[发明专利]一种基于演化学习的神经网络结构搜索方法和系统在审
| 申请号： | 202080107589.9 | 申请日： | 2020-12-16 |
| 公开（公告）号： | CN116964594A | 公开（公告）日： | 2023-10-27 |
| 发明（设计）人： | 程然;谭浩;何成;侯章禄;邱畅啸;杨帆 | 申请（专利权）人： | 华为技术有限公司;南方科技大学 |
| 主分类号： | G06N3/126 | 分类号： | G06N3/126;G06N3/086 |
| 代理公司： | 北京亿腾知识产权代理事务所(普通合伙) 11309 | 代理人： | 陈霁 |
| 地址： | 518129 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 一种基于演化学习的神经网络结构的搜索方法和系统，所述方法包括：S101，初始化种群，种群内的每一个神经网络结构为一个结构编码；S102，随机选择种群内的两个结构编码，解码成两个神经网络结构进行配对；从超网中继承相应的权重，获得第一、第二神经网络模型；S103，评估训练后的第一、第二神经网络模型，获得胜利者和失败者；S104，根据训练后的第一、第二神经网络模型更新超网；S105，计算伪梯度值，使失败者向胜利者学习，得到第三神经网络结构的结构编码；S106，用第三神经网络的结构编码在种群中代替失败者的结构编码，更新种群；S107，输出种群中最优的神经网络模型，对更新的种群进行迭代演化。 | ||
| 搜索关键词： | 一种 基于 演化 学习 神经网络 结构 搜索 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华为技术有限公司;南方科技大学，未经华为技术有限公司;南方科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202080107589.9/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于演化学习的神经网络结构搜索方法和系统-202080107589.9
- 程然;谭浩;何成;侯章禄;邱畅啸;杨帆 - 华为技术有限公司;南方科技大学
- 2020-12-16 - 2023-10-27 - G06N3/126
- 一种基于演化学习的神经网络结构的搜索方法和系统，所述方法包括：S101，初始化种群，种群内的每一个神经网络结构为一个结构编码；S102，随机选择种群内的两个结构编码，解码成两个神经网络结构进行配对；从超网中继承相应的权重，获得第一、第二神经网络模型；S103，评估训练后的第一、第二神经网络模型，获得胜利者和失败者；S104，根据训练后的第一、第二神经网络模型更新超网；S105，计算伪梯度值，使失败者向胜利者学习，得到第三神经网络结构的结构编码；S106，用第三神经网络的结构编码在种群中代替失败者的结构编码，更新种群；S107，输出种群中最优的神经网络模型，对更新的种群进行迭代演化。
- 基于分解多目标进化算法的2.5D集成电路测试路径优化方法-202310808109.7
- 邓立宝;李春磊;狄原竹;乔立岩 - 哈尔滨工业大学（威海）
- 2023-07-03 - 2023-10-03 - G06N3/126
- 基于分解多目标进化算法的2.5D集成电路测试路径优化方法，属于集成电路测试优化领域，本发明为解决传统优化方法在求解多目标优化问题时，通常需要问题的梯度信息而不能够高效地求解，平衡测试时间与测试硬件开销的效果不理想的问题。本发明方法包括：步骤一、初始化，对2.5D集成电路的测试路径配置方案生成初始种群，并依据多目标进化算法评估初始种群指标，选择最优适应度指标作为初始种群的理想点；步骤二、采用交叉和变异算子产生新解，并依据多目标进化算法评估新解、更新理想点步骤三、环境选择，包括更新邻域解和精英解集合；步骤四、多次执行步骤二、三迭代过程，直至迭代结束，输出精英解集合。
