“进化算法”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果331939个，建议您升级VIP下载更多相关专利

[发明专利]一种基于改进差分进化算法的船舶动力定位推力分配方法-CN201910176370.3有效
发明人：丁福光;余青青;徐玉杰;王元慧;刘向波;王成龙 -专利权人：哈尔滨工程大学
申请日： 2019-03-08 - 公布日： 2021-10-01 - 主分类号： G05D1/02 文献下载
摘要：本发明提供一种基于改进差分进化算法的船舶动力定位推力分配方法，通过确定船舶推进装置布局，载入各推进器的参数，接受目标控制指令，建立推进器最优方向预测模型；将上一刻得到的全局最优方向导入到当前时刻的最优方向预测模型，作为优化改进的差分进化算法的初始种群，通过改进的差分算法获取推进器在当前时刻下的全局最优方向；根据求得的全局最优解，实时更新推进器方向，再通过二次规划法得到推进器的推力。本发明减少了推进器状态调整过程中的推力误差，改善了长期能耗效率和机动性；减少了差分进化算法的搜索维度，解决了差分进化算法收敛速度慢、易陷入局部最优解的问题；使连续时间内得到的全局最优解更平滑，避免了不必要的波动
一种基于改进进化算法船舶动力定位推力分配方法

[发明专利]一种基于种群分解的自适应混合多目标进化方法-CN201210151551.9无效
发明人：刘海林;辜方清;陈磊 -专利权人：广东工业大学
申请日： 2012-05-15 - 公布日： 2012-10-03 - 主分类号： G06N3/12 文献下载
摘要：本发明提出了一种基于种群分解的自适应混合多目标进化方法，是针对目前多目标进化算法的不足。根据目标空间的分布把种群分解成一系列子种群，每一个子种群负责搜索目标空间的一片子区域。为了避免在搜索过程中丢失子区域之间的边界区域，算法动态地调整搜索范围。不同的子区域可能需要不同的搜索方法，如果一种算法在一个子种群变现越优秀，它被选择来进化这个子种群的相邻种群的可能性就越大。算法为每一个子种群分配一个外部集，在子种群与相应的外部集个体之间进行交叉，变异，外部集以一种很低的运算开销保持种群多样性，扩大了搜索区域。分析和实验证明该方法相比传统多目标进化算法更能有效的解决连续的多目标问题。
一种基于种群分解自适应混合多目标进化方法

[发明专利]一种基于多种群协同进化的变异测试数据生成方法-CN201811480651.X有效
发明人：党向盈;巩敦卫;姚香娟;鲍蓉;申坤 -专利权人：徐州工程学院
申请日： 2018-12-05 - 公布日： 2022-05-17 - 主分类号： G06F11/36 文献下载
摘要：本发明公布了一种基于多种群协同进化的变异测试数据生成方法，目的是针对难杀死的变异体，采用多种群协同进化遗传算法生成测试数据时，根据种群进化提供的信息，逐渐的缩减搜索域，以提高生成变异测试数据的效率。首先，基于变异语句的可达难度和涉及程序输入变量个数等指标，确定难杀死变异体；然后，建立基于路径覆盖约束的变异测试数据生成问题的数学模型，最后，针对难杀死变异体，采用多种群协同进化遗传算法，基于种群进化提供的信息
一种基于多种协同进化变异测试数据生成方法

[发明专利]基于量子进化算法的宽角度极紫外Mo/Si多层膜的设计方法-CN201710168208.8在审
发明人：匡尚奇;王一名;张超 -专利权人：长春理工大学
申请日： 2017-03-21 - 公布日： 2017-07-14 - 主分类号： G06F17/50 文献下载
摘要：基于量子进化算法的宽角度极紫外Mo/Si多层膜的设计方法属于极紫外多层膜研发领域，解决了在宽角度极紫外多层膜设计中普遍采用遗传算法优化设计过程中存在的种群规模大、计算过程复杂和求解效率低的问题。该方法步骤如下1)输入量子进化算法的初始极紫外多层膜参数值；2)将多层膜膜系参数进行量子编码，生成量子染色体种群；3)计算各多层膜膜系的适应度，选出最优的膜系结构；4)进化判断，满足优化准则，输出最优多层膜膜系结构，算法停止；否则继续进化；5)通过互补变异和离散交叉更新量子编码的多层膜膜系后转向第3)步。
基于量子进化算法角度紫外 mo si 多层设计方法

