“非支配排序遗传算法 ”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921294个，建议您升级VIP下载更多相关专利

[发明专利]一种基于非支配排序遗传算法的配电网运行优化方法-CN202210578357.2在审
发明人：郝子源;王光;刘倞;黄旭;刘超;杨国朝;徐智;赵长伟;高强伟;刘伟;李东旭;卢明伟;杨阳 -专利权人：国网天津市电力公司;国家电网有限公司;国网天津市电力公司城东供电分公司
申请日： 2022-05-25 - 公布日： 2022-08-16 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于非支配排序遗传算法的配电网运行优化方法，包括如下步骤：步骤1、建立多能配电网运行优化模型；步骤2、利用非支配排序遗传算法对模型进行求解，得到配电网内各设备最优运行情况。本发明通过利用非支配排序遗传算法求解多能配电网运行模型，能够有效对多目标问题进行求解。
一种基于支配排序遗传算法配电网运行优化方法

[发明专利]基于非支配排序和猫头鹰搜索的多工作流调度方法-CN202010407394.8有效
发明人：李慧芳;袁艳;王彬阳;王丹敬;王一竹;黄姜杭;柴森春;夏元清 -专利权人：北京理工大学
申请日： 2020-05-14 - 公布日： 2022-07-05 - 主分类号： G06F9/455 文献下载
摘要：本发明公开了基于非支配排序和猫头鹰搜索的多工作流调度方法，通过同时引入非支配排序遗传算法及猫头鹰搜索算法来计算多工作流调度方案的方法，利用非支配排序遗传算法的多样性生成和保持优点，对种群的50％较优个体进行更新，以保证优良个体的多样性，降低了算法非支配解搜索陷入局部最优的可能性。
基于支配排序猫头鹰搜索工作流调度方法

[发明专利]基于强化学习-非支配排序遗传算法的作业车间调度方法-CN202210641631.6在审
发明人：葛江华;李狄威;朱晓飞 -专利权人：哈尔滨理工大学
申请日： 2022-06-08 - 公布日： 2022-11-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及柔性作业车间调度技术领域，具体涉及一种基于改进非支配遗传算法和强化学习的柔性作业车间多目标调度方法。因为非支配排序遗传算法在求解柔性作业车间多目标优化调度问题中具有多样性不足、易于早熟与局部收敛的缺点，而因为强化学习试错学习的性质，它的探索机制可以极大地解决非支配排序遗传算法多样性不足等缺点。为实现以上目的，本发明提出一种基于改进遗传算法和强化学习的柔性作业车间多目标调度方法。
基于强化学习支配排序遗传算法作业车间调度方法

[发明专利]一种基于精英策略的遗传算法的三级发电机调压控制方法-CN202310513832.2在审
发明人：武新章;潘建臣;张冬冬;郭平辉;穆文婷;童雨斌;蔡贞 -专利权人：浙江超精电机科技有限公司
申请日： 2023-05-08 - 公布日： 2023-09-22 - 主分类号： H02P9/14 文献下载
摘要：本发明公开了一种基于精英策略的遗传算法的三级发电机调压控制方法，包括以下步骤：建立航空三级式发电机的数学模型；构建多参数调压控制器；加入比例、积分环节，构建PI控制器；构建基于精英策略的非支配排序遗传算法控制器；计算基于精英策略的非支配排序遗传算法控制器的适应度函数值；引入了精英策略获取P、I的最小值作为算法的最终输出，优化控制目标。将基于精英策略的非支配排序遗传算法规则引入到PI控制器中，使控制器突破了参数固定的束缚，能够根据电压误差和误差变化率，在线整定控制器参数，具有较强的抗干扰能力，兼具优良的动态和稳态性能，能更好地满足电压调节的实际需求
一种基于精英策略遗传算法三级发电机调压控制方法

