-
公开(公告)号：CN110309902A
公开(公告)日：2019-10-08
申请号：CN201910587560.4
申请日：2019-07-02
Applicant: 淮安信息职业技术学院
IPC: G06N3/00
Abstract: 本发明公开了一种基于随机强化学习的群智能函数优化方法，该方法按两群方案设计，寻优策略由“探索”和“挖掘”操作组成，并通过一种随机强化学习策略完成敏感参数的自适应设置。本发明优点是：1）划分种群为“探索群”和“挖掘群”并建立相关数学模型，“探索群”完成全局搜索，“挖掘群”完成局部搜索；2）在模型设计中，注重减少算法参数数量，特别是敏感参数的数量；3）通过先验方法得出惰性参数的合理参数值；4）通过随机强化学习策略对敏感参数实现自适应控制。
-
公开(公告)号：CN108413963B
公开(公告)日：2021-06-08
申请号：CN201810143863.2
申请日：2018-02-12
Applicant: 淮安信息职业技术学院
Abstract: 本发明公开了基于自学习蚁群算法的条形机器人路径规划方法，其特征是该条形机器人路径规划方法包括以下步骤：步骤1环境建模；步骤2初始化阶段；步骤3初始搜索；步骤4全局更新栅格地图信息素；步骤5自学习搜索；步骤6输出规划路径。本发明针对蚁群算法计算过程做了较大改进，引入了自学习策略，对栅格法环境建模做了特殊处理，所使用的栅格法使蚁群算法在无需对障碍物单元格膨胀处理的情况下处理条形机器人路径规划问题，提供一种新的最短路径计算法，在蚁群算法中融合机器学习的思想，并有效结合信息素、启发信息、正反馈、贪婪搜索等方法提高蚁群算法路径规划的效率，条形机器人可根据自身外形完成穿越狭窄通道，以实现最短路径规划。
-
公开(公告)号：CN107194459A
公开(公告)日：2017-09-22
申请号：CN201710351273.4
申请日：2017-05-18
Applicant: 淮安信息职业技术学院
IPC: G06N3/00
CPC classification number: G06N3/006
Abstract: 本发明公开了一种基于二元群结构蟑螂仿生算法的实值优化方法，将蟑螂种群根据蟑螂个体下标划分为若干子群；每次函数评价中，蟑螂个体随机地在整群或子群组成的二元结构中完成寻优计算，并通过贪婪选择策略完成蟑螂下一步行进位置计算，进而完成整个算法的最优解计算；本发明使用了全新的整群和子群寻优计算数学模型，并采用了一种新颖的二元种群拓扑结构，在保证多样性并且在全局和局部搜索之间做了一个有效的平衡，其寻优方案不同于已存在的蟑螂仿生算法或其他实值优化方法。
-
Patent Agency Ranking
公开(公告)号：CN106875365B
公开(公告)日：2019-06-11
申请号：CN201710115436.9
申请日：2017-03-01
Applicant: 淮安信息职业技术学院
Abstract: 本发明公开了一种基于GSA的凹形图像分割方法，首先对原始图像进行灰度处理，然后使用GSA模型完成初始蛇素的收敛，最后通过贪婪算法完成蛇素的最终收敛；本发明的方法对图像进行归一化处理，均衡连续力、弯曲力和图像力，在保证蛇素原始序列的前提下，让蛇素进快速、均匀地拟合到目标轮廓周围，特别是拟合到图像的凹形区域中，保留了GSA模型高效率计算优势的同时，提高了轮廓提取的精度，特别是所提出的方法很好的处理了凹形目标轮廓提取问题。
-
公开(公告)号：CN107024220A
公开(公告)日：2017-08-08
申请号：CN201710242657.2
申请日：2017-04-14
Applicant: 淮安信息职业技术学院
Abstract: 本发明公开了基于强化学习蟑螂算法的机器人路径规划方法，该方法针对蟑螂的群体进行搜索，并根据信息素寻迹尾随的生物特性进行仿生，使用传统的栅格法完成环境建模，以到达终点的欧式距离作为启发信息，通过可行路径的长度的转换计算得到单元格信息素浓度，算法执行过程中信息素浓度动态实时更新，种群中蟑螂个体通过信息素实现信息交流完成个体之间的经验学习。本发明的方法融合强化学习策略的蟑螂仿生算法用于求解机器人路径规划，强化学习策略兼顾了蟑螂个体行进方向选择的正反馈性和随机性。
-
公开(公告)号：CN107024220B
公开(公告)日：2020-03-17
申请号：CN201710242657.2
申请日：2017-04-14
Applicant: 淮安信息职业技术学院
Abstract: 本发明公开了基于强化学习蟑螂算法的机器人路径规划方法，该方法针对蟑螂的群体进行搜索，并根据信息素寻迹尾随的生物特性进行仿生，使用传统的栅格法完成环境建模，以到达终点的欧式距离作为启发信息，通过可行路径的长度的转换计算得到单元格信息素浓度，算法执行过程中信息素浓度动态实时更新，种群中蟑螂个体通过信息素实现信息交流完成个体之间的经验学习。本发明的方法融合强化学习策略的蟑螂仿生算法用于求解机器人路径规划，强化学习策略兼顾了蟑螂个体行进方向选择的正反馈性和随机性。
-
公开(公告)号：CN108413963A
公开(公告)日：2018-08-17
申请号：CN201810143863.2
申请日：2018-02-12
Applicant: 淮安信息职业技术学院
Abstract: 本发明公开了基于自学习蚁群算法的条形机器人路径规划方法，其特征是该条形机器人路径规划方法包括以下步骤：步骤1环境建模；步骤2初始化阶段；步骤3初始搜索；步骤4全局更新栅格地图信息素；步骤5自学习搜索；步骤6输出规划路径。本发明针对蚁群算法计算过程做了较大改进，引入了自学习策略，对栅格法环境建模做了特殊处理，所使用的栅格法使蚁群算法在无需对障碍物单元格膨胀处理的情况下处理条形机器人路径规划问题，提供一种新的最短路径计算法，在蚁群算法中融合机器学习的思想，并有效结合信息素、启发信息、正反馈、贪婪搜索等方法提高蚁群算法路径规划的效率，条形机器人可根据自身外形完成穿越狭窄通道，以实现最短路径规划。
-
公开(公告)号：CN106875365A
公开(公告)日：2017-06-20
申请号：CN201710115436.9
申请日：2017-03-01
Applicant: 淮安信息职业技术学院
Abstract: 本发明公开了一种基于GSA的凹形图像分割方法，首先对原始图像进行灰度处理，然后使用GSA模型完成初始蛇素的收敛，最后通过贪婪算法完成蛇素的最终收敛；本发明的方法对图像进行归一化处理，均衡连续力、弯曲力和图像力，在保证蛇素原始序列的前提下，让蛇素进快速、均匀地拟合到目标轮廓周围，特别是拟合到图像的凹形区域中，保留了GSA模型高效率计算优势的同时，提高了轮廓提取的精度，特别是所提出的方法很好的处理了凹形目标轮廓提取问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.036 seconds)
