“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]卫星调度方法、处理系统以及软件程序产品-CN201810527426.0在审
发明人：费德里科·邦克海拉;克里斯蒂安·奇尔奇 -专利权人：电视广播有限公司
申请日： 2018-05-23 - 公布日： 2018-12-07 - 主分类号： G06Q10/04 文献下载
摘要：卫星调度方法包括：a)基于与一个或更多个遥感卫星在给定时间段内要执行的任务有关的输入请求来产生初始调度规划；b)将基于遗传算法的处理应用于初始调度规划，以产生基于遗传算法的调度规划，该基于遗传算法的调度规划针对给定的任务目标进行优化，并且符合与卫星资源、要执行的任务以及给定时间段有关的给定约束；以及c)将基于模拟退火的处理应用于基于遗传算法的调度规划，以产生基于模拟退火的调度规划，该基于模拟退火的调度规划适合特定任务目标，符合给定约束，并且在该基于模拟退火的调度规划中比在基于遗传算法的调度规划中调度更多的任务。
调度规划遗传算法模拟退火卫星调度软件程序产品给定时间段处理系统处理应用给定约束任务目标输入请求卫星资源遥感卫星调度优化

[发明专利]基于遗传算法的电除尘器节能优化方法和系统-CN201811413241.3在审
发明人：李逗;王卫群;帅云峰;孙栓柱;张友卫;周春蕾;王林;刘娜娜;黄郑 -专利权人：江苏方天电力技术有限公司;国网江苏省电力有限公司;国家电网公司
申请日： 2018-11-23 - 公布日： 2019-02-15 - 主分类号： G05B13/02 文献下载
摘要：本发明公开了一种基于遗传算法的电除尘器节能优化方法，所述方法包括：S1：创建电除尘机理子系统；S2：采集电除尘器实际运行参数，利用遗传算法对步骤S1中的影响系数K_i进行辨识；S3：采用遗传算法对电除尘器各个电场的二次电流进行优化调整，其中，遗传算法的目标函数为电除尘器总功率最低，约束函数为出口粉尘含量小于设定限值。本发明能够利用对象数学子系统及运行过程数据建立对象灰箱子系统，进一步利用灰箱子系统和遗传算法得出当前工况下的电除尘器最优运行参数，在保证粉尘浓度达标排放的前提下，尽可能降低电除尘器的运行电耗。
电除尘器遗传算法箱子粉尘最优运行参数节能达标排放二次电流目标函数数据建立影响系数优化调整约束函数运行参数运行电耗运行过程电场电除尘总功率辨识优化采集数学创建出口保证

[发明专利]基于遗传算法的风光互补最大功率追踪方法-CN201710579987.0在审
发明人：王英立;郭晶 -专利权人：哈尔滨理工大学
申请日： 2017-07-17 - 公布日： 2018-01-02 - 主分类号： F03D7/00 文献下载
摘要：基于遗传算法的风光互补最大功率追踪方法。遗传算法找到数学模型的最大功率的方法为寻找函数最优解，但采用扰动观察法存在的震荡问题。本发明方法包括得风能利用系数公式；在MATLAB中将风能利用系数公式代入遗传算法工具箱进行计算，找到风能利用系数的最大值Pmax，记录叶尖速比λ值，求出此时的风力机转速n；得出风力机实际的最大功率Pmax；根据遗传算法原理，利用遗传算法工具箱，寻找最优个体；寻找最佳风力机转速；在控制器设计电路中，跟踪这个风力机的转速值，便实现风能的最大功率追踪。
基于遗传算法风光互补最大功率追踪方法

