“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349358个，建议您升级VIP下载更多相关专利

[发明专利]一种改进遗传算法的共享单车停放点分配方法-CN201910376118.7有效
发明人：陈观林;施嘉伟 -专利权人：浙江大学城市学院
申请日： 2019-05-07 - 公布日： 2021-01-05 - 主分类号： G06N3/12 文献下载
摘要：本发明涉及改进遗传算法的共享单车停放点分配方法，包括数学模型的构建，多目标遗传算法的实现以及融入线性回归的改进遗传算法；多目标遗传算法的实现包括：1)编码和初始化种群；2)解码与适应度函数；3)快速非支配排序和拥挤度计算；4)选择和交叉；5)精英策略；融入线性回归的改进遗传算法包括：1)训练集处理与编码；2)回归系数的处理。本发明的有益效果是：本发明设计了基于多目标遗传算法的停放点分配系统框架，把距离代价作为单一决策变量，在遗传算法的解码过程中融入了线性回归进行优化，新算法能够在更短的时间内找出最优解，改善了遗传算法的搜索能力
一种改进遗传算法共享单车停放分配方法

[发明专利]基于锅炉燃烧特性的神经网络预测方法-CN202210378201.X有效
发明人：李超;邱丹;姚睿;龙格姝婷;刘炘坤;廖先;刘莉;杨勇;徐建局 -专利权人：武汉博赛环保能源科技有限公司
申请日： 2022-04-12 - 公布日： 2022-06-21 - 主分类号： G06F30/27 文献下载
摘要：本发明提出了基于锅炉燃烧特性的神经网络预测方法，基于两层遗传算法和BP神经网络建立锅炉燃烧预测模型，通过第一层遗传算法保留群体精英，可保证收敛性，第二层遗传算法添加新的种群至第一层遗传算法保留下的精英群体中，可保证遗传算法的群体多样性，防止群体收敛在个别少数解上；第一层遗传算法中交叉概率在迭代前期取较大值可快速找到全局最优点；在迭代后期交叉概率取较小值，可避免破坏已找到的最优点的结构而导致不能收敛的情况；第一层遗传算法中变异概率采用变概率的方法可以避免遗传算法陷入局部最优点；第二层遗传算法选出适应度最高的个体并直接进行解码操作，不需要进行交叉和变异操作，可保证遗传算法尽快地收敛至极值点。
基于锅炉燃烧特性神经网络预测方法

[发明专利]基于遗传算法排课系统的设计方法-CN202010544724.8在审
发明人：孙光民;李亚辉 -专利权人：北京工业大学
申请日： 2020-06-15 - 公布日： 2020-10-16 - 主分类号： G06Q10/06 文献下载
摘要：基于遗传算法排课系统的设计方法属于算法理论中算法分析与设计领域，针对现有技术中遗传算法的编码方式不准确、交叉变异率的固定不变，适应度函数的不合理，本发明对传统遗传算法的编码方式进行改进，由传统的二进制编码改进为含有特定意义的十进制编码方式本发明中的遗传算法的交叉率和变异率会随适应度自动变化，改进遗传算法的自适应交叉率和变异率能够可以使算法较快收敛到全局最优解。并在教学时间段分配的均匀度、学生课程安排均匀度、课程时间段安排优度等方面对适应度函数进行改进，并对传统的遗传算法和改进后的遗传算法进行实验数据对比，结果改进后的遗传算法在排课中的性能和效率更令人满意。
基于遗传算法系统设计方法

[发明专利]一种基于在线遗传算法的无人天车摆角控制方法-CN202010705273.1在审
发明人：李明宇;王映红;张科科 -专利权人：唐山钢铁集团有限责任公司;河钢股份有限公司唐山分公司
申请日： 2020-07-21 - 公布日： 2020-12-04 - 主分类号： B66C13/06 文献下载
摘要：本发明涉及一种基于在线遗传算法的无人天车摆角控制方法，属于冶金自动化技术领域。本发明的技术方案是：计算遗传算法适应度，遗传算法选择、遗传算法交叉、遗传算法变异、遗传算法收敛判断和遗传算法解码；根据天车的摆角设定值和现场实际摆角值对遗传染色体进行更新迭代，将优化后的P、I、D参数存入无人天车
一种基于在线遗传算法无人天车控制方法

