针对一个多路径单仓库场景下的检测车辆,提出了一种最优的输电线检测方法,该方法以旅行商问题为基础,运用了整数线性规划和组合元启发式算法。该方法在电力变电站进行了验证。
Feb, 2023
本文提出了一种具有信息收集和信念建模能力的随机车辆路径问题的解决方案,该方案可以使用电话来创建有关停电的信仰,并使用实用车辆作为收集其他信息的机制。并使用蒙特卡罗树搜索 (MCTS) 来生成实际策略。实验结果表明,该策略比标准行业启发式方法更快地恢复了电网。
May, 2016
本研究探讨了车辆在故障条件下的维修计划,将其制定为一个多准则决策问题,并提出了一种新的方法以减少公共时间损失的风险。
May, 2022
使用多目标演化算法,在保证能量使用和覆盖率平衡的同时,规划机器人的路径,实现复杂三维结构的检测。
Jan, 2019
该研究探讨了无人机系统在基础设施检查中的应用,提出了一种有效的路径规划问题解决方案,重点解决了自动化飞行路径选择、损伤检测和效率优化等问题,进一步证明了自动化在无人机系统的结构检查任务规划中的可行性。
Dec, 2023
该研究提出了两种用于基于无人机送货的多大交通问题(VRPs)解决方案,这两种方案均能够在计划中考虑电池寿命和负载重量对能耗的影响,为决策者提供优化成本和交货时间的决策依据。
Aug, 2016
利用混合概率方法,根据物理模型和概率纠错模型,预测锂聚合物电池的放电结束电压;通过对实际数据集进行评估,该方法相比其他概率方法在概率准确性上表现出 14.8% 的改善,并为电池健康状态的诊断提供了可靠的估计。
Apr, 2024
提出一种新的交通事故管理框架,基于分布式约束优化问题 (DCOP),考虑到环境中事故演变之间和资源可用性与预期时间之间的相互依赖性,并优化目标以包含无人机 (UAV)。该模型的鲁棒性分析显示出令人满意的性能,总体而言,该模型相对于传统的 TIM 模型报告了明显降低的总事故延误。经过 UAV 支持,我们展示了更短的应急车辆响应时间和估算事故延误影响的不确定性的降低。
Jul, 2022
通过基于贝叶斯高斯混合模型的两条途径的数据驱动模型,我们将自组织机器人网络的拓扑 (不可) 恢复性预测问题解决为一个二元分类问题,并成功地预测了典型问题的解决方案。
Oct, 2023
本文研究了多智能体的新颖图路径规划问题,旨在通过离线规划解决智能体之间的碰撞和死锁问题,使得所有正确的智能体能够到达目的地,从而建立可靠的多机器人系统。
Nov, 2022