-
公开(公告)号：CN116565883A
公开(公告)日：2023-08-08
申请号：CN202310052419.0
申请日：2023-02-02
Applicant: 安徽大学
IPC: H02J3/16 , H02J3/18 , G06F30/20 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于多阶段进化算法的配电网无功优化方法，包括：1构建配电网无功优化模型的目标函数、等式约束和不等式约束；2初始化配电网无功优化方案集，计算每个方案适应度值；3执行交配池选择和多项式变异产生新的方案，并将新的方案和旧的方案集合并；4根据合并方案集中每个无功优化方案的可行性，算法进入阶段A或阶段B；5对合并方案集中的无功优化方案进行选择，重复以上过程，直至算法终止，从合并方案集中选出的n个最优方案作为配电网无功优化问题的最优解集。本发明能够有效解决配电网无功优化问题，保证了配电网无功优化方案集的收敛性和多样性，有效降低了功耗和无功补偿容量，提高了静态电压裕度。
-
公开(公告)号：CN119851812A
公开(公告)日：2025-04-18
申请号：CN202510007753.3
申请日：2025-01-03
Applicant: 安徽大学
IPC: G16C20/50 , G16C20/70 , G16C10/00 , G06F30/27 , G06N3/0455 , G06N3/086 , G06N3/126 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于进化计算和多粒度代理模型近似的药物小分子优化方法，包括：1将药物小分子多属性优化问题建模为昂贵约束多目标优化问题；2在离散化学空间均匀地生成初始分子种群并对其进行昂贵的优化目标评价以及约束评价；3将评价后的药物小分子编码到连续潜在空间，得到分子的连续向量表示；4使用分子的连续向量表示、对应的目标值与约束值作为训练数据，训练多粒度代理模型；5执行代理模型辅助的进化算法，选出优质药物小分子解码到离散化学空间，并对其进行昂贵的优化目标评价以及约束评价；6重复步骤3‑5，从而输出最优药物分子。本发明旨在使用较低的评估代价高效优化药物小分子的多个属性，从而为药物研发提供技术支持。
-
公开(公告)号：CN114298214A
公开(公告)日：2022-04-08
申请号：CN202111613042.9
申请日：2021-12-27
Applicant: 安徽大学
Abstract: 本发明公开了一种基于超大规模进化算法和硬件加速的蛋白质异常检测方法，包括：1、采集质谱特征数据；2、生成质谱特征选择方案种群和外部存档，并设置参数；3、更新外部存档并对质谱特征进行快速聚类分组；4、执行交配池选择后，同时在原始空间和分组后的缩减空间生成子代质谱特征选择方案；5、利用子代特征选择方案自适应调节算法参数，之后合并子代和父代质谱特征选择方案种群进行环境选择，迭代以上过程选取优质特征选择方案，最终得到最优的蛋白质异常检测特征选择方案。本发明能高效地处理超大规模蛋白质异常检测问题，在超大规模的质谱特征集中快速的获得优质特征选择方案并进行蛋白质异常检测，以提高检测准确性。
-
Patent Agency Ranking
公开(公告)号：CN114218502A
公开(公告)日：2022-03-22
申请号：CN202111552637.8
申请日：2021-12-17
Applicant: 安徽大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/00 , G06N3/12
Abstract: 本发明公开了一种基于稀疏进化算法的社交网络关键成员检测方法，其特征包括以下步骤，步骤1、构建目标函数；步骤2、计算社交网络中所有成员的得分并初始化状态种群；步骤3、根据所设计的遗传算子将状态种群中的状态作为父代并产生新的状态后加入子代状态种群中；步骤4、将子代状态种群与前一代状态种群合并，并进行删除重复状态、非支配排序、计算成员间拥挤距离等操作，再逆序选择与原状态种群相同数量的状态作为新的状态种群，直到得到一组由关键成员和非关键成员组成的社交网络。本发明能在大型复杂社交网络中减少识别关键成员的时间、提高识别关键成员的准确度。
-
公开(公告)号：CN114202387B
公开(公告)日：2024-02-20
申请号：CN202111551750.4
申请日：2021-12-17
Applicant: 安徽大学
IPC: G06Q30/0601 , G06F9/50 , G06N3/126
Abstract: 本发明公开了一种基于大规模进化算法的商品推荐方法，包括：1、构建商品推荐的多目标优化模型；2、初始化N个商品推荐模式作为初始种群，并给定初始参数值；3、在遗传算法中添加受限玻尔兹曼机RBM来学习Pareto最优子空间，将在Pareto最优子空间中产生的子代与采用NSGA‑II算法产生的子代合并形成子代种群；4、将子代种群与父种群合并后进行环境选择，生成新的个体种群，并自适应调整参数，直至达到终止条件时停止迭代；5、将最终种群中处于Pareto最优的个体作为商品推荐方案进行推荐。本发明能降低大规模商品推荐问题的搜索空间，从而减少寻找最优商品推荐方案所耗费的时间，并使商品推荐方案呈现多样性。
-
公开(公告)号：CN119314590A
公开(公告)日：2025-01-14
申请号：CN202411366979.4
申请日：2024-09-29
Applicant: 安徽大学
IPC: G16C20/50 , G16C20/70 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于隐空间扩散模型的药物分子优化方法，包括：1.构建针对不同任务的药物分子数据集，2.构建和预训练分子SMILES自编码器，4.构建和训练基于隐空间扩散模型的分子优化模型，4.利用训练好的扩散模型生成新分子。本发明能够生成与原分子具有较高的相似性，并且具有更好属性、更多样化的新分子，从而提高了药物分子多种属性的优化效率。
-
公开(公告)号：CN114202387A
公开(公告)日：2022-03-18
申请号：CN202111551750.4
申请日：2021-12-17
Applicant: 安徽大学
Abstract: 本发明公开了一种基于大规模进化算法的商品推荐方法，包括：1、构建商品推荐的多目标优化模型；2、初始化N个商品推荐模式作为初始种群，并给定初始参数值；3、在遗传算法中添加受限玻尔兹曼机RBM来学习Pareto最优子空间，将在Pareto最优子空间中产生的子代与采用NSGA‑II算法产生的子代合并形成子代种群；4、将子代种群与父种群合并后进行环境选择，生成新的个体种群，并自适应调整参数，直至达到终止条件时停止迭代；5、将最终种群中处于Pareto最优的个体作为商品推荐方案进行推荐。本发明能降低大规模商品推荐问题的搜索空间，从而减少寻找最优商品推荐方案所耗费的时间，并使商品推荐方案呈现多样性。
-
公开(公告)号：CN114299459A
公开(公告)日：2022-04-08
申请号：CN202210079740.3
申请日：2022-01-24
Applicant: 安徽大学
IPC: G06V20/54 , G06F30/20 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06F111/06
Abstract: 本发明公开了一种基于多模多目标进化优化的车辆图像分类方法，包括：步骤一、获取带有类别标签的车辆图像样本并构建训练数据集；步骤二、定义网络分类模型结构，包括是正常模块和降维模块；步骤三、随机初始化降维模块的结构并固定，以搜索令模型性能最优的正常模块并得到结构确定的正常模块；步骤四，固定结构确定的正常模块，以搜索令模型性能最优的降维模块并得到结构确定的降维模块；步骤五，由结构确定的正常模块和降维模块构成车辆图像分类模型用于对待分类的车辆图像样本数据进行分类。本发明能搜索到性能最优的网络模块结构进行集成，集成后的网络模型能够快速对车辆图像进行分类，并提升分类的精度和准确度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