[发明专利]基于遗传算法的火电机组调峰组合总煤耗优化方法及系统-CN202011429535.2在审
发明人：张绪辉;辛刚;赵中华;庞向坤;高嵩;张利孟;刘科;崔福兴;田春晓;段传俊;董信光;杨兴森 -专利权人：国网山东省电力公司电力科学研究院;国网山东省电力公司;国家电网有限公司
申请日： 2020-12-09 - 公布日： 2021-02-12 - 主分类号： G06Q10/04 文献下载
摘要：基于遗传算法的火电机组调峰组合总煤耗优化方法及系统，包括，确定各火电机组的出力范围；确定各火电机组在不同负荷下的煤耗函数模型；获取遗传算法的目标函数，并根据目标函数与最优化问题的转换规则获取遗传算法的适应度函数；根据指数惩罚因子和适应度函数，获取遗传算法的适应度优化函数；基于遗传算法对适应度优化函数进行寻优计算，获得适应度优化函数最优下所对应的目标函数的各变量参数。
基于遗传算法火电机组组合煤耗优化方法系统

[发明专利]一种基于遗传算法的ALD温度控制优化方法及相关设备-CN202211695495.5在审
发明人：肖帅兵;夏洋;周兰江;明帅强 -专利权人：昆明理工大学;嘉兴科民电子设备技术有限公司
申请日： 2022-12-28 - 公布日： 2023-04-07 - 主分类号： G05B13/04 文献下载
摘要：本发明提供一种基于遗传算法的ALD温度控制优化方法及相关设备，其中，上述方法包括：通过历史数据库获取一组历史PID参数；确定遗传算法的PID控制参数及范围，并对所述PID控制参数进行编码；基于所述遗传算法生成n组初始PID参数并代入函数模型进行计算得出误差e(t)，根据所述误差e(t)通过遗传算法的适应度函数计算得到所述n组初始PID参数的参数适应度；基于交叉、变异对种群进行的更新，重复计算所述参数适应度，直至所述遗传算法收敛至期望值或者迭代结束时，选取当前种群中所述参数适应度的数值最大的个体所包括的参数作为PID最优控制参数。
一种基于遗传算法 ald 温度控制优化方法相关设备

[发明专利]一种基于遗传算法的快递分拣方法-CN201810860317.0有效
发明人：樊凯;徐兵兵;李铁军 -专利权人：浪潮软件科技有限公司
申请日： 2018-08-01 - 公布日： 2021-10-15 - 主分类号： G06Q10/08 文献下载
摘要：本发明特别涉及一种基于遗传算法的快递分拣方法。该基于遗传算法的快递分拣方法，以实际供应链为背景，在供应链系统中将快递包裹放入可回收容器中，在快递运输过程中以可回收容器为单位，可回收容器与其封装的快递之间构成包含关系；以可回收容器为单位进行快递分拣时，生成分拣单是一个组合优化问题，因此在快递分拣时采用对组合优化问题行之有效的遗传算法来生成分拣单，根据分拣单进行分拣即可。该基于遗传算法的快递分拣方法，通过利用遗传算法生成的分拣单，制定合理的分拣依据，避免了重复分拣，减少了分拣次数，不仅提高了分拣效率，节省了分拣成本，还减少了快递损坏几率，提高了快递服务质量。
一种基于遗传算法快递分拣方法

[发明专利]基于遗传算法及广义回归神经网络的交通仿真校正方法-CN201410187231.8有效
发明人：张琳;台宪青;王艳军;赵旦谱 -专利权人：江苏物联网研究发展中心
申请日： 2014-05-05 - 公布日： 2016-10-19 - 主分类号： G06F17/50 文献下载
摘要：本发明涉及一种基于遗传算法及广义回归神经网络的交通仿真校正方法，其包括如下步骤：a、选取车辆的平均行程时间作为评价指标，并确定参数校正的目标；b、采集所需的交通数据，以建立交通仿真模型，确定所需的待校正的参数以及对应的取值范围；c、利用遗传算法对上述确定的待校正参数的取值进行寻优计算，并利用广义回归神经网络对遗传算法迭代之后的校正参数组合进行预测；当经过遗传算法迭代后的校正参数组合匹配参数校正目标时，输出相应的校正参数组合，否则，利用遗传算法继续进行迭代，直至迭代后的校正参数组合经广义回归神经网络测试后匹配参数校正目标。
基于遗传算法广义回归神经网络交通仿真校正方法

