-
公开(公告)号：CN114065896A
公开(公告)日：2022-02-18
申请号：CN202111239833.X
申请日：2021-10-25
Applicant: 西安理工大学
Abstract: 本发明提供了一种基于邻域调整和角度选择策略的多目标分解进化算法，包括：初始化获得初始种群P(t)、与初始种群P(t)各父代个体关联的权重向量、历史记忆邻域存档器的所有值ST初始化为定值；基于自适应邻域调整策略，分配初始种群P(t)中每个父代个体关联的权重向量邻域大小Ti；繁殖产生子代个体形成新种群Q(t)；基于角度选择机制，遍历新种群Q(t)中所有子代个体选择优秀子代个体替换其父代个体；更新ST值为ST,pos,t+1并判断种群进化是否完成。本发明的多目标分解进化算法比现有的MOEA/D及其改进算法更能够有效地解决连续的复杂多目标问题，具有更好的收敛性和准确性。
-
公开(公告)号：CN111914162A
公开(公告)日：2020-11-10
申请号：CN202010482645.9
申请日：2020-06-01
Applicant: 西安理工大学
IPC: G06F16/9535 , G06F16/36 , G06Q10/06 , G06Q50/20
Abstract: 本发明的目的是提供一种基于知识图谱的个性化学习方案引导方法，首先获取学习者的基本信息和学习动态信息，然后根据采集的学习者的学习动态信息，对学习者的学习能力、认知水平和学习风格三种个性特征使用模糊综合评价法进行综合评价，得出每种特征的评价结果；选择学科中基本的知识内容作为知识点，提取知识点具有代表性的属性作为重要属性，分别对每种重要属性进行量化得到量化的结果；然后分别将学习者特征的评价结果和知识点重要属性进行差异匹配，计算学习者与知识点之间的匹配度；最后通输出一条适合学习者的学习路径序列，反馈给学习者。本发明结合计算机技术和理论方法，在对学习者自主学习的过程中进行有效的指导。
-
公开(公告)号：CN109740724A
公开(公告)日：2019-05-10
申请号：CN201910009266.5
申请日：2019-01-04
Applicant: 西安理工大学
IPC: G06N3/00
Abstract: 一种基于参考方向的代理差分演化算法，首先，演化过程分为两个阶段，每个阶段采用不同的演化策略；第一阶段的主要任务是全局探索和宏观局部开发；第二阶段的主要任务是微观局部开发；其次，采用全局代理模型，对整个搜索空间进行建模，将种群引导到全局最优解可能存在的区域，每个子种群与参考方向相关联，子种群在参考方向的引导下进行快速局部收敛；最后，设计产生突变因子和交叉因子的机制，以促进算法的有效探索与开发；本发明解决了经典差分演化算法在解决复杂优化问题中所出现的求解精度不高和早熟收敛的问题；提高了经典差分算法的效率和鲁棒性。
-
公开(公告)号：CN117076739A
公开(公告)日：2023-11-17
申请号：CN202310955728.9
申请日：2023-07-31
Applicant: 西安理工大学
IPC: G06F16/906 , G06Q50/20 , G06N5/02 , G06F16/9035
Abstract: 本发明公开的基于神经协同过滤和认知水平诊断的学习路径推荐方法，包括：获取学习者信息；根据学习者信息对学习者画像进行建模，得到学习者特征向量；根据知识图谱构建知识点特征向量；将学习者特征向量和知识点特征向量输入到神经协同过滤网络中，得到学习者对于所应掌握知识点的显隐性薄弱知识点集；将显隐性薄弱知识点集输入到认知水平诊断模型中，由认知水平诊断模型对知识点进行排序、组合、拆解，并输出最终的个性化学习路径推荐列表。本发明的基于神经协同过滤和认知水平诊断的学习路径推荐方法，能够更好地适应学习者的认知水平和学习特点，并实现实时性和鲁棒性的提升。
-
-
Patent Agency Ranking
公开(公告)号：CN113205172A
公开(公告)日：2021-08-03
申请号：CN202110519904.5
