-
公开(公告)号：CN116993126A
公开(公告)日：2023-11-03
申请号：CN202311185949.9
申请日：2023-09-14
Applicant: 东北农业大学
IPC: G06Q10/0631 , G06N3/126 , G06Q50/04
Abstract: 一种基于混合遗传算法的柔性生产调度方法和装置，属于车间生产技术领域，它包括种群初始，选择算子：选择进行交叉的个体，采用锦标赛选择和精英保留结合的混合选择方法；交叉算子，机器选择部分使用0‑1交叉，保证染色体上的基因先后顺序保持不变；工序排序部分使用IPOX交叉算子；变异算子，机器选择部分变异包括第一变异算子和第二变异算子，工序排序部分变异使用交换变异算子；变领域搜索：将从起点至终点的最长路径称为关键路径，它的长度就是调度方案的最大完工时间，即关键路径的长度决定调度方案的优劣，其中最晚完工的工序是关键工序。
-
公开(公告)号：CN116227874A
公开(公告)日：2023-06-06
申请号：CN202310227695.6
申请日：2023-03-10
Applicant: 东北农业大学
IPC: G06Q10/0631 , G06Q10/101 , G06Q50/04 , G06N3/126
Abstract: 一种基于遗传算法的柔性作业车间调度方法和装置，属于车间生产调度技术领域，包括步骤一：采用分段式编码方式对染色体进行编码，染色体分为两个部分，第一部分是机器选择部分，第二部分是工序排序部分，即确定各道工序的加工顺序，步骤二：染色体解码，分别对机器选择部分和工序选择部分进行解码，步骤三：种群初始化，种群初始化包括机器选择的初始化和工序排序的初始化，步骤四：排序分组选择；步骤五：改进交叉算子，改进交叉算子包括机器选择部分的交叉以及工序排序部分的交叉，步骤六：替代操作，步骤七：改进变异算子，包括机器选择部分变异和工序排序部分的变异，步骤八：改进的进化策略。
-
公开(公告)号：CN119990960A
公开(公告)日：2025-05-13
申请号：CN202510087587.2
申请日：2025-01-20
Applicant: 东北农业大学
IPC: G06Q10/0835 , G06Q10/083 , G06Q10/0631 , G06F18/23213
Abstract: 一种基于原生动物算法的开放式车辆路径优化方法，目标是确定具有最小总行驶距离的配送路线，满足客户需求量及车辆最大装载量，包括以下步骤：步骤一：输入数据；步骤二：编码；步骤三：种群初始化；步骤四：构造目标函数，给违反约束的配送路线施加惩罚；步骤五：计算目标函数值进行K‑Means聚类；步骤六：选择目标函数值在前70％的个体进行位置更新，离散化处理觅食、休眠和繁殖阶段的更新公式，将其转化为交叉操作和局部搜索策略；步骤七：合并更新后的个体与初始个体，进行基于路线长度的去相似性操作；步骤八：迭代，判断是否满足迭代终止条件，满足时停止迭代；不满足时，转至步骤五；步骤九：解码，输出开放式车辆路径优化的配送方案。
-
公开(公告)号：CN119740818A
公开(公告)日：2025-04-01
申请号：CN202411820097.0
申请日：2024-12-11
Applicant: 东北农业大学
IPC: G06Q10/0631 , G06N3/006
Abstract: 一种基于离散编码红嘴蓝鹊优化算法的零等待流水车间调度方法，属于流水车间调度技术领域。该方法以离散编码红嘴蓝鹊优化算法(DRBMO)为基础，解决以最小化最大完工时间为目标的零等待流水车间调度问题。主要内容包括：提出基于INEH、随机和反向学习的方法产生高质量的初始种群；根据适应度值将种群划分为大群体和小团体；将算法的连续位置更新公式进行离散化，用离散后的更新公式对个体进行位置更新；变邻域搜索，给出自适应参数q和两种邻域结构，在迭代前期全局搜索能力强，后期局部搜索能力强；替代操作，保留种群中相同个体的一个，其余重复个体随机产生；检查终止条件，若满足则停止迭代，输出最优个体作为最优调度方案，否则重新划分种群。
-
公开(公告)号：CN118940405A
公开(公告)日：2024-11-12
申请号：CN202410980889.8
申请日：2024-07-22
Applicant: 东北农业大学
IPC: G06F30/15 , G06F30/27 , G06N3/006 , G06F119/02
Abstract: 一种基于蛙跳算法的减速器结构参数优化方法，属于减速器结构设计优化技术领域，包括步骤一：个体编码分为三个部分，第一部分是连续实数变量，第二部分是整数变量，第三部分是离散变量；步骤二：种群初始化；步骤三：用罚函数将有约束优化问题变为无约束优化问题，建立减速器结构优化问题的目标函数；步骤四：计算减速器的目标函数值，排序分组，将种群分为两组；步骤五：对第一组个体进行更新；步骤六：对第一组个体执行组合变异操作；步骤七：对第二组个体进行更新；步骤八：合并第一组和第二组作为新的种群，排序并记录最优解和最优值，继续进行迭代，直至满足迭代终止条件，输出最优解和最优值。
-
