买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河海大学申请的专利一种基于改进分数阶粒子群算法的多无人车物流调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120031468B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510513159.1，技术领域涉及：G06Q10/083；该发明授权一种基于改进分数阶粒子群算法的多无人车物流调度方法是由陈玉全;冯丽曼;孙克璇;季茂沁;张楠杰设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种基于改进分数阶粒子群算法的多无人车物流调度方法在说明书摘要公布了：本发明提出一种基于改进分数阶粒子群算法的多无人车物流调度方法。该方法首先针对物流运输场景中的多无人车调度需求，构建综合优化模型。其次，创新性地采用改进分数阶粒子群算法求解上述组合优化问题。通过引入分数阶列维步长调整机制，突破了标准粒子群算法仅采用均匀步长进行寻优的局限性。并设计了双重自适应调整机制：一是粒子群算法参数的自适应调整，二是列维阶次的自适应调整。最后，在确保满足各项约束条件的前提下，基于上述目标函数对多无人车物流调度组合优化模型进行求解，以获得最优调度方案。相较于现有技术，本发明通过改进的分数阶粒子群算法求解方案，该方法在求解精度和收敛效率方面均具有显著优势。

本发明授权一种基于改进分数阶粒子群算法的多无人车物流调度方法在权利要求书中公布了：1.一种基于改进分数阶粒子群算法的多无人车物流调度方法，其特征在于，该方法包含以下步骤： S1.构建多无人车物流调度组合优化模型，针对物流运输场景设置目标函数，该目标函数为行程成本、时间违反成本、负载违反成本以及无人车启动成本之和的最小值；并构建多无人车物流调度组合优化模型约束条件，包含决策变量约束、最大负载约束、最大行程约束和时间窗约束； S2.设计改进分数阶粒子群算法，所述改进分数阶粒子群算法是通过构建分数阶列维步长调整机制，对标准粒子群算法的均匀步长寻优机制进行改进； S3.在步骤S2设计的分数阶列维步长调整机制基础上，进一步构建双重自适应调整机制，包括粒子群算法参数自适应调整机制和列维阶次自适应调整机制，所述双重自适应调整机制用于增强粒子在寻优过程中的多样性，克服粒子群算法易陷入局部最优的固有缺陷； S4.在满足步骤S1构建的多无人车物流调度组合优化模型约束条件的前提下，采用步骤S2设计的改进分数阶粒子群算法对步骤S1所述目标函数对多无人车物流调度组合优化模型进行求解，得到最优调度方案； 步骤S2中所述的改进分数阶粒子群算法的改进更新公式为： vy,d＝ω·νy,d+c1·levyβ1·py,d-xy,d+c2·levyβ2·gd-xy,d Xyt+1＝Xyt+Vyt+1 式中，vy,d表示粒子y在第d个维度上的速度，ω表示惯性权重，py,d表示粒子y在第d个维度上的个体历史最佳位置，xy,d表示粒子y在第d个维度上的当前位置，gd表示整个群体在第d个维度上的历史最佳位置，c1表示个体学习因子，c2表示全局学习因子，levyβ1和levyβ2表示服从列维分布的随机数；ωmax表示惯性权重最大值，ωmin表示惯性权重最小值，gen表示当前迭代次数，genmax表示最大迭代次数；c1max表示个体学习因子最大值，c1min表示个体学习因子最小值，c2max表示全局学习因子最大值，c2min表示全局学习因子最小值； 步骤S2所述的分数阶列维分布为： 一个随机变量Y满足0α≤2的列维稳定分布是指其特征函数满足以下形式 式中，μ表示位置参数，即列维稳定分布的平均值；β表示对称参数，即列维分布的倾斜度，-1≤β≤1；α表示特征指数，即列维分布中的列维阶次，α越小则脉冲性越强，越容易偏离中心位置，α＝2时对应于高斯分布；σ表示尺度参数，影响分布的“宽度”，用Sαμ,β,σ表示一个列维稳定分布，即列维分布； 步骤S3中所述的列维阶次自适应调整机制： 式中，αmin表示列维阶次最小值，αmax表示列维阶次最大值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。