[发明专利]永磁同步电机参数辨识方法、电子设备和存储介质-CN202210610099.1在审
发明人：彭思齐;郭旦;彭鸿羽;李伟俊;王婧;李福;陈思溢 -专利权人：湘潭大学;佛山湘潭大学绿色智造研究院
申请日： 2022-05-31 - 公布日： 2022-08-23 - 主分类号： H02P21/14 文献下载
摘要：本发明提供了一种永磁同步电机参数辨识方法，包括以下步骤：基于永磁同步电机在d‑q轴坐标系下的数学模型，确定改进遗传算法的适应度函数；使用改进遗传算法对永磁同步电机进行参数辨识；其中，改进遗传算法是指，遗传算法每进化X代则采用拟牛顿法对遗传算法的结果进行一次寻优。
永磁同步电机参数辨识方法电子设备存储介质

[发明专利]基于遗传算法的矩形块排样顺序确定方法和装置-CN201910668846.5在审
发明人：李一博;郭巧;冯永芳;赵笑;桑宏报 -专利权人：天津大学
申请日： 2019-07-23 - 公布日： 2019-10-29 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于遗传算法的矩形块排样顺序确定方法和装置，属于矩形块排样技术领域。基于遗传算法的矩形块排样顺序确定方法，包括：设置遗传算法达到的适应度值保持不变的遗传代数上限值；将矩形块进行编码，得到多个编号区域，在不同编号区域内生成多个个体作为初代种群；计算初代种群中每个个体的适应度值，取每个编号区域中适应度值最大的个体作为交叉变异的基础种群；对遗传算法的变异环节提出一种多点顺序变异方法，当遗传算法的遗传代数大于等于遗传代数上限值时，则结束该遗传算法。本发明改变了原有遗传算法中变异的方式以及交叉变异的个体来源，提高了矩形模板的平均利用率。
遗传算法矩形块排样编号区域顺序确定遗传代数适应度种群方法和装置平均利用率个体来源矩形模板顺序变异环节

[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]基于钩缓装置模型的重载列车运行曲线多目标优化方法-CN201811600806.9有效
发明人：付雅婷;原俊荣;刘鸿恩;李中奇;罗显光;孙俊勇;杨辉 -专利权人：华东交通大学;中车株洲电力机车有限公司
申请日： 2018-12-26 - 公布日： 2022-06-14 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了基于钩缓装置模型的重载列车运行曲线多目标优化方法，结合重载列车运行线路约束条件，建立列车运行过程动态纵向动力学模型与钩缓装置模型，运用多目标遗传算法建立列车优化操纵模型，同时考虑到遗传算法的早熟现象，采用自适应算法动态调整遗传算法参数，自适应与遗传算法相结合的自适应遗传算法可以在保持种群多样性的同时，保证了遗传算法的收敛性，获得一条列车运行优化曲线。对于复杂的非线性重载列车运行过程，建立列车运行过程动态纵向动力学模型与钩缓装置模型，运用多目标遗传算法建立列车优化操纵模型，优化列车运行曲线，实现列车安全、正点、节能运行。
基于装置模型重载列车运行曲线多目标优化方法

[发明专利]一种基于离散型遗传算法的高效低脉动叶片泵优化方法-CN202110108797.7有效
发明人：王文杰;裴吉;陈金维;袁寿其;甘星城;龚小波;张猛 -专利权人：江苏大学
申请日： 2021-01-27 - 公布日： 2022-01-04 - 主分类号： G06F30/17 文献下载
摘要：本发明公开一种基于离散型遗传算法的高效低脉动叶片泵优化方法，包含以下步骤：步骤1、将基本遗传算法中的连续设计变量转化成离散设计变量，得到离散型遗传算法；步骤2、通过标准测试函数对所述离散型遗传算法进行测试；步骤3、若所述离散型遗传算法的测试结果满足预设要求，则通过测试后的所述离散型遗传算法对叶片泵进行非定常特性优化。
一种基于离散遗传算法高效脉动叶片泵优化方法

[发明专利]动态经济负荷分配-CN200610140672.8有效
发明人：叶晨洲;向珣玮;张丹青;贺晋卫 -专利权人：霍尼韦尔国际公司
申请日： 2006-09-29 - 公布日： 2008-04-02 - 主分类号： H02J4/00 文献下载
摘要：在实施方案中，系统和方法提供了对遗传算法的约束，并且还向遗传算法提供了动态规划能力。然后该系统和方法在有限数量的时间间隔上，在数个发电机组之间，以遗传算法和遗传算法的动态规划能力约束的函数的分配负荷需求。
动态经济负荷分配

