号：CN108171315A
公开(公告)日：2018-06-15
申请号：CN201711440621.1
申请日：2017-12-27
Applicant: 南京邮电大学
Abstract: 本发明提供了基于SMC粒子群算法的多无人机任务分配方法，根据无人机执行任务的距离、时间等指标以及任务时间窗、无人机最远航程等约束建立任务分配的优化目标函数，针对无人机任务分配模型的特点对分配方案进行编码，把无人机任务分配问题建模成一个有约束的离散最优化问题。之后，本发明利用粒子群启发式的优化算法对问题进行求解，并且针对粒子群算法收敛速度快，容易陷入“早熟”的缺点，采用序贯蒙特卡洛算法中重要性采样和重采样的思想对粒子群算法进行改进，增加算法对具有潜力的区域进行搜索，从而得到更加合理的分配方案。
-
-
公开(公告)号：CN109460354B
公开(公告)日：2021-09-24
申请号：CN201811202039.6
申请日：2018-10-16
Applicant: 南京邮电大学
IPC: G06F11/36
Abstract: 本发明提出了一种基于RDF推理进行测试用例约简的方法，包括预处理步骤，OWL建模，初步推理，进一步推理及测试用例约简。该方法从含有RDFa的HTML源代码出发，提取出RDF的信息，并生成初始的RDF图；利用工具进行owl建模，并完成初步推理工作；分析owl模型中元素间的关系，完善元素的属性等，设计推理规则，利用推理工具推导出页面元素间隐含的关系，生成完善的RDF图；结合RDF图生成测试用例的原理，标记出所有的测试路径，根据测试路径对已经生成的测试路径进行约简，最终生成精简的测试用例集。该方法能够生成覆盖范围广，数量少的精简测试用例集，同时提高了测试效率，降低测试成本。
-
公开(公告)号：CN108170147B
公开(公告)日：2020-10-16
申请号：CN201711495472.9
申请日：2017-12-31
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于自组织神经网络的无人机任务规划方法，包括自组织神经网络初始化步骤，选取获胜节点步骤，计算获胜节点的优胜邻域步骤，网络参数更新步骤，动态响应步骤。首先初始化网络结构和节点权值，对权值进行归一化处理，然后接收输入向量，选择与输入向量内积最大的节点作为获胜节点，计算所有在获胜节点的优胜邻域内的节点，并对这些节点的权值按其离开获胜节点的距离不同程度地进行更新。当有突发情况时，动态调整网络的参数以及时响应。本发明对获胜邻域内的节点更新权值，算法的执行过程中加入了多约束条件，引入混乱机制解决无人机在多个任务点迂回问题，采用动态响应机制，提升了无人机集群在动态环境中的适应性，实现了更加有效的无人机任务规划。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.024 seconds)
