-
公开(公告)号:CN114298376B
公开(公告)日:2024-09-10
申请号:CN202111453983.0
申请日:2021-12-01
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q10/0631 , G06N3/006 , G06N3/126
Abstract: 本发明公开了一种基于启发式离散人工蜂群算法的软件项目调度方法,包括以下步骤(1)项目信息读取,包括任务和员工的属性;(2)设计新技能学习机制;(3)初始化算法参数;(4)生成初始蜜源种群,并计算目标值;(5)引领蜂通过多元学习策略对蜜源进行全局搜索;(6)跟随蜂通过基于启发信息的变异机制对蜜源进行局部搜索;(7)侦查蜂抛弃无用的蜜源,并重新随机生成新的蜜源替代旧蜜源;(8)判断迭代次数是否达到最大值,若达到,则终止迭代,输出目标值最优的个体,该个体即为项目中每位员工在每项任务中投入度的调度结果。本发明具有搜索能力强,生成的调度方案效率高的优点。
-
公开(公告)号:CN114298307A
公开(公告)日:2022-04-08
申请号:CN202111477211.0
申请日:2021-12-06
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种移动群智感知变速多任务分配问题的混合蛙跳求解方法包括以下步骤:(1)问题信息读取,包括每个任务和每位用户的坐标,以及用户信誉度等问题中的数据;(2)初始化算法参数,使用基于启发信息的目标锚定混合初始化算子生成初始种群;(3)对种群进行约束处理,计算种群中所有个体的目标值,确定非支配解集放入外部存储器;(4)进入快速收敛阶段,对种群根据快速非支配排序结果使用“S”型分组方式划分子组,对各个子组进行基于离散跳跃规则的局部搜索,将各子组混洗,基于非支配概念更新外部存储器,对外部存储器中的个体采用外部档案个体区域挖掘策略,等。本发明具有搜索速度快,搜索能力强,规划的分配方案更合理的优点。
-
公开(公告)号:CN114091753B
公开(公告)日:2024-06-21
申请号:CN202111388925.4
申请日:2021-11-22
Applicant: 南京信息工程大学
IPC: G06Q10/047 , G06Q10/0631 , G06Q10/083 , G06Q50/26 , G06N3/006
Abstract: 本发明公开了一种基于救援紧急程度的应急物资调度方法,涉及物资调度技术领域。本发明包括:确定援助车辆的滞后供应区和非滞后供应区的界限,获得该援助车辆滞后供应区的惩罚值,依照惩罚值、路径长度获得目标值,获取每个个体的适应度;根据适应度划分子组,采用多个体贪婪交叉策略更新子组适应度最差的个体;采用最差的个体部分信息交叉策略对子组适应度最差个体,进行内部路径更新;将更新后的子组内的重新混合;更新迭代计数器,输出适应度最优个体,确定应援灾区的供应顺序。本发明通过在灾害发生时,减少后续将计算资源浪费在盲目搜索上,以此提高算法收敛速度。
-
公开(公告)号:CN117236807A
公开(公告)日:2023-12-15
申请号:CN202311228817.X
申请日:2023-09-22
Applicant: 南京信息工程大学
IPC: G06Q10/067 , G06Q10/04 , G06Q10/0631 , G06Q10/101 , G06Q10/10 , G06N3/006 , G06F8/70
Abstract: 本发明公开了一种基于双指标分组学习粒子群算法的动态敏捷软件项目调度方法,所述方法包括以下步骤:S1:初始化敏捷软件开发中的用户故事和开发者属性;S2:构建敏捷软件项目的动态周期性调度模型;S3:采用双指标分组学习粒子群算法求解第L个冲刺的最优调度方案;S4:若到达下一个冲刺周期,但并未达到项目截止时间,则检测并更新用户故事信息和开发者状态,然后基于问题特征生成启发式的新初始种群并通过双指标分组学习粒子群算法寻优得到该冲刺的最优调度方案;否则,按当前调度方案执行项目。本发明设计启发式的种群初始化策略,能在每次重调度时快速应对用户需求和开发者属性的动态变化。
-
公开(公告)号:CN113887122A
公开(公告)日:2022-01-04
申请号:CN202110869302.2
申请日:2021-07-30
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06N3/08 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种多目标背包问题的混合蛙跳求解方法,(1)问题信息读取,包括每个背包的每个货物的价值与重量信息和每个背包重量限制信息;(2)初始化算法参数;(3)计算种群中所有个体的目标值,确定非支配解集放入外部存储器;(4)进入快速收敛阶段,对种群根据快速非支配排序结果使用“S”型分组方式划分子组,对各个子组进行基于离散跳跃规则和贪婪生成的局部搜索,将各子组混洗,更新外部存储器,判断目标评价次数是否满足快速收敛阶段终止条件,若不满足,则继续迭代,若满足,则进入下一阶段;(5)进入探索扩展阶段;(6)进入极值挖掘阶段。本发明具有搜索速度快,搜索能力强,规划的背包利润高的优点。