[发明专利]一种基于遗传算法的数据聚类分析方法-CN201910242200.0在审
发明人：王利鑫 -专利权人：山东浪潮云信息技术有限公司
申请日： 2019-03-28 - 公布日： 2019-08-30 - 主分类号： G06K9/62 文献下载
摘要：本发明特别涉及一种基于遗传算法的数据聚类分析方法。该基于遗传算法的数据聚类分析方法，首先从要聚类的样本集选出初始种群；对选出的初始种群执行遗传算法；对执行完遗传算法后产生的新种群执行K‑means操作；步骤(A)‑步骤(C)反复循环，直到寻找出聚类问题的最优解该基于遗传算法的数据聚类分析方法，将K‑means算法的局部寻优与遗传算法的全局寻优相结合，通过多次选择、交叉、变异的遗传操作，最终得到最优的聚类数和初始质心集，克服了传统K‑means算法的局部性和对初始聚类中心的敏感性
遗传算法数据聚类分析聚类初始种群寻优算法初始聚类中心反复循环遗传操作有效分类局部性新种群样本集最优解质心全局

[发明专利]基于遗传蚁群混合算法的视频服务器选址方法-CN201810345215.5有效
发明人：阮幼林;朱奇奇 -专利权人：武汉理工大学
申请日： 2018-04-17 - 公布日： 2021-07-06 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于多约束优先级的遗传蚁群混合算法的视频服务器选址方法，该混合算法将改进遗传算法与蚁群优化算法多次结合，先执行改进遗传算法，将改进遗传算法生成的一组问题近优解转化为蚁群算法的初始信息素分布，然后执行基于多约束优先级分配策略的遗传蚁群混合算法。本发明克服了传统遗传算法单一约束优先级分配策略找不到问题最优解的缺点，以及传统遗传算法采用赌轮盘的选择算子，降低了群体的多样性，容易陷入局部最优的问题。
基于遗传混合算法视频服务器选址方法

[发明专利]一种基于蚁群混沌遗传算法的片上网络映射方法-CN201110283124.1无效
发明人：潘红兵;易伟;何书专;王佳文;李丽 -专利权人：南京大学
申请日： 2011-09-22 - 公布日： 2012-06-20 - 主分类号： G06F17/50 文献下载
摘要：一种基于蚁群混沌遗传算法的片上网络映射方法，以标准蚁群算法为基础，同时引入遗传算法，对每只蚂蚁的参数采用实数编码，并以该编码为遗传算法中的染色体，在每一轮迭代中使用遗传算法对编码过的蚁群算法参数进行调整在算法运行过程中，本发明还对算法中每一轮循环的结果进行监测，如果监测到算法陷入局部最优解，则通过引入混沌模型的方法加大遗传算法的突变概率，进而再通过遗传算法修改蚁群算法参数。本发明可以有效提高算法对解空间的搜索能力，避免其停滞于局部最优解，对于大规模片上网络映射问题的求解有着良好的实用价值和广泛的应用前景。
一种基于混沌遗传算法网络映射方法

[发明专利]一种基于深度强化学习和遗传算法的分批调度优化方法-CN202011373229.1有效
发明人：谭琦;贾铖钰;余荣坤;孙晨皓;唐昊;夏田林 -专利权人：合肥工业大学
申请日： 2020-11-30 - 公布日： 2022-11-04 - 主分类号： G06N3/12 文献下载
摘要：本发明属于生产制造调度领域，公开了一种基于深度强化学习和遗传算法的分批调度优化方法，包括步骤：建立差异工件批调度问题的数学模型；采用指针网络建立该问题的策略模型；利用actor‑critic算法训练指针网络模型；定义并初始化遗传算法的参数；使用训练完成的指针网络优化遗传算法的初始种群；采用遗传算法对调度方案进行进一步优化；利用遗传算法得到的最优方案作为批处理机加工工件的生产方案。本发明中的指针网络相较于传统的启发式算法，可以获得更优的解；并且在遗传算法的交叉操作中，提出了一种新型的交叉方式，可以在指针网络所得调度方案的基础上，利用提高遗传算法的寻优能力，进一步提升方案的性能。
一种基于深度强化学习遗传算法分批调度优化方法

[发明专利]一种基于遗传算法和爬山算法的混凝土配送车辆调度方法-CN201711059858.5在审
发明人：薛建英;韩凯敏;孟繁敏;韩江帆;李淑慧;王珂;李洪;谭萍;裴悦;高艺璇;张晟;阎超;宁澎 -专利权人：中北大学
申请日： 2017-11-01 - 公布日： 2018-01-19 - 主分类号： G06Q10/04 文献下载
摘要：针对混凝土车辆调度问题，加入了时间窗惩罚机制，建立数学模型，使用基于遗传算法和爬山算法的混合遗传算法求解模型，最后得出该模型的最优车辆调度方案。该优化方法将人工智能算法中的遗传算法与爬山算法结合起来,充分利用了遗传算法较强的全局搜索能力与爬山算法较强的局部搜索能力，在遗传算法过程中加入爬山操作，有效地提高了算法的收敛速度和搜索最优解的能力。
一种基于遗传算法爬山混凝土配送车辆调度方法

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