[发明专利]一种基于遗传算法的激光雷达成像质量探测方法及系统-CN202011222485.0有效
发明人：张子静;赵家乐;谢佳衡;岑龙柱;王志远 -专利权人：哈尔滨工业大学
申请日： 2020-11-05 - 公布日： 2022-08-05 - 主分类号： G01S17/89 文献下载
摘要：一种基于遗传算法的激光雷达成像质量探测方法及系统，属于激光雷达探测技术领域，本发明为解决自适应光学波前矫正技术应用于长距离激光雷达成像技术中存在的问题。本发明方法为：通过遗传算法迭代演化出全局最优相位调制矩阵，将所述全局最优相位调制矩阵前馈加载至发射端的空间光调制器，对激光器输出光束进行相位调制后再发射；遗传算法以相位调制矩阵作为繁衍对象；遗传算法以能量利用率作为成本函数，遗传算法的成本函数为：
一种基于遗传算法激光雷达成像质量探测方法系统

[发明专利]一种基于遗传算法的刚体标记点优化方法、设备以及可读存储介质-CN202110222478.9有效
发明人：黄少光;许秋子 -专利权人：深圳市瑞立视多媒体科技有限公司;深圳市瑞立视智能科技有限公司
申请日： 2021-02-26 - 公布日： 2023-06-09 - 主分类号： G06F30/27 文献下载
摘要：本申请提供了一种基于遗传算法的刚体标记点优化方法，包括：固定每个刚体上的其中一个标记点位置作为刚体中心点，建立遗传算法模型，根据该刚体中心点和遗传算法模型进行优化每个刚体上的每个标记点的x，y，z坐标；设置遗传算法的相关参数，将优化后的每个标记点的x，y，z坐标值作为其中参数，并将该参数归一化映射到[‑1，1]范围，根据遗传算法公式最终得到进化最优的参数，该进化最优的参数则为每个标记点x，y，z坐标的最终优化数据
一种基于遗传算法刚体标记优化方法设备以及可读存储介质

[发明专利]一种模糊神经网络FNN的参数优化及应用方法与系统-CN202110613013.6有效
发明人：唐求;吴娟;滕召胜;吴双双;龚冬成;刘涛;余舟;黄潇;杨莹莹 -专利权人：湖南大学
申请日： 2021-06-02 - 公布日： 2023-05-16 - 主分类号： G06N3/043 文献下载
摘要：本发明公开了一种模糊神经网络FNN的参数优化及应用方法与系统，本发明的模糊神经网络FNN的参数优化方法包括采用自适应交叉概率和变异概率对遗传算法进行改进优化模糊神经网络FNN的参数；应用方法包括建立基于主成分分析及改进遗传算法优化的模糊神经网络模型本发明针对标准遗传算法存在收敛速度慢，容易陷入局部最优解等缺点，采用自适应的交叉概率和变异概率对遗传算法进行改进，通过改进后的遗传算法优化模糊神经网络FNN的参数，从而能够有效提升优化模糊神经网络FNN
一种模糊神经网络 fnn 参数优化应用方法系统

[发明专利]一种基于改进遗传算法和K-均值算法的图像分割方法-CN202010842312.2在审
发明人：张淑琴;王玉龙;卫可;杨凯;何宝元 -专利权人：中国计量大学
申请日： 2020-08-20 - 公布日： 2020-10-09 - 主分类号： G06T7/11 文献下载
摘要：本发明提供了一种基于改进遗传算法和K‑均值算法的图像分割方法，其特征在于：将图像进行去噪处理和转换颜色空间后，使用改进的遗传算法搜索全局的最优解，再利用K‑均值算法进行局部寻优，并以得到的最优解作为K‑均值算法初始聚类中心。解决了遗传算法易陷入局部最优解和K‑均值算法初始聚类中心设定困难的问题，提供了一种可以更快收敛速度和更高分割精度的图像分割方法。
一种基于改进遗传算法均值图像分割方法