-
公开(公告)号:CN113642900A
公开(公告)日:2021-11-12
申请号:CN202110943016.6
申请日:2021-08-17
Applicant: 南京信息工程大学
IPC: G06Q10/06 , G06Q50/26 , G06F30/27 , G06F111/04
Abstract: 本发明公开一种基于预测型烟花算法的群智感知系统任务分配方法:包括问题信息读取,包括各个任务和所有参与者的位置坐标、任务点所处环境信息、参与者的身体状况、信誉度与兴趣度和问题规模;初始化预测型烟花算法的参数;利用反向学习的思想初始化个体;计算种群中所有个体的目标值,确定核心烟花和中心烟花;采用分组线性预测策略对所有烟花个体爆炸振幅动态调整;利用两种启发信息产生火花;所有烟花个体采用变异自适应竞争机制产生变异火花;排序选择与核心烟花保留策略选择出下一代烟花;判断是否达到终止条件。本发明具有搜索速度快,搜索能力强,分配方案中平台成本最小的优点。
-
公开(公告)号:CN114611864B
公开(公告)日:2024-11-26
申请号:CN202111508631.0
申请日:2021-12-10
Applicant: 南京信息工程大学
IPC: G06Q10/0631 , G06Q10/04 , G06N3/006
Abstract: 本发明公开了一种垃圾车辆低碳调度方法及系统,包括:获取输入信息,包括:垃圾车辆需要服务的垃圾投放点数量N、垃圾投放点的坐标信息、车场坐标信息、垃圾中转站坐标信息、每个垃圾投放点的垃圾量、垃圾车辆容量Q以及司机的最大工作时长Tmax;将输入信息输入到预先构建的基于自适应粒子群算法的垃圾车辆低碳调度优化模型,确定最优调度方案。优点:建立包含车辆容量、低碳、司机工作时长以及多行程等实际因素的垃圾清运多行程低碳车辆调度问题模型,该模型的特点是允许一辆车在车场、垃圾中转站和垃圾投放站点之间具有多个行程,此外,考虑了车辆在行驶过程中导致的环境污染问题,将碳排放量转化为碳排放成本并计入总成本。
-
公开(公告)号:CN114139453B
公开(公告)日:2024-07-23
申请号:CN202111449296.1
申请日:2021-11-30
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06F111/06 , G06F119/02
Abstract: 本发明公开基于分组学习粒子群优化的众包软件项目调度方法,包括以下步骤:读取问题信息,定义优化目标,设定约束条件,初始化改进粒子群算法的参数,生成初始候选种群,评价个体适应度,产生个体极值和全局极值,采用分组学习策略根据个体适应度进行排序和分组,子组中粒子数量的自适应变化;更新个体价值;考虑任务人数上限的启发信息对全局极值进行局部搜索;终止准则判断。本发明建立了众包软件项目约束双目标三耦合调度模型,该模型融入开发者的信誉、最大工作负荷度属性,任务最大人头数属性,开发者对任务所需技能熟练度等实际因素,通过寻找最佳开发者选择和任务分配方案,最小化项目的工期和最大化项目质量。
-
公开(公告)号:CN114298376A
公开(公告)日:2022-04-08
申请号:CN202111453983.0
申请日:2021-12-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于启发式离散人工蜂群算法的软件项目调度方法,包括以下步骤(1)项目信息读取,包括任务和员工的属性;(2)设计新技能学习机制;(3)初始化算法参数;(4)生成初始蜜源种群,并计算目标值;(5)引领蜂通过多元学习策略对蜜源进行全局搜索;(6)跟随蜂通过基于启发信息的变异机制对蜜源进行局部搜索;(7)侦查蜂抛弃无用的蜜源,并重新随机生成新的蜜源替代旧蜜源;(8)判断迭代次数是否达到最大值,若达到,则终止迭代,输出目标值最优的个体,该个体即为项目中每位员工在每项任务中投入度的调度结果。本发明具有搜索能力强,生成的调度方案效率高的优点。
-
公开(公告)号:CN113780961A
公开(公告)日:2021-12-10
申请号:CN202111193476.8
申请日:2021-10-13
Applicant: 南京信息工程大学
IPC: G06Q10/08 , G06Q10/04 , G06F30/20 , G06F111/04
Abstract: 本发明公开了一种多目标烟花算法的低碳疫苗冷链优化配送方法,包括以下步骤:(1)问题信息读取;(2)初始化算法参数;(3)随机生成个体,根据消除车辆约束的解码方式进行解码,并计算其目标向量,区分出可行解与不可行解;(4)部分映射爆炸算子;(5)变异算子;(6)双外部档案协同进化机制;(7)更新种群;(8)选择出下一代烟花后,从中随机选择一个个体,计算该个体与其他烟花的相似度;(9)判断是否达到终止条件,若达到,则终止迭代,输出可行解集。本发明具有较好的收敛性和多样性,求解准确且稳定,并具有良好的可扩展性,适用于求解低碳疫苗冷链配送问题这类约束多目标优化问题。
-
-
-
-
-
-
-
-
-