[发明专利]带精英策略的非支配排序的遗传算法改方法-CN201810714903.4在审
发明人：吴星;刘天羽 -专利权人：上海电机学院
申请日： 2018-07-03 - 公布日： 2018-12-18 - 主分类号： G06N3/00 文献下载
摘要：本发明提供一种带精英策略的非支配排序的遗传算法改方法，包括步骤：S1：利用Matlab软件将一算数交叉算子替代一NSGA2遗传算法的SBX交叉算子；S2：利用Matlab软件将一基于质心的变异算子替代所述NSGA2遗传算法的多项式变异形式的变异算子；S3：利用Matlab软件对所述NSGA2遗传算法的一扰动向量权重λ进行改进。本发明的一种带精英策略的非支配排序的遗传算法改方法，可改善NSGA2算法的搜索功能较弱，收敛性不足，容易出现局部最优和进化过程不稳定的情况。
遗传算法精英策略排序变异算子交叉算子变异形式进化过程扰动向量搜索功能收敛性替代权重质心算法算数改进

[发明专利]一种基于非支配排序粒子群遗传算法的车辆位置路由方法-CN202111437667.4在审
发明人：刘琼昕;牛文涛;王琰康;王亚男;马旺 -专利权人：北京理工大学
申请日： 2021-11-30 - 公布日： 2022-04-26 - 主分类号： G06N3/12 文献下载
摘要：本发明涉及一种基于非支配排序粒子群遗传算法的车辆位置路由方法，属于人工智能自动驾驶技术领域。本发明提出了一种混合全局局部搜索的非支配排序粒子群遗传算法，使用粒子群算法的变化算子与遗传算法变化算子同时进行种群的进化，提高了搜索能力、加快了收敛速度。使用NSGA‑III算法的选择机制选择进入下一代的个体，实现了种群多样性。将邻域搜索作为局部搜索，能够以更高的概率获得更优解，加快收敛并防止算法后期陷入局部最优解；对次优个体局部搜索能够提高整个种群的Pareto非支配解的比例，提高整个种群解的质量和Pareto非支配解的多样性
一种基于支配排序粒子遗传算法车辆位置路由方法

[发明专利]一种基于新能源最大消纳及发电成本最优的混合调度方法-CN202111487098.4在审
发明人：李胜辉;赵清松;郝建成;马辉;孙峰;杨安全;戈阳阳;张强;董鹤楠;张冠锋;谢赐戬;程绪可;张潇桐;谢冰;王超;袁鹏;李平 -专利权人：国网辽宁省电力有限公司电力科学研究院;国网辽宁省电力有限公司;国家电网有限公司;三峡大学
申请日： 2021-12-06 - 公布日： 2022-04-15 - 主分类号： H02J3/38 文献下载
摘要：本发明公开了一种基于新能源最大消纳及发电成本最优的混合调度方法，本发明首先构建新能源消纳最大以及综合能源系统运行成本最小的目标函数、能量平衡约束条件、系统供能设备约束条件、储能装置约束条件以及旋转备用约束条件；然后将上述约束条件作为非支配排序遗传算法和多目标粒子群算法的约束条件，通过融合非支配排序的遗传算法和多目标粒子群算法，对上述多目标函数求最优解；最后在迭代过程中，根据拥挤距离对种群进行排序，根据排序结果将整个种群分为两部分，其中最好的一半种群通过非支配排序遗传算法优化，另一半种群由多目标粒子群算法进行优化，使它们围绕最佳解决方案收敛。
一种基于新能源最大发电成本最优混合调度方法

[发明专利]SVR神经网络辅助的非支配排序遗传算法的空气源热泵多目标优化设计方法-CN201811619906.6在审
发明人：徐英杰;陈宁;蒋宁;许亮峰 -专利权人：浙江工业大学
申请日： 2018-12-28 - 公布日： 2019-06-07 - 主分类号： G06F17/50 文献下载
摘要：一种SVR神经网络辅助的非支配排序遗传算法的空气源热泵多目标优化设计方法，包括以下步骤：步骤1、根据设计要求进行参数选取和数据处理；步骤2、神经网络的创建、训练以及测试；步骤3、基于训练完成的SVR神经网络，利用非支配排序遗传算法对空气源热泵进行多目标优化；步骤4、通过上述步骤可以根据Pareto解得到最优解的输入变量的参数值，从而得到各个部件的设计参数值，进而反馈给设计者。本发明提供了一种精度较高且能够快速实现对系统的COP和成本多目标优化的SVR神经网络辅助的非支配排序遗传算法的空气源热泵多目标优化设计方法。
多目标优化非支配排序遗传算法空气源热泵神经网络辅助神经网络参数选取输入变量数据处理最优解测试反馈创建

