一种基于人工智能算法的云端数据处理系统

    公开(公告)号:CN119473645A

    公开(公告)日:2025-02-18

    申请号:CN202510053779.1

    申请日:2025-01-14

    Abstract: 本申请涉及云计算和分布式计算领域,公开了一种基于人工智能算法的云端数据处理系统,包括数据输入模块、任务分解模块、资源调度模块、并行计算模块和结果重构模块;数据输入模块接收高维数据,将其转换为张量结构;任务分解模块对张量进行分解,生成核心张量和正交矩阵,并生成多个子任务;资源调度模块对子任务进行资源分配和调度,最小化任务执行时间和资源消耗;并行计算模块分配子任务至计算节点执行,保证任务执行顺序;结果重构模块对子任务执行结果进行合并和校验,生成最终计算结果。本发明有效提高了云端数据处理的效率和资源利用率,确保计算结果的准确性与一致性,适用于人工智能训练、大规模数据分析及科学计算等领域。

    一种节能分布式两阶段装配零等待流水车间调度问题的优化系统

    公开(公告)号:CN115344011B

    公开(公告)日:2024-11-05

    申请号:CN202210262538.4

    申请日:2022-03-17

    Abstract: 本发明涉及制造生产调度和路线统筹规划技术领域,特别涉及一种节能分布式两阶段装配零等待流水车间调度问题的优化系统,包括工件序列初始化模块、工厂优化模块、节能模块和资源分配均衡模块;工件序列初始化模块将头脑风暴优化算法中的聚类机制映射到产品分配中;工厂优化模块是通过调整产品和工作的顺序,优化产品的装配完成时间;节能模块是从第一个工件开始到最后一个工件结束,过程中没有空闲时间的连续工作路径称为关键路径;资源分配均衡模块是提出一种资源平衡方法,用工厂间设备利用率的标准差来表示资源分配的平衡;其有益效果是:本发明系统地分析了节能零等待流水车间调度的问题特性,将强化学习应用于工厂内和工厂间的工件移动策略。

    一种基于扩展卡尔曼滤波的WSN机动目标跟踪方法

    公开(公告)号:CN117195946B

    公开(公告)日:2024-06-18

    申请号:CN202311155583.0

    申请日:2023-09-08

    Abstract: 本发明公开了一种基于扩展卡尔曼滤波的WSN机动目标跟踪方法包括以下具体步骤:S1:利用传感器网络获取机动目标的数据;S2:进行蛇种群的初始化,利用立方混沌Cubic映射使初始化使蛇种群均匀分布在搜索空间内,设定最大迭代次数、食物和温度触发阈值;S3:确定目标函数,根据扩展卡尔曼滤波算法过程,确定适应度函数,后按扩展卡尔曼滤波的步骤对机动目标的参数进行估计,将噪声协方差矩阵参数作为优化算法个体的位置,寻优生成协方差为Q值和R值的随机噪声,并加入到SO‑C算法的观测值和估计值中;本发明公开的一种基于扩展卡尔曼滤波的WSN机动目标跟踪方法具有能够快速收敛到全局最优,有效提高算法的收敛精度的效果。

    一种用于多目标可持续分布式异构工厂的流水车间调度系统

    公开(公告)号:CN116931513A

    公开(公告)日:2023-10-24

    申请号:CN202310725713.3

    申请日:2023-06-19

    Abstract: 本发明属于制造业分布式生产调度领域,具体涉及一种用于多目标可持续分布式异构工厂的流水车间调度系统,包括协同初始化模块、自学习操作的局部搜索模块和碳节约速度调整模块。所述协同初始化模块设计了一种协同初始化策略。所述自学习操作的局部搜索模块设计了一种自学习操作的局部搜索策略,将每个操作的历史成功率总结为知识,以指导算法进行自学习操作选择,增强所提出算法的精搜索能力。所述碳节约速度调整模块设计了一种碳节约速度调整策略,该策略调整非关键路径上某些工件的加工速度,同时保持关键路径上工件的加工速度不变。本发明可以将优化器扩展到满足当前智能制造生产领域中的大多数调度问题中,如选址问题、车辆路径规划问题等。

    一种分布式装配阻塞流水车间调度优化系统

    公开(公告)号:CN116224941A

    公开(公告)日:2023-06-06

    申请号:CN202310230936.2

    申请日:2023-03-12

    Abstract: 本发明提出一种分布式装配阻塞流水车间调度优化系统,设计一种由卡尔曼滤波和历史学习机制驱动的分布估计算法优化分布式装配阻塞流水车间调度系统。将预测、观测、第一次修复和第二次修复用于工件的加工阶段。此外,将增强修复信息通过历史学习机制反馈给概率模型,强化模型精度。另外,采用自适应调整策略平衡优化系统的勘探和开发能力。将其与几种经典优化系统在测试集上进行实验验证,结果表明本发明设计的优化系统是有竞争力的。经过在不同工件数、机器数、工厂数和产品数的实例上测试,本发明的优化系统能够最小化分布式装配阻塞流水车间的装配完成时间,提高生产效率。