申请日：2021-05-12
Applicant: 西安理工大学
Abstract: 本发明公开的一种基于自适应知识迁移的多任务演化算法，提出了一种自适应调节不同任务之间任意交配概率RMP的策略，该策略通过测量任务之间的相似度来动态的调整不同任务之间的RMP，从而提高不同任务之间的正向迁移。本发明将提出的自适应知识迁移策略与基础的多任务优化算法进行结合验证了改策略的普适性，并将多种多任务演化算法与所提出的算法在测试函数上进行仿真实验验证了自适应调整RMP策略提高多任务优化效率的有效性。
-
公开(公告)号：CN119578673A
公开(公告)日：2025-03-07
申请号：CN202411622394.4
申请日：2024-11-14
Applicant: 西安理工大学
IPC: G06Q10/047 , G06Q50/40 , G06F17/11 , G06N3/006
Abstract: 本发明公开了基于多模态多目标差分进化的城市交通路径规划方法，具体按照如下步骤实施：步骤1，预处理地址数据并根据地址数据模拟获得城市地图；步骤2，根据地图确定优化目标；步骤3，使用多模态多目标差分进化算法以优化目标最小化为目的获得最优路径。本发明解决了现有技术中存在的多目标进化算法解决城市交通路径规划中存在的无法找到多条最优路径的问题。
-
公开(公告)号：CN118941198A
公开(公告)日：2024-11-12
申请号：CN202410980448.8
申请日：2024-07-22
Applicant: 西安理工大学
IPC: G06Q10/0835 , G06Q10/0631 , G06N3/006
Abstract: 本发明公开的多任务算法的生鲜产品配送和冷链维修的路径规划方法，涉及进化智能演化计算中的多目标优化研究技术领域，主要包括S1：以生鲜产品配送路径时间最短和冷链维修路径时间最短为目标构建目标函数；S2：采用改进的多任务算法对目标函数进行求解，得到生鲜产品配送最优路径和冷链维修最优路径。本发明能够实现任务之间知识迁移强度的自适应变化，加速找到路径最优解的时间。
-
公开(公告)号：CN118917769A
公开(公告)日：2024-11-08
申请号：CN202411038523.5
申请日：2024-07-31
Applicant: 西安理工大学
IPC: G06Q10/0835 , G06Q10/047 , G06N3/126 , G06N5/022 , G06N20/00
Abstract: 本发明公开的基于进化多任务优化的物流配送路径优化方法，首先分别以快递员的最小化行驶距离耗时及最小化配送时间耗时为目标函数建立优化任务，然后根据目标函数初始化种群，使用基于流形学习和强化学习机制的进化多任务优化算法增强问题间的相关性并进行求解，得到两个任务的最优方案。本发明的基于进化多任务优化的物流配送路径优化方法，可以很好的利用不同问题之间的相关性，加速算法的收敛，提供更多的最优解决方案，从而有效的解决了现有物流配送路径优化方法求解效率低的问题。
-
公开(公告)号：CN114064235A
公开(公告)日：2022-02-18
申请号：CN202111249265.1
申请日：2021-10-26
Applicant: 西安理工大学
Abstract: 本发明公开了一种多任务教与学优化方法、系统及设备，所述方法包括：基于种群多样性判断当前种群演化状态，依据基本的教与学算法原理进行迭代；其中，在教学阶段，引入基于权重的教师协作教学策略；在学习阶段，引入三角协作学习策略；判断是否满足终止条件，若满足，则终止迭代；若不满足，则返回继续进行迭代；本发明通过基于种群多样性及三角协作机制，在任务交互时，基于种群多样性判断当前任务的演化状态，获取其他任务的信息量，实现充分利用其他任务信息，有效减少获取的信息量，降低负迁移的影响；在学习阶段采用三角协作机制，能够获取更多的信息量，有效提高了当前任务的学习效率。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.061 seconds)