[发明专利]一种基于两层遗传算法的多目标柔性作业车间调度方法-CN202010076205.3有效
发明人：张立果;黎向锋;唐浩;左敦稳;张丽萍;陆开胜;王建明;叶磊;王子旋;刘晋川;刘安旭 -专利权人：南京航空航天大学
申请日： 2020-01-21 - 公布日： 2022-02-18 - 主分类号： G06Q10/06 文献下载
摘要：一种基于两层遗传算法的多目标柔性作业车间调度方法，其特征是改进传统的遗传算法，使经过该遗传算法在有限时间内优化后的种群拥有较高的质量；同时，更改传统遗传算法对多目标问题的求解模式，提出一种双层求解的框架，相比于传统的遗传算法在求解质量上有明显提升。本发明将上述改进遗传算法结合快速非支配排序和拥挤度计算模块，并为其设计了一种特殊的流程框架，将其称作双层遗传算法。该算法可以在有限的时间内获得优秀的非支配解集，拥有很好的实用性，能够很好地运用到实际车间调度中。
一种基于遗传算法多目标柔性作业车间调度方法

[发明专利]一种三值固定极性RM电路面积与功耗的优化方法-CN201810604464.1有效
发明人：汪鹏君;王铭波;符强;张会红;李刚 -专利权人：温州大学
申请日： 2018-06-13 - 公布日： 2022-12-02 - 主分类号： G06F30/3308 文献下载
摘要：本发明公开了一种三值固定极性RM电路面积与功耗的优化方法，采用Pareto准则，不需要多次设置电路面积与功耗的加权系数值就能获取电路的最佳极性集合，并且在非支配排序遗传算法中引入了差分学习机制，设置外部档案库用于存放非支配排序遗传算法在运行过程中每一代最优染色体的位置对应的极性，随机抽取第t‑1代染色体种群中num(rep)条染色体进行高斯变异产生变异染色体群体，然后从外部档案库和变异染色体群体分别随机抽取一定数量的染色体进行二项式交叉产生子代染色体群体，由此保证了非支配排序遗传算法的收敛性和多样性
一种固定极性 rm 电路面积功耗优化方法

[发明专利]带装配阶段和能耗的分布式阻塞流水车间调度方法及系统-CN202110418767.6有效
发明人：李俊青;牛唯;于辉 -专利权人：山东师范大学
申请日： 2021-04-19 - 公布日： 2022-07-22 - 主分类号： G05B19/418 文献下载
摘要：本发明公开了带装配阶段和能耗的分布式阻塞流水车间调度方法及系统，基于分布式阻塞流水车间的参数，构建分布式阻塞流水车间的调度模型；所述分布式阻塞流水车间的调度模型，包括：目标函数和约束条件；基于改进的非支配排序遗传算法，对分布式阻塞流水车间调度模型进行求解，求解过程中假设每个个体作为一个解决方案；最后一次迭代产生的非支配解集中的所有非支配解都允许被视为最优方案；其中，改进的非支配排序遗传算法，是指采用改进的遗传算法的交叉和变异策略来提高全局搜索能力；采用局部搜索策略来增强算法的收敛能力。
装配阶段能耗分布式阻塞流水车间调度方法系统