Patent Agency Ranking
公开(公告)号：CN116227874B
公开(公告)日：2023-08-29
申请号：CN202310227695.6
申请日：2023-03-10
Applicant: 东北农业大学
IPC: G06Q10/0631 , G06Q10/101 , G06Q50/04 , G06N3/126
Abstract: 一种基于遗传算法的柔性作业车间调度方法和装置，属于车间生产调度技术领域，包括步骤一：采用分段式编码方式对染色体进行编码，染色体分为两个部分，第一部分是机器选择部分，第二部分是工序排序部分，即确定各道工序的加工顺序，步骤二：染色体解码，分别对机器选择部分和工序选择部分进行解码，步骤三：种群初始化，种群初始化包括机器选择的初始化和工序排序的初始化，步骤四：排序分组选择；步骤五：改进交叉算子，改进交叉算子包括机器选择部分的交叉以及工序排序部分的交叉，步骤六：替代操作，步骤七：改进变异算子，包括机器选择部分变异和工序排序部分的变异，步骤八：改进的进化策略。
-
公开(公告)号：CN118246159B
公开(公告)日：2025-04-29
申请号：CN202410067538.8
申请日：2024-01-17
Applicant: 东北农业大学
IPC: G06F30/17 , G06N3/126 , G06N3/086 , G06F111/06
Abstract: 一种基于正余弦算法的圆柱齿轮减速器结构优化方法，属于减速器结构设计优化技术领域，包括第一步，初始种群中的个体编码分为两个部分，一部分为连续实数，另一部分为离散整数；第二步计算初始种群中所有圆柱齿轮减速器的目标函数值，记录体积最小的圆柱齿轮减速器P和最小的体积值f(p)；第三步：更新种群中的圆柱齿轮减速器；第四步：对种群中个体的连续实数部分进行组合变异操作；第五步：对种群中个体的离散整数部分进行组合变异操作；第六步：计算种群中所有个体的目标函数值，采用基于贪婪策略的个体保留方法；第七步：输出体积最小的圆柱齿轮减速器P和最小的体积值f(p)。
-
公开(公告)号：CN119540272A
公开(公告)日：2025-02-28
申请号：CN202410597817.5
申请日：2024-05-14
Applicant: 东北农业大学
Abstract: 一种基于改进鲸鱼优化算法的图像多级阈值分割方法，属于图像处理技术领域。它包括如下步骤：种群初始化；计算目标函数值，找出种群最佳鲸鱼位置Xbest；对种群中的鲸鱼进行位置更新；基于个体适应度值的组合变异操作；去相似性操作，通过两个个体对应的目标函数值和距离之差来判断相似个体；重新计算鲸鱼的适应度值，更新种群的最优个体Xbest，获取最优阈值；输出全局最优阈值，利用全局最优阈值对图像进行分割；输出分割后的图像。本发明的有益效果是：通过对收缩包围阶段参数#imgabs0#和#imgabs1#的自适应调整，提高了算法的开发能力；解决迭代后期种群中鲸鱼不进行随机搜索阶段的位置更新的问题，避免算法陷入局部最优。
-
公开(公告)号：CN117011084B
公开(公告)日：2024-05-03
申请号：CN202310713438.3
申请日：2023-06-16
Applicant: 东北农业大学
Abstract: 一种基于黑箱约束的大豆种植优化方法和装置，属于农作物产量预测优化技术领域，包括自组织迁移算法的改进方法和黑箱优化方法；自组织迁移算法的改进方法包括以下步骤：第一步：种群初始化，第二步：参数初始化，第三步：进入迁移循环，更新个体位，第四步：组合变异操作第五步：去相似操作，第六步：判断是否满足迭代终止条件；黑箱优化方法包括10道步骤。本发明的有益效果是：提出一种改进自组织迁移算法，提出一种组合更新策略、从而有效地平衡算法的全局和局部搜索能力以得到大豆的最佳产量，提高了优化的速度和准确率；此外，合理的种植密度和施肥量不仅可以提高大豆产量，还能节约种植成本，提高经济效益。
-
公开(公告)号：CN117132010A
公开(公告)日：2023-11-28
申请号：CN202311179686.0
申请日：2023-09-13
Applicant: 东北农业大学
IPC: G06Q10/047 , G06Q10/0835 , G06N3/126
Abstract: 一种基于遗传算法的车辆配送路径优化方法，属于物流配送方案设计技术领域，该方法以配送总成本最小为目标函数，以客户需求量、服务时间窗及车辆最大装载量为约束，包括以下步骤：解决实际的车辆配送路径优化问题，需要对其进行编码；选择初始种群规模，在满足规定的约束条件下，将距离最短的路径作为问题的初始解；该方法的目标函数为： 适应度函数表示为：计算个体适应度值，对个体进行排序和交叉；对个体进行变异操作；加入具有破坏和修复思想的局部搜索操作。通过对优化后的配送路径进行分析，发现该优化路径既能降低配送成本，又能有效地减少配送过程中出现的违背服务时间窗的现象，缩短配送路程和配送时间。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.021 seconds)