[发明专利]一种基于深度进化神经网络的图像识别方法-CN201910410375.8在审
发明人：符明晟;秦展展;侯帅;屈鸿;程路 -专利权人：电子科技大学
申请日： 2019-05-17 - 公布日： 2019-08-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于深度进化神经网络的图像识别方法，属于深度学习、进化算法等领域。本发明在处理图像识别问题时，首先将初始化多个最小神经网络结构作为初始种群，并且通过环境适应度函数对种群中的所有个体进行环境适应度评判；其次利用父代选择算法对个体进行选择；然后对选定的个体进行变异操作，从而产生新一代的种群本发明将进化算法与神经网络相结合，产生出深度进化神经网络算法，并将其应用到图像识别领域中，解决了神经网络模型结构难以选择、超参数难以确定等问题，并且提高了模型搭建的效率。
环境适应度神经网络图像识别进化进化算法种群神经网络结构神经网络模型神经网络算法变异操作初始种群处理图像分类模型模型搭建选择算法初始化新一代多代父代评判重复应用学习

[发明专利]一种基于进化算法的超参数自适应深度推荐方法及装置-CN202110942451.7在审
发明人：尚明生;孙博;吴迪 -专利权人：中国科学院重庆绿色智能技术研究院
申请日： 2021-08-17 - 公布日： 2021-11-12 - 主分类号： G06F16/9535 文献下载
摘要：本发明涉及计算机大数据处理分析技术领域，具体涉及电子商务系统中一种基于进化算法的超参数自适应深度推荐方法，包括S1.接收推荐数据集、S2.模型重构与超参数深度精细化匹配、S3.目标函数统一化构造、S4.计算最后一层反向传播传递误差、S5.种群初始化、S6.进化算法超参数迭代优化、S7.梯度下降更新模型参数、S8.完成训练存储模型；以及一种基于进化算法的超参数自适应深度推荐装置，包括：数据接收模块、数据存储模块、预处理模块及执行模块，采用本发明提供的技术方案，作用于不同的推荐系统用户项目交互数据集，结合差分进化算法的自适应寻优能力，实现超参数的动态自适应，节约计算资源和人力成本。
一种基于进化算法参数自适应深度推荐方法装置

[发明专利]基于超扩散进化图深度学习的多模态血细胞分析快速算法-CN202211680426.7在审
发明人：方正天;董巍;高军涛;罗微 -专利权人：北京轻盈医院管理有限公司
申请日： 2022-12-26 - 公布日： 2023-03-24 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了基于超扩散进化图深度学习的多模态血细胞分析快速算法，所述基于超扩散进化图深度学习的多模态血细胞分析快速算法包括以下步骤：步骤1：细胞分割；步骤2：定量特征提取，通过将多光谱‑额外的数据信息层结合到深度学习中，增强血细胞图像；步骤3：分类；步骤4：预后预测；步骤5：XAI(可解释性人工智能)可视化的处理，本发明基于超扩散进化图深度学习的多模态血细胞分析快速算法，本发明基于超扩散进化图深度学习的多模态血细胞分析快速算法
基于扩散进化深度学习多模态血细胞分析快速算法