- 用户分析模型训练方法、用户标签确定方法和装置-202310878695.2
- 谭雅文;苏军根 - 中国电信股份有限公司
- 2023-07-18 - 2023-10-03 - G06N3/126
- 本申请涉及一种用户分析模型训练方法、用户标签确定方法和装置。所述方法包括：获取用户分析模型对应的至少一组模型参数作为种群个体；根据各种群个体的预测适应度进行聚类，得到多个子种群，根据各志愿客户端的可靠度进行聚类，得到多个子集群；子种群的预测适应度与匹配的子集群的可靠度正相关；将样本用户数据和子种群中的各种群个体发送给与子种群匹配的子集群中的各志愿客户端，使各志愿客户端反馈实际适应度；根据接收到的实际适应度进行遗传迭代处理，得到更新后的模型参数，直到达到迭代结束条件，得到训练后的目标用户分析模型。采用本方法能够提高用户分析模型的训练效率。
- 一种卫星集群观测任务调度方法、系统、设备及存储介质-202310871565.6
- 胡超;石安琪;刘丽敏;王运波;龙军 - 中南大学
- 2023-07-17 - 2023-09-29 - G06N3/126
- 本发明公开了一种卫星集群观测任务调度方法、系统、设备及存储介质，本方法采用预设的约束条件筛选卫星集群中的卫星；为执行个体中每个观测任务的卫星选择最优策略，并计算每个个体的适应度值；根据适应度值从初始种群中选择多个个体作为父代；随机选择两个父代进行交叉操作，获得第一新个体；对每个父代进行变异操作，获得第二新个体；将父代、第一新个体和第二新个体组成新种群，并将新种群用于包括适应度值计算、父代选择、交叉操作和变异操作的下一次迭代，直到获得最大适应度值；根据最大适应度值获取第二最优策略组合，并采用第二最优策略组合进行卫星集群观测任务调度。本发明能够提高观测任务的执行效率，全局优化观测任务的调度。
- 基于动态权重的测试向量生成与优化方法-201910227627.3
- 赵毅强;石振东;刘燕江;何家骥;马浩诚 - 天津大学
- 2019-03-25 - 2023-09-22 - G06N3/126
- 本发明涉及集成电路可信任性检测技术，为提出适用木马检测的测试向量生成方法，生成高效精简的测试向量集，进而提高硬件木马的激活概率和检测效率，本发明，基于动态权重的测试向量生成与优化方法，步骤如下：(1)寻找低翻转率的电路节点；(2)低观测节点的查找；(3)测试向量的粗筛；(4)测试向量的细筛；(5)基于低观测节点的测试向量筛选：根据故障检测模型，给低观测节点注入故障“0”和故障“1”，构建故障网表，将待筛选的测试向量输入故障网表，观察电路输出与原始输出是否一致，如发生变化认为该测试向量能够将错误结果传递到电路输出端。本发明主要应用于集成电路可信任性检测场合。
- 基于遗传算法的动植物评价方法、装置、设备及介质-202310731895.5
- 郭建影 - 平安科技（深圳）有限公司
- 2023-06-19 - 2023-09-19 - G06N3/126
- 本申请公开了一种基于遗传算法的动植物评价方法，方法包括：根据评价指标确定待评分的初始基因，并确定初始基因所在的染色体为初始染色体；为初始染色体上每个基因所在位置设置预设变异率，并增大初始基因所在位置对应的预设变异率，得到目标变异率；根据预设交叉率、预设变异率以及目标变异率对初始染色体进行遗传模拟，得到目标染色体；将目标染色体的基因编码输入预设神经网络模型；在预设神经网络模型中，确定目标染色体的评价分数；若评价分数高于预设阈值，则确定评价分数对应的基因编码为优质基因。本申请的方法根据目标变异方向进行有方向性地遗传模拟，解决了现有方案迭代次数过多且目标解不够优质的问题。
- 基于遗传算法和社团聚类的电能表运行状态监测方法-201811457030.X
- 王新刚;张垠;赵舫;陈金涛;魏晓川 - 国网上海市电力公司
