【例8】
基于合作协进化和多种群遗传算法的多机器人路径规划系统
申请内容概述
现有的多移动机器人运动规划控制结构通常采用集中式规划方法,该方法将多机器人系统视为一个具有多个自由度的复杂机器人,由系统中的一个规划器来统一完成对所有机器人的运动规划,其缺点在于计算时间较长,实用性不佳。发明专利申请提供了一种基于协作进化和多种群遗传算法的多机器人路径规划系统。机器人的每一条路径都采用一个染色体表示,将最短距离、平滑度、安全距离作为设计路径适应度函数的三个目标,通过Messy遗传算法对每个机器人的路径进行优化得到最佳路径。
申请的权利要求
一种基于合作协进化和多种群遗传算法的多机器人路径规划系统,其特征在于:
(1)机器人的一条路径采用一个染色体表示,染色体就表示成节点的链表形式,即[(x,y),time],(x,y,time∈R),(x,y)表示机器人的位置坐标,time表示从前一个节点移动本节点需要的时间消耗,开始节点的time等于0,每个机器人个体的染色体除了初始节点的初始位置,结束节点的目标位置固定以外,中间节点和节点个数都是可变的;
(2)每个机器人Robot(i)的路径path(j)的适应度函数表示成φ(pi,j):
||pi,j||=Distance(pi,j)+ws×smooth(pi,j)+wt×Time(pi,j)
其中||pi,j||是距离、平滑度和时间消耗的线性组合,ws是平滑加权因子,wt是时间加权因子;Distance(pi,j)表示路径长度,smooth(pi,j)表示路径的平滑度,Time(pi,j)是路径pi,j的时间消耗;每个机器人采用所述适应度函数,通过Messy遗传算法优化得到最优路径。
分析及结论
对比文件1公开了一种基于合作协进化的多机器人路径规划方法,其中采用适应度函数,通过混沌遗传算法来获得最优路径。发明专利申请的解决方案与对比文件1的区别在于通过Messy遗传算法来实现多机器人路径规划。
在该解决方案中,采用Messy遗传算法优化后得到机器人的前进路径,该解决方案的算法特征与技术特征在功能上相互支持、存在相互作用关系,实现了对机器人前进路径的优化。相对于对比文件1,确定发明实际解决的技术问题为:如何基于特定的算法使机器人以最优路径前进。对比文件2已经公开了包括所述混沌遗传算法在内的多种遗传算法都可被用来进行路径优化,同时采用Messy遗传算法可以解决其他算法的弊端,从而获得更合理的优化结果。基于对比文件2给出的启示,本领域技术人员有动机将对比文件1与对比文件2结合得到发明专利申请的技术方案。因此,要求保护的发明技术方案相对于对比文件1和对比文件2的结合是显而易见的,不具备创造性。
【例9】
一种物流配送方法
申请内容概述
在货物配送过程中,如何有效提高货物配送效率以及降低配送成本,是发明专利申请所要解决的问题。在物流人员到达配送地点后,可以通过服务器向订货用户终端推送消息的形式同时通知特定配送区域的多个订货用户进行提货,达到了提高货物配送效率以及降低配送成本的目的。
申请的权利要求
一种物流配送方法,其通过批量通知用户取件的方式来提高物流配送效率,该方法包括:
当派件员需要通知用户取件时,派件员通过手持的物流终端向服务器发送货物已到达的通知;
服务器批量通知派件员派送范围内的所有订货用户;
接收到通知的订货用户根据通知信息完成取件;
其中,服务器进行批量通知具体实现方式为,服务器根据物流终端发送的到货通知中所携带的派件员ID、物流终端当前位置以及对应的配送范围,确定该派件员ID所对应的、以所述物流终端的当前位置为中心的配送距离范围内的所有目标订单信息,然后将通知信息推送给所有目标订单信息中的订货用户账号所对应的订货用户终端。
分析及结论
对比文件1公开了一种物流配送方法,其由物流终端对配送单上的条码进行扫描,并将扫描信息发送给服务器以通知服务器货物已经到达;服务器获取扫描信息中的订货用户信息,并向该订货用户发出通知;接收到通知的订货用户根据通知信息完成取件。
