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

Inventor： 何奕辰 ,  张亚杰 ,  田野 ,  苏延森 ,  张兴义

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：CN115062235B

公开(公告)日：2024-12-27

申请号：CN202210631458.1

申请日：2022-06-06

Applicant: 安徽大学 ,  合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)

Inventor： 郑春厚 ,  曹瑞芬 ,  王慎庆 ,  张兴义 ,  田野

IPC: G06F16/9536 ,  G06F16/958 ,  G06F30/27 ,  G06F18/214 ,  G06F18/22 ,  G06N3/006 ,  G06Q10/04 ,  G06Q50/14 ,  G06F111/06

Abstract: 本发明公开了一种基于多目标优化选择策略的多模型融合旅游推荐方法，包括以下步骤：S1：选取旅游推荐问题中的两个或两个以上的单模型，并得出每个单推荐模型的推荐结果，得到待优化总集合；S2：将多模型融合推荐问题建模为多目标优化问题；S3:将待优化总集合构建为旅游推荐方案的多个待优化子集合；S4：利用多目标优化方法计算出所有待优化子集合中个体的排序得到优化后子集合；S5：合并所有优化后子集合，根据需求在优化后总集合中选取前k个景点作为模型的最终输出结果，即得出最终的旅游推荐结果。还公开了一种基于多目标优化选择策略的多模型融合旅游推荐系统。本发明融合两个及两个以上的子推荐模型，提高了旅游推荐的准确率。

公开(公告)号：CN118569591A

公开(公告)日：2024-08-30

申请号：CN202410734566.0

申请日：2024-06-07

Applicant: 安徽大学

Inventor： 谢国辉 ,  唐书康 ,  江一凡 ,  田野

IPC: G06Q10/0631 ,  G06N3/006 ,  G06N3/126 ,  G06Q50/26

Abstract: 本发明公开了一种基于生成式模型的空间望远镜调度优化方法，包括：1、对空间望远镜调度优化问题进行数学建模，设置约束表达式和目标函数；2、使用生成式模型协助求解该调度优化问题的数学模型，得到空间望远镜调度优化方案。本发明通过使用生成式模型对空间望远镜调度优化问题进行分析、求解，不但可以对活跃星体进行及时观测，而且可以减少望远镜的闲置时间，增加空间望远镜每天的数据采集量。

公开(公告)号：CN114220127B

公开(公告)日：2024-05-10

申请号：CN202111639517.1

申请日：2021-12-29

Applicant: 安徽大学

Inventor： 田野 ,  石子睿 ,  杨尚尚 ,  张兴义

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种基于梯度引导的进化算法的图像识别方法，其步骤主要包括：1、获取图像样本构建训练样本数据集；2、初始化父代种群，对其在交配选择过程中使用gSBX算子来获得子代种群，将父代种群加入子代种群中并对子代种群进行非支配排序，从排序好的种群中选取前若干个个体作为最优个体种群；3、从最优个体种群中删去被支配的解，使用稀疏随机梯度法SGD对种群中剩余的每个个体的权重变量微调，在该种群的Pareto前沿面上的拐点区域选择一个个体的属性集作为最终训练模型的变量。本发明通过进化算法优化图像识别模型，从而能提升模型在图像识别上的精确度，并减少神经网络的训练成本和内存用量。

公开(公告)号：CN114330870B

公开(公告)日：2024-04-16

申请号：CN202111614801.3

申请日：2021-12-27

Applicant: 安徽大学

Inventor： 田野 ,  孙脉海 ,  项小书 ,  张兴义

IPC: G06Q10/047 ,  G06Q10/0631 ,  G06Q10/0835 ,  G06N3/006

Abstract: 本发明公开了一种基于多种群进化算法的带时间窗的车辆路径规划方法，包括：1为带时间窗的车辆路径问题生成一个辅助问题；2随机初始化生成两个种群，种群1用于优化原始问题，种群2用于优化辅助问题；3基于协同进化算法框架迭代优化两个种群并定期对两个种群执行局部搜索操作，直到满足停止条件，输出最优种群中非支配等级最高的个体作为车辆路径规划以及时间安排的最优方案。本发明能解决带时间窗的车辆路径规划问题，在找到最小使用车辆数目的同时，能得到更短的总行驶距离，从而提高运输效率，并降低运输成本。

公开(公告)号：CN116152572A

公开(公告)日：2023-05-23

申请号：CN202310255099.9

申请日：2023-03-13

Applicant: 安徽大学

Inventor： 田野 ,  朱庆辉 ,  张兴义

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/092 ,  G06N3/126

Abstract: 本发明公开了一种基于深度强化学习与进化算法的图像识别方法，包括：步骤一、收集图像数据并对图像进行标准处理；步骤二、定义优化目标及优化目标函数；步骤三、采用基于深度学习与进化算法对多目标优化函数F进行求解；步骤四、针对模型采用基于深度学习与进化算法的方法进行优化训练；步骤五、采用优化后图像识别模型对图像数据进行分类。本发明能应用于图像识别，通过优化模型结构，从而有效提升图像识别的精度，降低图像分类错误率。

公开(公告)号：CN115920257A

公开(公告)日：2023-04-07

申请号：CN202310086294.3

申请日：2023-01-17

Applicant: 安徽大学

Inventor： 田野 ,  陈亮 ,  司朗春 ,  曹瑞芬 ,  张兴义

IPC: A61N5/10 ,  G06F17/16

Abstract: 本发明属于调强放射治疗领域，公开了一种调强放射治疗射束角度优化系统，对放疗数据进行压缩并采用稀疏读取，然后计算剂量沉积矩阵；通过共轭梯度算法求解射束方向的强度分布矩阵；通过剂量沉积矩阵和强度分布矩阵计算剂量分布矩阵；通过侧抑制函数和邻近效应函数对射束方向约束；通过子野内体素剂量条件对剂量分布矩阵优化，得到每个射束方向的目标剂量；基于目标剂量、抑制值和邻近效应值计算射束方向的重要性；剔除重要性最低的射束方向，直至剩余射束方向数量等于预先设定的角度数量，然后将射束方向还原成射束角度，输出射束角度及其对应的目标剂量。本发明系统，提高了计算速度，有效避免射束角度过于集中和分散，提高了放疗效果。

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

Inventor： 田野 ,  孟源 ,  张亚杰 ,  张兴义

IPC: G06K9/62 ,  G06N3/12 ,  G06N3/04

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。

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

Inventor： 田野 ,  陈豪文 ,  张亚杰 ,  张兴义

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：CN119763783A

公开(公告)日：2025-04-04

申请号：CN202411899368.6

申请日：2024-12-23

Applicant: 安徽大学

Inventor： 张兴义 ,  陈亮 ,  司朗春 ,  田野

IPC: G16H30/20 ,  G16H30/40 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种多准则医学图像剂量预测方法，首先获取医学图像并进行合并、裁剪、归一化等图像预处理；然后训练深度神经网络得到剂量预测基础模型；再取基础模型部分网络层的权重作为个体，使用进化算法优化得到剂量预测泛化模型；最后使用泛化模型预测剂量，得到多准则的剂量预测分布图。本发明将进化算法与深度神经网络相结合，通过进化算法优化深度神经网络模型，从而能提高医学图像剂量预测模型的通用性，更好地适应不同的放射系统。