[发明专利]基于集成进化长短时记忆神经网络的风速预测方法及设备-CN202310758961.8在审
发明人：黄聪;施佺;赵泰显;平鹏;王光成 -专利权人：南通大学
申请日： 2023-06-26 - 公布日： 2023-09-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于风速预测技术领域，具体涉及一种基于集成进化的长短时记忆神经网络的风速预测方法及设备。本发明方法包含以下步骤：步骤1、采集风电场风速数据并进行预处理；步骤2、确定LSTM模型的基本结构；步骤3、将LSTM模型编码为个体，生成初始种群；对LSTM模型进行训练；使用遗传算法对初始种群进行处理并选择出最优个体；对最优个体进行解码，得到适应度最好的K个LSTM模型；步骤4、对K个LSTM模型进行加权后对其进行训练，通过差分进化算法进行加权值的最优选择，得到集成进化长短时记忆神经网络模型；步骤5、对步骤4中得到的模型进行预测精确度测试本发明使用了遗传算法和差分进化算法优化了LSTM模型的结构和参数值，提高风速预测模型的预测精度。
基于集成进化短时记忆神经网络风速预测方法设备

[发明专利]短期电力负荷预测方法、装置及设备-CN202310724331.9在审
发明人：关艳;高曦莹;陆心怡;孙佳音;杨文烨;曲英男;刘叶;王一苗;闫亦铭;周航;赵健博;蒋婷;蔡亦浓;郭丹;戴菁 -专利权人：国网辽宁省电力有限公司营销服务中心
申请日： 2023-06-19 - 公布日： 2023-09-22 - 主分类号： G06F30/27 文献下载
摘要：所述方法包括获取电力需求时间序列数据，分解为高通系数和低通系数；分别与小波函数进行卷积，得到不同频带的小波系数，并按序排列，得到输入特征向量；将输入特征向量通过差分进化算法对小波系数进行优化，得到基于差分进化优化算法的径向基函数神经网络模型；对基于差分进化优化算法的径向基函数神经网络模型进行参数调整；利用参数调整后的基于差分进化优化算法的径向基函数神经网络模型对未来时间点的负荷进行预测。
短期电力负荷预测方法装置设备

[发明专利]一种智能化的视频内容服务器部署方法及系统-CN201810437355.5有效
发明人：胡心怡;张军;龚月姣;黄家锐;马一宁;肖楚烽 -专利权人：华南理工大学
申请日： 2018-05-09 - 公布日： 2020-07-28 - 主分类号： H04L12/24 文献下载
摘要：本发明提供一种智能化的视频内容服务器部署方法及系统，其方法包括以下步骤：获取网络拓扑信息；根据网络拓扑信息，对进化算法的染色体进行编码，每个染色体数组表示一个可行解；然后，根据可行解生成多源点多汇点的网络拓扑模型，作为初始服务器部署方案；将多源点多汇点的网络拓扑模型转换为单源点单汇点的网络拓扑模型；通过最小费用最大流算法确定进化算法中每个网络拓扑模型适应度的值；采用进化算法进行多次迭代，不断进化，保留每代中适应值最小的个体
一种智能化视频内容服务器部署方法系统

[发明专利]一种基于微分进化算法的编队队形重构方法-CN201910540458.9有效
发明人：孙伟;卞磊;陆伟 -专利权人：西安电子科技大学
申请日： 2019-06-21 - 公布日： 2021-08-31 - 主分类号： G05D1/10 文献下载
摘要：本发明涉及无人机编队控制领域，特别是涉及一种基于微分进化算法的编队队形重构方法。其特征是：至少包含以下步骤：步骤1)给出固定翼无人机的运动方程，建立无人机编队数学模型；步骤2)给出无人机编队飞行的整体代价函数；步骤3)改进的优化种群微分进化算法，采用改进的优化种群微分进化算法求解步骤本发明将无人机编队运动问题的求解化解为多个相对独立的无人机运动方程的求解，简化了求解的难度以及问题的复杂度，采用改进的优化种群微分进化算法对无人机编队重构的代价函数最小化问题进行求解，快速有效的实现无人机编队的重构
一种基于微分进化算法编队队形方法