- 2018-11-30 - 2023-09-15 - G06N3/126
- 本发明涉及一种基于遗传算法和社团聚类的电能表运行状态监测方法，包括以下步骤：1)获得待测电能表的基础数据，提取该待测电能表的用电特征参数；2)基于所述用电特征参数，采用一基于遗传算法和多元神经网络的电能表状态评价模型，获取待测电能表的运行状态；其中，所述用电特征参数根据电能表运行状态关联因素选定，所述电能表运行状态关联因素基于社团聚类算法确定。与现有技术相比，本发明具有推动电能表状态轮换合理化、智能化，及时发现故障表及存在质量隐患的电能表，保障电能表运行质量水平等优点。
- 基于参考点非支配排序的多目标粘液优化方法-202310696352.4
- 蔡雪冰 - 安徽信息工程学院
- 2023-06-13 - 2023-09-01 - G06N3/126
- 本发明公开了一种基于参考点非支配排序的多目标粘液优化方法，引入混沌机制来提高SMA(黏液霉菌算法)在决策空间的遍历搜索能力，从而在短时间内覆盖更多的搜索空间；随着目标数量的增加，非支配解的数量迅速增加，采用基于参考点的非支配排序方法来保持解的多样性；采用上述技术方案，仿真结果表明，所述的多目标粘液算法取得了最好的成绩解决方案的收敛性、准确性和多样性。
- 一种基于基因评价遗传算法的一维下料方法-202310652588.8
- 李鑫;薛桂香;王辉;陈宇昂;苗敬礼 - 河北工业大学
- 2023-06-05 - 2023-08-29 - G06N3/126
- 本发明为一种基于基因评价遗传算法的一维下料方法，通过将基因材料随机组合，可以直观地了解到每个基因的构成，同时也知道每根钢筋如何进行切割，在解码上花销的时间也就降低了，通过对染色体中的每一个基因进行评分，进而挑选出优秀的基因进行变异，最终更容易更快地得到最优解；利用新的变异方式，使得对个体的评估时间降低，加快了算法的收敛速度。
- 基于遗传算法的自适应VMD参数寻优方法-202310606988.5
- 魏倩;轩亚珂;帅伟伟;苏朋;张前程 - 河南大学
- 2023-05-23 - 2023-08-29 - G06N3/126
- 本发明提出了一种基于遗传算法的自适应VMD参数寻优方法，该方法包含以下步骤：首先，根据待分解信号本身构造一个自适应的评价熵函数；其次，以这个自适应评价熵函数为优化目标，使用遗传算法对VMD的两个最重要的参数寻优，并将相同个体合并策略引入遗传算法；最后得到最优的参数后再使用其对待分解信号进行VMD分解。本发明综合考虑了分解的精度、噪声鲁棒性以及其在参数优化过程中陷入局部最优的情况，通过参数寻优提高了VMD分解的精度和噪声鲁棒性，并使优化过程中算法的种群多样性保持在一定水平，避免陷入局部最优。
- 一种用于三维多箱型柔性装箱的混合自适应遗传算法-202310545031.4
- 徐小峰;裴传涛;王连聚;邓忆瑞;齐鹏;林鑫 - 中国石油大学（华东）
- 2023-05-16 - 2023-08-25 - G06N3/126
- 本发明涉及装箱问题领域，具体的涉及一种用于三维多箱型柔性装箱的混合自适应遗传算法，包括以下步骤：1：问题分析，根据物体的大小和承载物体的箱体的空间，设置物体装载数最低和箱体空间利用率最高两个变量的函数组成的适应度函数；2：进行初始化设置和编码，使用构造式启发式算法生成初始种群；3：装箱并计算适应度，对2中的初始种群中的个体进行解码，计算物体的个体适应值；4：执行选择、交叉、变异操作；5：改进自适应规则，得到新一代种群；6：进行中止判断；7：得到最佳装箱方案。考虑了装载率最低和使用箱子数量最小两个目标，针对多目标，采用了线性加权法将多个目标合并成一个目标，得到货物装载最高，空间利用最合理的效果。
- 一种分布式电网多目标优化方法、装置及存储介质-202310573145.X
- 陈庆伟;薛炳磊;王志鹏;卢福木;兰峰;谢丹;张盛晰;孙永鑫;邱轩宇;宋长城;王天祎;刘洋 - 国网山东省电力公司经济技术研究院
