【技术实现步骤摘要】
本申请涉及动态任务分配领域，且更为具体地，涉及一种基于人工智能的任务动态分配系统及方法。
技术介绍
1、在现实中，无人机技术的快速发展已经引起了广泛的关注和应用。随着无人机技术的不断创新和进步，具有自主能力的无人机在各个领域得到了广泛的应用。
2、在救援领域，无人机的灵活性和高效性使其成为处理紧急情况的有力工具。无人机可以在灾难现场提供空中监视和侦察，帮助救援人员快速获取准确的信息，从而指导救援行动。此外，无人机还可以通过携带救援物资、执行紧急医疗任务等方式，为受灾人员提供急需的援助。在侦察和搜索任务中，无人机的应用也变得越来越广泛。无人机可以携带高分辨率的传感器和摄像设备，对广大区域进行快速搜索和监测。无人机的机动性和高空视角使其能够有效地发现目标，并提供实时情报和数据支持。无人机还可以用于中继通信，扩大通信范围并提供更好的通信保障。
3、然而，随着任务环境的复杂化，单一无人机的能力有限，无法完成长时间和大规模的任务。因此，采用多无人机的协同方式来完成任务已成为无人机应用的主流趋势。多无人机系统可以通过合理的任...
【技术保护点】
1.一种基于人工智能的任务动态分配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的任务动态分配方法，其特征在于，所述对所述待执行任务序列中各个任务的优先级、时间限制、位置信息进行任务特征提取，得到执行任务特征向量，包括以下步骤：
3.根据权利要求2所述的基于人工智能的任务动态分配方法，其特征在于，基于所述全连接层，通过预设全连接编码模型对所述任务参数输入向量进行全连接编码并提取出输入向量中各个位置的特征值的高维隐含特征；
4.根据权利要求1所述的基于人工智能的任务动态分配方法，其特征在于，所述对所述无人机编队...
【技术特征摘要】
1.一种基于人工智能的任务动态分配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的任务动态分配方法，其特征在于，所述对所述待执行任务序列中各个任务的优先级、时间限制、位置信息进行任务特征提取，得到执行任务特征向量，包括以下步骤：
3.根据权利要求2所述的基于人工智能的任务动态分配方法，其特征在于，基于所述全连接层，通过预设全连接编码模型对所述任务参数输入向量进行全连接编码并提取出输入向量中各个位置的特征值的高维隐含特征；
4.根据权利要求1所述的基于人工智能的任务动态分配方法，其特征在于，所述对所述无人机编队中各个无人机的位置、速度、电量、可使用负载能力进行状态特征提取，得到无人机状态特征向量，包括以下步骤：
5.根据权利要求1所述的基于人工智能的任务动态分配方法，其特征在于，所述任务分配特征向量，通过融合模型得到，融合模型的计算公式如下：
6.根据权利要求1所述的基于人工智能的任务动态分配方法，其特征在于，所述对所述任务分配特征向量进行基于类别概率值的相关干涉补偿，得到补偿后任务分配特征向量，包括以下步骤：
7.根据权利要求6所述的基于人工智能的任务动态分配方法，其特征在于，计算所述任务分配特征向量和所述类别概率特征向量之间的协方差矩阵作为干涉矩阵，包括以下步骤：
8.根据权利要求1所述的基于人工智能的任务动态分配方法，其特征在于，所述基于所述补偿后任务分配特征向量对任务分配器预训练模型进行训练，得到任务分配器，包括以下步骤：
9.根据权利要求8所述的基于人工智能的任务动态分配方法，其特征在于，所述预设迁移因数模型，计算公式表示如下：
10...
【专利技术属性】
技术研发人员：马永超，黄明会，张慧娟，黄华栋，徐丹，冯勋昂，
申请(专利权)人：浙江数达智远科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。