[发明专利]一种搭载RFID的无人机盘库路径规划方法-CN202011347371.9有效
发明人：潘楠;孙雨轩;陈启用;刘海石;潘地林 -专利权人：昆明理工大学;昆明智渊测控科技有限公司
申请日： 2020-11-26 - 公布日： 2023-08-11 - 主分类号： G06Q10/08 文献下载
摘要：本实发明公开了一种搭载RFID的无人机盘库路径规划方法，属于无人机路径规划技术领域，所述的方法包括首先建立无人机在工业仓库盘点中的路径规划模型；然后基于所建立的无人机货物盘点模型，采用改进的基于狮群的差分进化混合算法，将盘库路径的寻优过程映射到种群的繁殖进化过程中；同时引入狮群算法的操作对差分进化算法进行混合和改进，利用改进的混合差分进化算法对无人机盘库航迹进行优化，从而得到机无人机规划路径。
一种搭载 rfid 无人机盘库路径规划方法

[发明专利]量子差分进化算法优化SVM的滚动轴承故障诊断方法-CN202110923559.1有效
发明人：李媛媛;孙祺淳;方志军;徐华;曹乐;李小刚 -专利权人：上海工程技术大学
申请日： 2021-08-12 - 公布日： 2023-07-25 - 主分类号： G06N20/10 文献下载
摘要：本发明涉及一种量子差分进化算法优化支持向量机的滚动轴承故障诊断方法，将待故障诊断的滚动轴承的输入特征矩阵P输入到所述故障诊断模型中，得到一维列向量Q，Q中出现1代表内圈故障，出现2代表滚动体故障，出现3本发明使用量子差分进化算法优化支持向量机模型，从而实现参数的自适应调整。相比传统的差分进化算法，量子的差分进化算法在优化支持向量机模型时，可以减少需要花费的时间，提高优化的精度，使得模型拥有更可靠的故障诊断性能。
量子进化算法优化 svm 滚动轴承故障诊断方法

[发明专利]一种基于并行协同演化的高维多目标优化算法-CN201810045018.1在审
发明人：王甲海;岑彬忠;印鉴;潘文杰 -专利权人：中山大学;广州中大南沙科技创新产业园有限公司
申请日： 2018-01-17 - 公布日： 2018-08-21 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于并行协同演化的高维多目标优化算法，该算法维持两个种群：一个种群负责寻找极值点，另一个种群负责在整个决策空间中搜索一组兼顾收敛性与多样性的解。这两个种群协同演化。在整个进化过程中，两个种群分别有自己的演化方式，同时它们之间又存在信息交流和信息共享。在算法框架中，任何基于帕累托占优的多目标进化算法都可以应用在负责在整个决策空间中搜索一组兼顾收敛性与多样性的解的种群上。该框架改善了基于帕累托占优的多目标进化算法在高维多目标优化问题上的性能，克服了传统基于帕累托占优的进化算法在求解高维多目标问题时性能急剧恶化的缺点，平衡了高维多目标优化问题求解的收敛性和多样性。
种群高维收敛性多目标进化算法多目标优化算法多目标优化决策空间协同多样性并行搜索多目标问题进化过程进化算法算法框架问题求解信息共享信息交流演化方式极值点求解算法恶化平衡应用

[发明专利]一种新的配电网蓄电池储能系统的优化配置算法-CN201410038489.1在审
发明人：卫志农;向育鹏;孙国强;孙永辉;董明;滕德红;高沁;李海欣 -专利权人：河海大学
申请日： 2014-01-26 - 公布日： 2014-05-28 - 主分类号： G06Q10/04 文献下载
摘要：本发明公布了一种新的配电网蓄电池储能系统的优化配置算法。根据差分进化算法操作简单、处理离散变量方便和原对偶内点法鲁棒性好、计算速度快的特点，提出一种以差分进化算法为框架优化离散变量，原对偶内点法优化连续变量的混合求解算法。在差分进化的每一次迭代中，采用原对偶内点法对种群中每个个体的连续变量进行优化，并将目标函数值作为个体的适应度值。算例分析结果表明，该混合算法适用于含有离散-连续变量的线性/非线性混合优化问题，并且搜索能力强、数值稳定性好。
一种配电网蓄电池系统优化配置算法

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条