发明专利申请的解决方案与对比文件1的区别在于批量通知用户订货到达,为实现批量通知,方案中服务器、物流终端和用户终端之间的数据架构和数据通信方式均做出了相应调整,取件通知规则和具体的批量通知实现方式在功能上彼此相互支持、存在相互作用关系。相对于对比文件1,确定发明实际解决的技术问题是如何提高订单到达通知效率进而提高货物配送效率。从用户角度来看,用户可以更快地获知订货到达情况的信息,也提高了用户体验。由于现有技术并不存在对上述对比文件1做出改进从而获得发明专利申请的解决方案的技术启示,该解决方案具备创造性。
【例10】
一种动态观点演变的可视化方法
申请内容概述
近年来人们越来越多地通过社交平台发表他们的意见和想法,人们在社交平台上发表的带有情感的内容反映了人们观点的演变,并可以由此看出事件的发展、变化和趋势。发明专利申请通过自动采集社交平台人们发表的信息并对其中的情感进行分析,通过计算机绘制情感可视化图来帮助人们更好地理解情感在不同时间的强度变化和随时间而演变的趋势。
申请的权利要求
一种动态观点演变的可视化方法,所述方法包括:
步骤一,由计算设备确定所采集的信息集合中信息的情感隶属度和情感分类,所述信息的情感隶属度表示该信息以多大概率属于某一情感分类;
步骤二,所述情感分类为积极、中立或消极,具体分类方法为:如果点赞的数目p除以点踩的数目q的值r大于阈值a,那么认为该情感分类为积极,如果值r小于阈值b,那么认为该情感分类为消极,如果值b≤r≤a,那么情感分类为中立,其中a>b;
步骤三,基于所述信息的情感分类,自动建立所述信息集合的情感可视化图形的几何布局,以横轴表示信息产生的时间,以纵轴表示属于各情感分类的信息的数量;
步骤四,所述计算设备基于所述信息的情感隶属度对所建立的几何布局进行着色,按照信息颜色的渐变顺序为各情感分类层上的信息着色。
分析及结论
对比文件1公开了一种基于情感的可视化分析方法,其中时间被表示为一条水平轴,每条色带在不同时间的宽度代表一种情感在该时间的度量,用不同的色带代表不同的情感。
发明专利申请的解决方案与对比文件1的区别在于步骤二中设定的情感的具体分类规则。从申请内容中可以看出,即使情感分类规则不同,对相应数据进行着色处理的技术手段也可以是相同的,不必作出改变,即上述情感分类规则与具体的可视化手段并非功能上彼此相互支持、存在相互作用关系。与对比文件1相比,发明专利申请只是提出了一种新的情感分类的规则,没有实际解决任何技术问题,也没有针对现有技术作出技术贡献。因此,要求保护的发明技术方案相对于对比文件1不具备创造性。
6.3 说明书及权利要求书的撰写
6.3.1 说明书的撰写
包含算法特征或商业规则和方法特征的发明专利申请的说明书应当清楚、完整地描述发明为解决其技术问题所采用的解决方案。所述解决方案在包含技术特征的基础上,可以进一步包含与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征。
说明书中应当写明技术特征和与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征如何共同作用并且产生有益效果。例如,包含算法特征时,应当将抽象的算法与具体的技术领域结合,至少一个输入参数及其相关输出结果的定义应当与技术领域中的具体数据对应关联起来;包含商业规则和方法特征时,应当对解决技术问题的整个过程进行详细描述和说明,使得所属技术领域的技术人员按照说明书记载的内容,能够实现该发明的解决方案。
说明书应当清楚、客观地写明发明与现有技术相比所具有的有益效果,例如质量、精度或效率的提高,系统内部性能的改善等。如果从用户的角度而言,客观上提升了用户体验,也可以在说明书中进行说明,此时,应当同时说明这种用户体验的提升是如何由构成发明的技术特征,以及与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征共同带来或者产生的。
6.3.2 权利要求书的撰写
包含算法特征或商业规则和方法特征的发明专利申请的权利要求应当以说明书为依据,清楚、简要地限定要求专利保护的范围。权利要求应当记载技术特征以及与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征。
本章其他内容无修改。
本决定自2020年2月1日起施行。