公开(公告)号：CN119312988A

公开(公告)日：2025-01-14

申请号：CN202411833471.0

申请日：2024-12-13

Applicant: 宁波大学

Inventor： 李国庆 ,  左敏 ,  辛宇 ,  钮俊

IPC: G06Q10/04 ,  G06N20/00 ,  G06N3/006 ,  G06N3/126

Abstract: 本发明提供了一种基于强化学习的多模态多目标堆场选址优化方法，包括：步骤S1，获取堆场选址坐标形成第一种群；步骤S2，获取小生境集合和第一数据集种群；步骤S3，判断训练样本数量是否小于预设阈值：若是则转向步骤S4；若否则转向步骤S5；步骤S4，进化更新第一种群并同步更新得到第二数据集种群；步骤S5，建立强化学习模型并利用训练样本进行训练；步骤S6，根据训练结果筛选得到最优小生境策略并进化更新第一种群得到第二种群；步骤S7，判断是否满足进化迭代停止条件：若是则输出第二种群作为多模态多目标堆场选址优化结果；若否则返回步骤S3。有益效果是本发明能够实现根据多模态堆场选址场景进行堆场选址优化，提升堆场选址优化效率。

公开(公告)号：CN118551193A

公开(公告)日：2024-08-27

申请号：CN202410606070.5

申请日：2024-05-16

Applicant: 宁波大学

Inventor： 李国庆 ,  左敏 ,  辛宇

IPC: G06F18/2113 ,  G06N3/126

Abstract: 本发明公开了一种约束多模态多目标特征选择优化方法，涉及机器学习领域，在当前迭代次数不大于预设最大迭代次数时，通过双种群协同进化得到约束性宽松种群集合及收敛性宽松种群集合，利用预设约束性宽松策略对约束性宽松种群集合处理以进行种群更新，利用预设收敛性宽松策略对收敛性宽松种群集合处理以进行种群更新，最终解析此时约束性宽松种群中的N个特征个体确定满足约束性条件的基础上更满足多个优化目标的N个等效特征组合。本申请中动态双种群协同进化实现了收敛信息和约束信息充分交互学习，结合用于处理约束的约束性宽松种群及用于处理特征组合收敛性的收敛性宽松种群的更新，确保N个等效特征组合更好地满足多模态性和约束性。