-
公开(公告)号：CN117875595A
公开(公告)日：2024-04-12
申请号：CN202311632953.5
申请日：2023-11-30
Applicant: 西安理工大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/126
Abstract: 本发明公开的基于进化多任务优化的柔性作业车间调度方法，包括以下步骤：以最小化最大完工时间为目标构建目标函数；设置约束条件；利用进化多任务优化算法对目标函数进行求解，得到最优调度方案。本发明的基于进化多任务优化的柔性作业车间调度方法，首先以每组工件的最大完工时间最小为目标构建目标函数，将每个目标函数看待为一个待优化的任务，然后使用基于自适应混合算子选择的多任务优化算法对多组待优化任务同时进行求解。在此过程中，可以充分利用每个搜索算子的特性进行任务间的知识迁移，实现了任务间的知识交流，避免种群在搜索过程中陷入局部最优的情况，提高了FJSP的求解效率。
-
公开(公告)号：CN117874353A
公开(公告)日：2024-04-12
申请号：CN202410141161.6
申请日：2024-01-31
Applicant: 西安理工大学
IPC: G06F16/9535 , G06N7/01 , G06N5/04 , G06N3/04
Abstract: 本发明公开的基于动态知识状态的自适应学习资源推荐方法，包括以下步骤：步骤1、通过考虑题目本身难度和层次化的知识概念难度来评估试题客观难度；步骤2、基于试题客观难度的评估结果评估学习者主观难度感受；步骤3、基于学习者主观难度感受的评估结果，评估学习者的动态知识状态，并通过考虑遗忘因素更新学习者的动态知识状态；步骤4、采用牵引机制弥合学习者当前知识状态与下一个输入试题难度之间的差距，匹配适当难度的题目给学习者，实施自适应学习资源推荐。本发明通过考虑客观试题难度和学习者的主观难度感受动态地调整学习者的知识状态，使推荐的试题和学习者的知识状态保持一致，达到个性化的学习资源推荐。
-
公开(公告)号：CN117852640A
公开(公告)日：2024-04-09
申请号：CN202311850373.3
申请日：2023-12-28
Applicant: 西安理工大学
IPC: G06N5/025 , G06N3/0442 , G06N3/045 , G06Q50/20
Abstract: 本发明公开的基于增强动态键值记忆网络的知识追踪方法，包括以下步骤：步骤1、构建增强的动态键值记忆网络模型，动态评估学生的学习能力和练习题的难度；步骤2、采用K‑means聚类算法根据步骤1所得学生的学习能力对学生分组；步骤3、根据步骤1所得练习题的难度、步骤2所得学生分组结果及练习题的技能与回答正确率二元组构建丰富的模型输入特征；步骤4、根据步骤3所得模型输入特征进行长期序列建模并输出预测结果。本发明的基于增强动态键值记忆网络的知识追踪方法，解决了在利用现有技术评估学生技能学习能力时准确度低导致无法准确开展个性化教学支持的问题。
-
公开(公告)号：CN117829385A
公开(公告)日：2024-04-05
申请号：CN202311669536.8
申请日：2023-12-07
Applicant: 西安理工大学
IPC: G06Q10/047 , G06Q10/083 , G06N3/126
Abstract: 本发明公开了一种基于多目标进化算法的物流配送路径优化方法，包括，包括：步骤1，在决策空间随机初始化种群；步骤2，生成参考向量集合，参考向量将目标空间划分为不同的子空间，将种群中的解和子空间进行关联；步骤3，种群迭代进化，选择每个解关联的子空间及其邻域子空间中的解作为交配池，采用两点交叉和交换变异生成子代种群；步骤4，将步骤3中得到的子代种群和父代种群合并，构造出下一代种群；步骤5，根据步骤4获得的下代种群，使用非支配排序与前代进行比较，来对子空间邻域大小、不同方式的选择数量进行自适应改变；步骤6，判断步骤5进化代数是否达到设定的最大进化代数。
-
公开(公告)号：CN117112891A
公开(公告)日：2023-11-24
申请号：CN202310920265.2
申请日：2023-07-25
Applicant: 西安理工大学
IPC: G06F16/9535 , G06Q30/0601 , G06Q50/14 , G06N3/0442 , G06N3/08
Abstract: 本发明公开的面向用户多重操作行为的序列推荐方法，包括通过序列学习模型学习旅游产品序列和操作序列嵌入，串联得到用户历史浏览序列嵌入；基于用户历史浏览序列嵌入从长期兴趣和最近兴趣两个角度捕获用户兴趣，并将两种兴趣进行融合得到用户兴趣表示；根据用户兴趣表示和候选旅游产品，预测用户下一个交互的旅游产品。本发明的面向用户多重操作行为的序列推荐方法，能够更好地理解用户的需求和偏好，为用户提供更贴合其个人兴趣的推荐结果。