[发明专利]基于BAS-IGA算法的配电网重构方法和系统-CN202111472472.3在审
发明人：李立生;刘洋;张世栋;苏国强;刘合金;孙勇;王峰;李帅;于海东;张鹏平;由新红;黄敏;张林利 -专利权人：国网山东省电力公司电力科学研究院;国家电网有限公司
申请日： 2021-12-06 - 公布日： 2022-02-25 - 主分类号： G06F30/27 文献下载
摘要：本发明属于电气技术领域，公开了一种基于BAS‑IGA算法的配电网重构方法和系统，所述方法包括：在海量数据中，基于天牛须搜索算法获取初始种群数据集；基于所述初始种群数据集构建遗传算法模型；通过优化遗传算子和交叉变异概率算法对所述遗传算法模型进行优化，并得到遗传迭代产生的最优解；基于所述最优解完成配电网的网络重构。该方法和系统通过天牛须搜索算法以及遗传算法与配电网重构的融合，解决了电网重构过程中存在不确定性，配电网重构后经济性较差的问题。
基于 bas iga 算法配电网方法系统

[发明专利]一种AGV小车调度及路径规划办法-CN202210304193.4在审
发明人：吴明;陈峥;陈伟斌 -专利权人：高斯机器人（深圳）有限公司
申请日： 2022-03-25 - 公布日： 2022-06-28 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了一种AGV小车调度及路径规划办法，包括给定AGV小车的布局及数据约束、给定AGV小车移动的起始位置以及目标位置、给定AGV小车路径任务、基于遗传算法与神经网络算法相结合的算法进行数据训练得到其参数通过程序监控反馈回来的数据进行分析，并做出优化；本方案通过给定车间布局、AGV尺寸、AGV性能、路径搬运负载等约束，确定导引标线和工位点位置，以及AGV在每条路径段上允许的运行方向，以使系统某项性能达到最优；本方案在传统遗传算法基础上基于光滑度函数改进遗传算法适应度，应用改进遗传算法与深度学习的神经网络算法混合而行成的算法对问题进行求解，实现准确、快速、高效解决AGV调度问题。
一种 agv 小车调度路径规划办法

[发明专利]一种服务器风扇调控方法、系统、设备及介质-CN202310475425.7在审
发明人：于鑫;陈乃阔;魏金銮 -专利权人：西安超越申泰信息科技有限公司
申请日： 2023-04-27 - 公布日： 2023-07-28 - 主分类号： G06F1/20 文献下载
摘要：其中，方法包括：将风扇调度算法的预定参数作为量子遗传算法的输入参数，并基于量子遗传算法的运行方式进行迭代优化得到所述风扇调度算法的预定参数的最优解；将通过量子遗传算法迭代优化得到的预定参数的最优解输入到所述风扇调度算法并将所述风扇调度算法的输出结果作为风扇调控的调控值通过本发明提出的一种服务器风扇调控方法，利用量子遗传算法优化PID参数调控系统风扇，本发明自动根据温度自动调节PID参数，解放了大量人力资源，并且在有效降低风扇功耗的前提下，解决了系统散热问题，提高了产品的核心竞争力
一种服务器风扇调控方法系统设备介质

[发明专利]在低功率控制器上执行遗传算法-CN202010311148.2在审
发明人： S·M·A·侯赛因 -专利权人：激发认知有限公司
申请日： 2020-04-20 - 公布日： 2021-04-16 - 主分类号： G06N3/063 文献下载
摘要：本申请案涉及在低功率控制器上执行遗传算法。一种方法包含从多个模型选择模型的子集。所述多个模型是基于遗传算法生成且对应于所述遗传算法的第一时期。所述多个模型中的每一者包含代表神经网络的数据。所述方法包含关于所述子集的至少一个模型执行所述遗传算法的至少一个遗传操作以生成可训练模型。所述方法包含确定与先前反向传播迭代相关联的改进率。所述方法包含将所述经训练模型作为输入添加到所述第一时期之后的所述遗传算法的第二时期。
功率控制器执行遗传算法