公开(公告)号：CN116011691A

公开(公告)日：2023-04-25

申请号：CN202211719273.2

申请日：2022-12-30

Applicant: 大连理工大学

Inventor： 马松 ,  张一凡 ,  孙涛 ,  孙希明 ,  林鹏 ,  刘波

IPC: G06Q10/047 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明属于多智能体系统路径规划技术领域，具体涉及一种针对最优路径规划的分布式反馈混联注意力网络模型。本发明提供了一种基于分布式结构的带有反馈混联注意力的生成对抗神经网络模型，并获得了更好的路径规划效果。本发明通过上卷积将聚合后的图像特征恢复到原图像水平，同时将高维图像和低维图像进行融合，从而可以完成对图像的多维度特征提取，最终得到预测路径图像。之后将预测路径图和真实路径图输入到判别器进行迭代学习，使得生成的路径预测图更加贴近真实路径图。所以该模型能够精确地生成路径预测图。

公开(公告)号：CN115903856A

公开(公告)日：2023-04-04

申请号：CN202310116147.6

申请日：2023-02-15

Applicant: 大连理工大学 ,  中国航空系统工程研究所

Inventor： 孙涛 ,  杜子亮 ,  孙希明 ,  李建胜 ,  王帅 ,  张一凡

IPC: G05D1/02

Abstract: 一种针对智能体路径规划的具有通道空间注意力机制的反馈生成对抗网络，首先，获取包含障碍物、起点和终点的环境图，并将环境图分为训练集和测试集；其次，将训练集输入改进的快速随机搜索树算法，利用改进的快速随机搜索树算法生成真实地图路径；再次，构建串联通道空间反馈注意力模型；最后，搭建具有通道空间注意力机制的反馈生成对抗网络。搭建好网络后将训练集输入网络，训练结束后保存权重，再将测试集输入网络得到最优路径。本发明充分考虑时效性和准确性，能够快速的寻找路径提高效率，且生成的路径包含了最优路径并大部分集中在最优路径附近，能够提高准确性；注意力机制的加入使得特征之间的相关性增强，明显提高生成路径的质量。

公开(公告)号：CN115993826A

公开(公告)日：2023-04-21

申请号：CN202310025787.6

申请日：2023-01-09

Applicant: 大连理工大学

Inventor： 马松 ,  王翊民 ,  孙涛 ,  孙希明 ,  于欣萌 ,  张一凡

IPC: G05D1/02

Abstract: 本发明属于多智能体控制领域，涉及一种针对智能体的自适应最优合作博弈控制方法。本发明的方法能够使车辆系统在运动过程中保持稳定的同时使协作的性能指标最优。首先，对合作博弈中的两个控制器施加噪声信号，并收集一定时间段内的车辆状态数据。然后，找到一对可以使系统稳定的控制策略作为初始控制。最后，利用自适应动态规划方法进行策略迭代，以求得能使协作的性能指标达到最优的合作博弈控制策略。本发明可以对合作博弈问题求解，计算时间少，可以保证系统稳定，并且为全局最优。