-
Patent Agency Ranking
公开(公告)号：CN116959663A
公开(公告)日：2023-10-27
申请号：CN202310919028.4
申请日：2023-07-25
Applicant: 西安理工大学
IPC: G16H20/30
Abstract: 本发明公开的基于本体推理的运动处方生成方法，包括构建运动处方库并转化成运动处方本体库，处方库中的属性关系对生成的运动处方提供一致性描述；建立适合不同人群特征的运动处方Jena推理规则库；建立运动本体模型，获取用户输入后建立用户本体；基于规则库，根据用户本体文件和Jena推理机进行推理，生成运动处方的核心参数：运动项目、运动强度、运动时间、运动频率，从而得到运动处方。本发明通过获取用户的个人身体条件信息，结合体育领域运动处方知识和本体推理知识建立Jena规则，最后用Jena推理机进行推理得出运动处方。由此可根据个体之间身体状况的差异针对性地进行个性化推荐运动处方。
-
公开(公告)号：CN116826722A
公开(公告)日：2023-09-29
申请号：CN202310760473.0
申请日：2023-06-26
Applicant: 国网陕西省电力有限公司电力科学研究院 , 西安理工大学 , 国网(西安)环保技术中心有限公司
Abstract: 本发明属于配电网优化运行技术领域，公开了一种基于ADMM的分布式光伏最大接入容量评估方法及系统；所述方法包括以下步骤：步骤1，基于配电网分区，获取基于分区的分布式光伏最大接入容量评估模型；步骤2，基于同步型ADMM算法对所述基于分区的分布式光伏最大接入容量评估模型进行分布式求解，获得分布式光伏最佳接入策略。本发明建立了分布式光伏最大接入容量评估模型，采用同步型ADMM算法对模型进行分布式求解，能够获得分布式光伏的最佳接入策略。
-
公开(公告)号：CN116702945A
公开(公告)日：2023-09-05
申请号：CN202310476659.3
申请日：2023-04-28
Applicant: 西安理工大学
IPC: G06Q10/04 , G06F30/27 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于改进的多模态多目标粒子群优化算法的选址优化方法，具体按照以下步骤实施：步骤1，预处理地址数据；步骤2，建模和编码；将选址优化问题拟合成目标函数，其中涉及到的与学校的距离、与商圈的距离以及与地铁站的距离分别作为优化目标，河流、湖泊、桥梁道路这种不可建造的区域分别作为约束条件共同构成不可行区域；步骤3，通过一种改进的多模态多目标粒子群优化算法迭代寻优，得到一组满足约束条件的非支配解集；步骤4，解码获得可行的最优地址。本发明解决了现有算法中存在的基于选址问题得到的解集不完整以及部分解不可行的问题。
-
公开(公告)号：CN118018611A
公开(公告)日：2024-05-10
申请号：CN202410126543.1
申请日：2024-01-30
Applicant: 西安理工大学
Abstract: 本发明公开的基于偏好多目标优化的云制造服务组合优化选择方法，将云制造服务调度问题构建其多目标优化模型，再将用户对不同服务QoS指标的偏好权重作为间接偏好信息，利用人工神经网络对用户的偏好进行标定得到偏好向量，按照个体与偏好向量之间的角度划分种群，并让不同种群协同进化对模型求解。本发明的基于偏好多目标优化的云制造服务组合优化选择方法，采用进化多目标优化的求解过程，帮助用户找到一组满足其偏好的服务QoS组合，解决云服务组合优化问题，从而提高求解效率。
-
公开(公告)号：CN116955847A
公开(公告)日：2023-10-27
申请号：CN202310919421.3
申请日：2023-07-25
Applicant: 西安理工大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开的基于图注意力网络和Transformer的POI推荐方法及系统，通过对用户和POI单独进行分析，分别获取用户之间的社交关系特征和POI之间的内在关系特征，并且根据目标用户的历史签到序列，捕获其签到序列中的序列特征和偏好特征，最终将上述一系列特征进行融合，并且经过预测层输入最终的推荐列表，得到排名前N的POI；本发明解决了现有POI推荐任务中POI和用户的表征不够准确的问题，能够显著改善下一个POI推荐任务的准确度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.081 seconds)