- 2023-05-18 - 2023-08-22 - G06N3/126
- 本发明涉及一种分布式电网多目标优化方法、装置及存储介质，本发明基于分布式电网成本、环境成本、储能装置充放电次数相关损耗建立分布式电网优化模型的目标函数；利用改进的差分进化算法来进行多目标优化的求解，在改进的差分进化算法中，采用
- 一种基于进化的神经架构搜索方法-202310453530.0
- 马连博;安晓洁;李楠 - 东北大学
- 2023-04-25 - 2023-08-18 - G06N3/126
- 本发明提供一种基于进化的神经架构搜索方法，首先定义神经网络架构的搜索空间并进行编码，其次根据训练实例和实例对应的标签构建训练数据集，构建列表排序预测器，利用构建的训练数据集进行训练，最后利用进化算法搜索最佳架构。本发明使用列表排序预测器来对架构的性能进行评估，用列表排序模型代替线性回归来构建性能预测器。预测器是预测每个候选体系结构在总体中的顺序，而不是预测体系结构的精确精度值。根据排名信息，可以快速识别出优秀的架构，并选择进入下一轮，并且本发明中的排序预测器不需要大量原始的训练有素的架构样本，这大大降低了计算成本。
- 项目集群优化方法、装置及系统-202310152922.3
- 豆亚杰;陈航;陈子夷;戴昱龙;朱晨;陈浩轩;仇彪彪;张梦钰;张志伟;钱立炜;姜江 - 中国人民解放军国防科技大学
- 2023-02-22 - 2023-08-11 - G06N3/126
- 本发明提供了一种项目集群优化方法、装置及系统，包括：A1、基于项目的价值、成本和制约关系对项目集群优化问题建模；A2、基于项目的价值最大化定义目标函数；A3、然后基于项目集群中的单个项目优化采用偏置随机密钥遗传算法求解，基于项目集群中的多个项目优化采用NSGA、NSGA‑II或NSGA‑III算法求解，根据解的结果选择最有利于项目集群发展的对应的项目或项目组合。在项目的选择过程中能有效避免陷入局部最优解，本发明的技术方案对解空间的探索能力更强，能更均匀、多样化地搜索解空间，同时具有更好的收敛性，并将问题模型从单目标优化拓展到了多目标优化，在缩减解空间提高计算效率的同时，也保证了优化结果的可行性。
- 事件预测方法、装置及电子设备-202310301041.3
- 陈哲皓;付兴顺;刘瑛迪;姜华华;孙一静;徐美美;邢文倩 - 中银金融科技有限公司
- 2023-03-23 - 2023-07-25 - G06N3/126
- 本发明提供一种事件预测方法、装置及电子设备，所述方法包括：在当前主种群进化流程中，对当前主种群中的所有个体进行适应度评估，并将适应度小于第一阈值的个体作为待更新个体；接收从线程发送的候选个体，若候选个体的适应度大于待更新个体的适应度，则以候选个体替换待更新个体，得到更新主种群；将更新主种群中适应度最高的个体复制到当前迭代主种群，并以复制后的当前迭代主种群作为当前主种群，返回执行当前主种群进化流程，直至满足进化结束条件后，以当前主种群中适应度最高的个体作为预测事件的预测结果。本发明不仅能够避免种群陷入局部最优，提升预测结果的精度，而且可以加速算法进程，进而能够更适应多核计算与高性能计算。
- 基于改进遗传算法的新型平面分子阵天线阵列综合布阵方法-202010271991.2
- 谢菊兰;郭明宇;邓宇昊;饶申宇;冯雅栋 - 电子科技大学
- 2020-04-09 - 2023-07-25 - G06N3/126
- 本发明涉及天线阵列布阵优化技术，特别涉及子阵级天线阵列的优化布阵技术。本发明首先提出了一种改进的遗传算法，相对于传统遗传算法容易陷入局部最优的问题，增加了底层全局搜索的步骤，提升了遗传算法的优化性能。此外，对于平面分子阵布阵问题中存在的难以判断子阵是否重叠的问题，本发明提出了一种简单易行的判断方法，并采用改进遗传算法对该方法在平面分子阵布阵中的作用进行了验证，相比于传统的布阵方法，新方法有效地提高了子阵分布的自由度，进一步提升了布阵优化性能。