[发明专利]一种基于浓度策略的非支配遗传算法在飞机翼形设计优化中的应用方法-CN201910293026.2在审
发明人：许焕卫;王瑜;刘椋文 -专利权人：电子科技大学
申请日： 2019-04-12 - 公布日： 2019-08-09 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于浓度策略的非支配遗传算法在飞机翼型优化设计的应用。由于传统的翼型优化方法存在依赖给定气动要求、需要先验数据以及优化算法本身存在收敛性与多样性不高的问题，所以提出了一种基于浓度策略的非支配遗传算法，并应用于飞机翼形设计优化中。首先，参考一般飞机翼型参数化方法确定飞机翼型参数；其次，根据飞机翼型参数计算翼型曲线，建立气动优化设计模型；然后，利用基于浓度策略的非支配排序遗传算法对飞机翼型模型进行优化，接着执行循环直到满足终止条件后输出最优值本发明将基于浓度策略的非支配遗传算法应用在多目标设计优化领域，比传统优化方法具有更强的普适性、更好的全局寻优能力等优点，具有广泛的应用前景。
飞机翼型非支配遗传算法应用飞机翼形设计优化优化非支配排序遗传算法气动优化设计多目标设计参数计算先验数据翼型曲线优化设计优化算法终止条件参数化传统的普适性收敛性寻优翼型多样性参考输出全局

[发明专利]一种含有自适应变异算子的微服务组合多目标优化方法-CN202310668424.4在审
发明人：胡晶晶;徐逍君;管梓宇;何婉超;许卓凡;杨修齐;楚晶 -专利权人：北京理工大学
申请日： 2023-06-07 - 公布日： 2023-08-15 - 主分类号： G06F9/50 文献下载
摘要：本发明将实数编码思想、实数编码中的交叉变异操作、微服务组合问题建模为多目标优化、自适应变异概率应用到快速非支配排序遗传算法中，提出了改进的快速非支配排序遗传算法INSGA‑Ⅱ，该算法将NSGA‑Ⅱ应用到微服务组合问题领域，并改进了NSGA‑Ⅱ的不足，提高种群多样性的同时，防止算法陷入局部最优，大大降低算法陷入“早熟”现象的概率。
一种含有自适应变异算子微服组合多目标优化方法

[发明专利]基于改进非支配遗传算法的多能耦合系统调控优化方法-CN202310348336.6在审
发明人：李云;缪月森;程云国;王井南;吴健;胡哲千;梁钧原 -专利权人：杭州市电力设计院有限公司余杭分公司;国网浙江省电力有限公司杭州市余杭区供电公司;国网浙江省电力有限公司杭州供电公司
申请日： 2023-03-29 - 公布日： 2023-06-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于改进非支配遗传算法的多能耦合系统调控优化方法，涉及多能耦合系统调控领域，包括根据多能耦合系统的仿真模型确定目标函数，再根据父代受控变量和目标函数得到目标函数空间，通过非支配遗传算法对各个父代受控变量进行排序和等级划分，并且对非支配遗传算法加入动态选择最优解的机制加以改进，也即针对最高的等级中包括的父代受控变量的组数选择不同的方式生成子代受控变量，使得在选择出目标函数最优解的可能方向之后朝最优解的方向定向搜寻最优解，
基于改进支配遗传算法多能耦合系统调控优化方法

[发明专利]一种构建子种群和子问题的多目标优化遗传算法-CN201810215322.6在审
发明人：方梓丞;印鉴 -专利权人：中山大学;广东恒电信息科技股份有限公司
申请日： 2018-03-15 - 公布日： 2018-09-28 - 主分类号： G06N3/12 文献下载
摘要：本发明提供一种构建子种群和子问题的多目标优化遗传算法。通过对多个目标函数进行两两组合构建子问题，对多个个体进行非支配排序并按照非支配排序等级划分子种群，并将部分优秀个体加入其它子种群。采用NSGA‑II多目标优化遗传算法让所有个体在各个子问题上以及让子种群在所有目标函数上进行演化后再合并所有种群和子种群的个体在所有目标函数上进行演化，避免算法优化陷入局部最优，保证了种群的物种多样性，提高种群的演化程度，加快算法收敛速度。
子问题子种群种群多目标优化遗传算法构建目标函数排序物种多样性多个目标两两组合算法收敛算法优化合并保证

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条