    一种低成本高效Al-Ti-C-Ce细化剂及其制备方法

    公开(公告)号:CN104532044A

    公开(公告)日:2015-04-22

    申请号:CN201410786405.2

    申请日:2014-12-18

    Abstract: 本发明提供了一种低成本高效Al-Ti-C-Ce细化剂,包含如下质量百分比组份,Ti:4.0-16.0%,C:0.5-3.0%,Ce:0.5-2.0%,余量为Al;所述细化剂的物相组成包括α-Al、TiAl3、TiC和Ti2Al20Ce。本发明Al-Ti-C-Ce细化剂采用铝熔体热爆法制备,主要包括如下工艺步骤:(1)原料准备,按成分要求称量铝粉、钛粉、石墨粉、铝锭、铈锭;(2)将铝粉、钛粉、石墨粉混合均匀并压制成块体;(3)将铝锭加热熔化后,石墨钟罩同时向铝熔体内压入铈锭和步骤(2)制得的块体进行反应;(4)过滤熔体,除去熔渣,浇铸,即得Al-Ti-C-Ce细化剂产品。

    一种分布式柔性流水车间的调度方法、系统、存储介质及其终端

    公开(公告)号:CN119045434B

    公开(公告)日:2025-05-09

    申请号:CN202411164760.6

    申请日:2024-08-23

    Abstract: 本发明公开了一种分布式柔性流水车间的调度方法,属于数据处理技术领域,解决了现有技术中车间调度没有充分考虑其他因素的问题,本发明中的调度方法采用基于模型的两段式帝王蝶优化方法处理调度问题,首先针对工件、工厂以及机器进行初始化种群得到初始调度解,然后通过帝王蝶优化方法作为主体优化算子优化调度解的操作序列,其次基于特征的搜索策略用于优化调度解的机器序列,最后输出最优解确定调度解,通过上述的调度方法充分考虑了工人以及运输因素,保障了车间的调度效率,另外,本发明还引入了神经网络模型用于匹配优化算子,并实时对调度问题进行优化,进一步保障了调度效果。

    一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法

    公开(公告)号:CN119180315A

    公开(公告)日:2024-12-24

    申请号:CN202411038018.0

    申请日:2024-07-31

    Abstract: 本发明属于数字经济与网络空间安全治理技术领域,具体为一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法,包括如下步骤:收集社会网络数据,并通过用户关系建模为动态社会网络,根据不同需求的时间间隔,将网络划分为若干时间网络快照;设计网络结构演化代理方法,根据网络拓扑的变化以及节点选取策略,选取部分节点作为结构演化代理节点;利用随机扩散和卷积神经网络提取代理节点的局部拓扑结构,形成节点嵌入向量表示;通过图卷积神经网络,利用代理节点的信息增量更新历史节点嵌入向量,并预测节点影响力传播期望值,根据模型预测的影响力值,选取影响力最大的一组节点作为当前网络快照的种子集;重复上述步骤,为整个动态网络选取一组种子集,为社会网络影响力传播与控制提供决策依据。

    一种基于Q-learning的分布式异构柔性作业车间调度优化方法

    公开(公告)号:CN118760068A

    公开(公告)日:2024-10-11

    申请号:CN202410782900.X

    申请日:2024-06-18

    Abstract: 本发明公开了一种基于Q‑learning的分布式异构柔性作业车间调度优化方法。该方法基于一种知识驱动的分布估计算法,以最小化总能耗和最大完工时间为目标,求解离散制造中的一类调度问题:分布式异构柔性作业车间调度问题。首先,设计了三种启发式初始化规则,通过混合启发式初始化策略,平衡种群的多样性和算法的收敛性;其次,分别建立三个参数自适应的增量学习模型来生成新解;最后,提出了基于Q‑learning的特征反馈的算子自适应选择策略。其有益效果在于:实验结果表明了本发明的调度优化方法在解决分布式异构柔性作业车间调度问题的有效性和实用性。

    带分时电价约束的分布式柔性流水车间调度方法及系统

    公开(公告)号:CN116774651B

    公开(公告)日:2024-09-13

    申请号:CN202310476583.4

    申请日:2023-04-28

    Abstract: 本发明属于分时电价调度技术领域,公开了一种带分时电价约束的分布式柔性流水车间调度方法及系统,分析分布式柔性流水车间调度问题的特性,基于分时电价约束,建立DFFSP‑TOU问题整数规划模型,以最小化最大完工时间和总电力成本为优化指标;构建基于自学习机制的多目标帝王蝶优化模型,多目标帝王蝶优化模型的迁移算子和调整算子通过历史最优解的信息自学习生成;采用变邻域搜索实现多目标帝王蝶优化模型的局部搜索和种群多样性,并通过右移操作将电价区间在高峰时段的生产转移到电价区间在低谷时段进行生产。本发明采用多种策略的有机融合使优化模块的全局和局部搜索能力显著的提升,解决分时电价下的分布式柔性流水车间调度问题。

Patent Agency Ranking