- 一种基于遗传算法的风-储混合电站日运行策略优化方法-202110702344.7
- 张新松;徐杨杨;陆胜男;顾菊平;华亮;郭云翔;卢成;陈然;马雨萌 - 南通大学
- 2021-06-24 - 2023-07-21 - G06N3/126
- 本发明涉及风电并网技术领域，具体涉及一种基于遗传算法的风‑储混合电站日运行策略优化方法。包括以下步骤：S1：给定相关参数，包括：实时电价、出力偏差惩罚电价、风‑储混合电站出力偏差最大允许概率、电池储能系统容量、初始荷电状态与最大充放电功率、风电装机容量、风功率预测值、调度时段数；S2：建立风‑储混合电站日运行策略优化模型，优化变量为电池储能系统调度日内的计划充放电序列和功率，优化目标为风‑储混合电站日运行收益最大；S3：在风‑储混合电站日运行工况蒙特卡洛模拟的基础上，采用遗传算法求解风‑储混合电站日运行策略优化模型，给出风‑储混合电站中电池储能系统的最优计划充放电序列和功率。
- 一种基于基因遗传的共识节点选择方法和装置-201910504968.0
- 张瑾玉;杨雨萌;王兴亚;李勇 - 南京大学;大学仕量化（北京）科技有限公司
- 2019-06-12 - 2023-07-21 - G06N3/126
- 本发明公开了一种基于基因遗传的共识节点选择方法和装置。该方法以共识达成率、共识达成时间和经济性作为适应度值的因子，将各个共识节点是否候选编码成一个个染色体的遗传基因，根据遗传基因所确定的是否选中共识节点，对每个染色体选中的共识节点进行适应度值分析，然后根据适应度值的大小进行遗传基因的优选，优选后通过遗传基因的交叉运算和变异运算，得到下一代的群体，通过上述步骤的迭代最终得到适应度值最优的遗传基因，最后根据遗传基因所确定的是否选中共识节点从最优的遗传基因中挑选出共识节点作为优选的共识节点，从而得到联盟链的共识节点优化方案的最优解。
- 一种面向多无人代理的协同火力打击策略生成方法-202310406094.1
- 畅鑫;李艳斌;张冠杰;贾昊;付长军 - 中国电子科技集团公司第五十四研究所
- 2023-04-17 - 2023-07-18 - G06N3/126
- 本发明提供了一种面向多无人代理的协同火力打击策略生成方法，属于智能博弈策略生成领域。本方法包括以下步骤：对抗环境构建，生成初始策略种群，策略种群适应度并行计算，策略种群交叉变异，策略种群迭代进化。本发明面向智能博弈策略生成方法计算量大和训练时间长的问题，将策略表征为动作序列，基于博弈胜率构造适应度，利用并行多开改造进化计算方法，以适应度为优化目标，智能化、自动化、高效的生成协同火力打击策略。
- 一种试卷生成方法、装置、计算机可读存储介质和设备-202210010185.9
- 胡元娇 - 中移(苏州)软件技术有限公司;中国移动通信集团有限公司
- 2022-01-06 - 2023-07-18 - G06N3/126
- 本发明实施例公开了一种试卷生成方法、装置、计算机可读存储介质和设备，方法包括：获得第一种群以及基于组卷相关的第一约束条件确定适应度函数和优化参数；根据适应度函数获得第一种群中的多个个体各自对应的适应度值，确定适应度值排序前三位的第一个体、第二个体和第三个体；基于优化参数利用第一个体、第二个体和第三个体对第一种群中的其余个体进行更新，确定第二种群；确定第二种群的适应度方差值，基于适应度方差值对第二种群进行变异处理，定新的第一种群；在新的第一种群满足第一预设条件的情况下，基于新的第一种群中的目标个体生成目标试卷。本发明组卷通用性好、可扩充性强、效率高，且避免了局部最优。
- 基于单量子遗传算法的RVTDNN超参数选择方法-202211444470.8
- 王雷;焦斌;李公平;王吉章 - 中电信数智科技有限公司
- 2022-11-18 - 2023-07-14 - G06N3/126
