面向智能工厂原料供应环节的多机器人任务分配方法

智能工厂下的动态定制生产带来了原料供应的动态变化，需要更加灵活的供应解决方案，在此，我们考虑任务需求和运行距离等因素，建立一个以最大化供应问题收益为目标的智能工厂供应任务优化模型，将原料供应转化为一个多机器人任务分配问题的变体，提出一种多机器人协作的原料供应解决方案，基于贪婪选择策略，产生满足当前各任务要求的供应机器人划分；运用博弈论的纳什平衡概念为任务划分寻求平衡解，进一步提升分配质量.实验表明，所提出算法能够面对不同规模的供应任务，在保证分配质量的同时在极短的时间内给出供应分配方案.     

医联体中协同医疗任务分配问题

针对区域医疗联合体中协同医疗任务分配问题,将诊疗效果、医疗费用、医院环境和服务态度确定为衡量患者满意度的定性指标,并借助模糊数学中的隶属度理论将定性指标定量化。以患者满意度为目标函数,并在符合临床路径标准的时间、成本、质量约束下建立0-1整数规划模型。模型求解时,采用遗传算法求解,并设计了能直观反映研究问题的矩阵形式染色体编码,最后仿真数据验证了上述模型和算法的有效性。     

不确定信息下基于拍卖算法的多无人机同时到达攻击多目标

针对不确定信息下的多无人机同时到达攻击多目标的控制策略问题,将拍卖算法和区间一致性算法相结合,提出了不确定信息下的多无人机同时到达的控制方法。首先通过拍卖算法,给出了多无人机对多目标的任务分配方法;然后定义了区间一致性算法,提出了不确定信息下的多无人机同时到达的控制方法,实现了多无人机到达多目标的时间上趋于一致;最后进行仿真,验证了该方法的可行性和有效性。     

基于改进合同网算法的多无人机任务分配

传统合同网算法在任务分配过程中存在任务分配不合理,不能有效利用资源的问题;其在进行任务分配时,不能按照任务需求进行任务分配,任务分配效率低下。针对以上问题,文中提出一种基于改进合同网算法的多无人机任务分配方法。该方法通过优化每架无人机的负载平衡,并结合时间和协作要求,解决任务分配不合理的问题,提高任务的分配和执行效率。