-
公开(公告)号:CN117014364A
公开(公告)日:2023-11-07
申请号:CN202310709005.0
申请日:2023-06-15
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于改进蚁群算法的网络路由规划方法与系统。首先,利用LPA*算法在栅格地图上搜寻有效路由,作为蚁群算法初始信息素设置,以提高预选区域的引导能力。然后,引入光纤站点数量、路由长度及节点载荷,定义多因素损失函数以实现多目标优化的光纤路由规划。最后,结合多因素改进ACO算法的启发式函数定义,优化信息素挥发因子,从而进一步提升算法性能。本发明有效解决了传统光纤路由规划方法容易陷入局部最优解和收敛速度慢的问题,对园区光纤路由资源规划与管理具有重要的实际应用价值。
-
公开(公告)号:CN116827852A
公开(公告)日:2023-09-29
申请号:CN202310709044.0
申请日:2023-06-15
Applicant: 华中农业大学
Abstract: 本发明公开了一种网络路径寻优方法和系统。该方法包括:通过调整底层模型LPA*算法中启发函数的自适应权重来使得启发函数的作用大小随着迭代进行智能变化,同时,在K值计算中引入偏置p提升算法的搜索效率。结合底层模型计算的初始路径,对蚁群算法的初始信息素进行非均衡分配。上层模型应用ACO算法对栅格地图进行光纤网络路径规划,得到全局最优的网络路径。本发明通过分层算法的设计,为蚁群算法提供了包含预选路径的先验信息,增强了传统蚁群算法对路径规划中预先选择的区域的引导能力,能够更快速地搜索出可行路径,有效解决了传统ACO算法搜索速度慢和容易陷入局部最优解等问题,大大提高了光纤网络规划系统的整体性能。
-
公开(公告)号:CN119580830A
公开(公告)日:2025-03-07
申请号:CN202411758362.7
申请日:2024-12-03
Applicant: 华中农业大学
IPC: G16B20/00 , G06F18/2135 , G16B40/00
Abstract: 本发明提供了一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法及系统,对作物表型预测构建了自适应融合预测因子的线性和非线性效应的新模型,并通过自适应调整权重的方法评估不同效应对表型的重要程度,实现了综合考虑作物表型预测中的线性主效应和非线性关系的影响的功能。本发明求解模型时,对训练数据集进行特征约简并利用广义逆快速有效地求解模型,提高了生物材料表型值的测定效率。本发明通过多次随机划分实验数据集得到的学习集和测试集进行模型学习,降低了模型的系统误差,提高了表型预测结果的稳定性。本发明对表型预测的有效性在基于DNA分子标记的基因型数据和基于代谢物的中间组学数据上均得到了验证。
-
-