- 本发明涉及人工智能技术领域，公开了一种基于单量子遗传算法的RVTDNN超参数选择方法，包括：初始化种群Q(t)中的个体RVTDNN，记个体的染色体所对应的量子比特编码，初始迭代次数为t＝1；对Q(t)进行测量，得到量子比特编码所对应的二进制编码，进而得到所述个体D、N
- 一种基于改进JAYA算法的大气污染物溯源方法-202310506467.2
- 林璐瑶;丁涛;胡立芳;孔凡玉;蔡宇峰;何羽亭;吴晶晶;李金页 - 中国计量大学
- 2023-05-08 - 2023-07-14 - G06N3/126
- 本发明公开了一种基于改进JAYA算法的大气污染物溯源方法，创造性地将JAYA算法与无人机群相结合，引入到大气污染物溯源任务中。将心理学中自我评价理论融入JAYA算法，建立了自我评价二维模型，使各无人机能够根据自身状态的差异，为后续的飞行提供可靠的依据，利于无人机进行下一步决策，并且将社会情感优化算法中的社会评价思想与无人机群有机地融合，根据社会评价规则将无人机分为笨拙个体、普通个体和机敏个体，依照不同个体的更新规则进行位置更新。仿真结果表明，改进后的JAYA算法具有收敛速度快、不易陷入局部最优等特点，在大气污染物溯源问题中展现出较高的溯源效率和溯源成功率。
- 一种改进快速非支配排序遗传算法-202310519459.1
- 白洪涛;胡晓雅;何丽莉;曹英晖;孙成林 - 吉林大学
- 2023-05-10 - 2023-07-14 - G06N3/126
- 本发明公开了一种改进快速非支配排序遗传算法，包括以下步骤：步骤S1:随机初始化父种群P
- 一种基于最大互信息系数的遗传编程变异概率优化方法-202310360793.7
- 钟竞辉;钟联杰 - 华南理工大学
- 2023-04-06 - 2023-07-07 - G06N3/126
- 本发明公开了一种基于最大互信息系数的遗传编程变异概率优化方法。对于传统遗传编程，特征选择的倾向将由初始的完全随机选择走向带偏好的差别选取，本发明约束了遗传编程的搜索方向，从而提升搜索效率。包括：步骤S1，使用最大互信息系数衡量数据集中各特征与目标的相关性大小，并将各特征与目标的相关性大小合并成相关性向量；步骤S2，依据相关性向量确定遗传编程在变异选择新特征时的概率分布；步骤S3，进行遗传编程进化，在遗传编程进化过程中，始终固定所述概率分布，不受种群内各特征选取数量影响。本发明降低了随机初始化对遗传编程整体性能的影响比重，增强了遗传编程在基础问题上的鲁棒性，能够提高训练效率和精度，提升模型泛化性能。
- 一种多维分层进化多任务优化方法-202310303686.0
- 李汉林;韩旭明;王雨薇 - 长春工业大学
- 2023-03-27 - 2023-07-04 - G06N3/126
- 针对进化多任务优化领域问题，本发明公开了一种多维分层进化多任务优化方法，用来解决如何促进多任务间知识的正向知识迁移，充分发挥种群中不同个体的搜索能力问题。该方法包括学习范例生成、分层知识转移等部分，其中学习范例生成部分是通过计算随机辅助任务下优异个体的适应度值占比，强化个体各维度的有益知识，生成高效的学习范例用于知识转移。分层知识转移部分优化匹配个体适应度值，将种群分为开采层、多样层和勘探层，在此基础上形成上述学习范例转移，以协同进化实现勘探和开采能力的高效平衡，有效促进任务间正向知识转移。实验结果表明，该方法在搜索效率和求解精度方面均取得了优异的效果，实现了多任务任务间正向知识的高效转移。
- 一种面向决策变量分组优化的双种群协同进化方法及应用-202310222154.4
- 丁炜超;暴虎;闫恒亮;费细兵 - 华东理工大学;上海长萌实业有限公司
- 2023-03-09 - 2023-06-30 - G06N3/126
- 本发明涉及一种面向决策变量分组优化的双种群协同进化方法及应用，该方法定了CP和DP，所述方法包括：S1，随机初始化种群CP和DP；S2，获取已有多目标优化算法的收敛性变量和多样性变量的分组结果，并对混合变量进行分组；S3，基于链接学习技术，将收敛性变量划分为互不依赖的收敛性变量分组；S4，CP交配选择过程；S5，DP交配选择过程；S6，在CP进化过程中，进行收敛性交叉和变异操作；S7，在DP进化过程中，进行多样性交叉和变异操作；S8，CP和DP环境选择过程；S9，对CP和DP每次迭代后的新种群可采用主从范式进行信息补偿。与现有技术相比，本发明具有优化容器的资源利用率，降低响应时间等优点。
- 一种基于多目标优化的长尾群组推荐方法-201710758117.X
- 柴争义;李亚伦;韩亚敏;王玉林 - 天津工业大学
- 2017-08-29 - 2023-06-30 - G06N3/126
- 本发明属于推荐系统技术领域，公开了一种基于多目标优化的长尾群组推荐方法，首先利用奇异值分解评分矩阵得到用户和物品的特征表示；然后随机产生群组，基于相似度计算发现其代表群组，并结合用户和物品的特征进行群组偏好融合；最后以满意度与流行度为两个目标，采用免疫算法优化候选列表并生成群组的最终推荐结果。本发明的推荐方法可以产生不同准确度与流行度性权重的多个组推荐结果，供用户决策，满足用户对推荐结果多样性的需求。
- 基于MMD和TSP的频域载荷识别的模型迁移学习源域选择方法-202010777752.4
- 王成;陈德蕾;崔振凯 - 华侨大学
- 2020-08-05 - 2023-06-27 - G06N3/126
- 本发明提出一种MMD和TSP的频域载荷识别的模型迁移学习源域选择方法，首先利用MMD距离度量不同频率下样本数据间的差异，得到不同频率间MMD距离矩阵D；其次，通过遗传算法求解访问所有频率所需MMD距离总和的最小代价，求解MMD距离矩阵的TSP问题；最后，利用遗传算法得到迁移顺序频率序列进行频域载荷识别神经网络模型的迁移学习。本发明提出一种MMD和TSP的频域载荷识别的模型迁移学习源域选择方法，通过进行迁移顺序的选择，可以得到更好的神经网络模型，有效提高模型精度，减少训练时间、得到更高的识别精度。
- 一种自适应的算子自动调优方法、系统、设备及存储介质-202310311559.5
- 汪义华;张宇;姜沛林;金莉 - 西安交通大学
- 2023-03-27 - 2023-06-23 - G06N3/126
- 本发明公开了一种自适应的算子自动调优方法、系统、设备及存储介质，使用了复合式的代理模型构建方法，可以达到在不减少代理模型对复杂搜索空间的拟合能力的前提下，控制代理模型的规模，减少因为在线代理模型需要在每此调优迭代后训练更新所带来的时间成本。本发明所采用的概率式代理模型，可以随时评估当前调优迭代中代理模型的不确定性度量，动态地调整每次调优迭代时，待测配置集中随机挑选的配置与基于代理模型搜索挑选的配置之间的比例，使得调优过程能自适应地对代理模型进行“利用‑探索”，能在保证提高调优进程的收敛速度的情况下，反正最终的搜索结果陷入代理模型的局部最优，降低调优后的算子性能表现。
- 基于问题重组的大规模多目标组合优化方法及应用-202310233019.X
- 丁炜超;祝梦杨;时昌银;周贤芳 - 华东理工大学;上海云参科技有限公司
- 2023-03-09 - 2023-06-23 - G06N3/126
- 本发明涉及一种基于问题重组的大规模多目标组合优化方法及应用，方法步骤包括：随机初始化种群；基于决策变量聚类技术，将决策变量分为收敛性变量和多样性变量；采用面向收敛性的定向交叉变异，并结合收敛性环境选择机制，选出最优的个体作为新的亲本种群；在种群遇到选择压力时，进行问题重构，将大规模多目标优化转换为单目标优化；采用面向多样性的定向交叉变异，并结合多样性环境选择机制，选取种群作为新的亲本种群；满足终止条件后，输出亲本种群作为优化目标的最优解集。与现有技术相比，本发明提出的互补搜索策略与问题重构策略，可以解决大规模多目标优化问题，在不同优化阶段分别处理收敛性和多样性问题，避免陷入局部最优的情况。
- 专利分类
