-
公开(公告)号：CN111562837A
公开(公告)日：2020-08-21
申请号：CN202010368714.3
申请日：2020-05-02
Applicant: 桂林理工大学
IPC: G06F1/3234 , G06F1/329 , G06F9/48
Abstract: 一种多CPU/GPU异构服务器的功耗控制方法。首先用户将作业提交到服务器功耗控制框架，其中的作业调度器接收到作业后初始化，获取作业信息；接着，作业调度器将作业信息发送到功耗控制器，对信息进行绑定后，功耗控制器内部的最佳选择方法按照作业信息选取一种策略给每个处理组件分配功率预算。然后每个处理组件向功耗控制器返回功耗情况，按照返回的功耗情况，功耗控制器中的最佳选择方法自我更新，完成后方法重置。本发明以服务器吞吐量最大化为目标，提出了一种采用强化学习的功耗控制方法，其时间复杂度是多项式时间，可以适用于处理在线的、大规模作业；采用强化学习的方法自动选取策略，能够自我学习、自我更新，可以适用于各种不同场景。
-
公开(公告)号：CN111240804A
公开(公告)日：2020-06-05
申请号：CN202010028878.1
申请日：2020-01-12
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于资源管理的云数据中心成本优化方法。本发明通过在工作流-前端虚拟机提出一种基于蚁群最优化方法的工作流资源管理方法，解决具有相互依赖关系的工作流在前端虚拟机上的资源管理问题。在前端虚拟机-后台服务器层，提出基于贪心策略的多类型虚拟机部署方法，将虚拟机更加快速的部署到物理机上，进而减少费用开销。基于在两层架构上的资源管理框架，将费用作为一个优化指标，形成一种基于资源管理的云数据中心成本优化方法。形成的两层联合资源管理具有高度的自动化，可以使资源分配的更加有序，提高整体资源的利用率，有效的减少时间，节省费用成本，提高服务质量。
-
公开(公告)号：CN109919485A
公开(公告)日：2019-06-21
申请号：CN201910168725.4
申请日：2019-03-06
Applicant: 桂林理工大学
Abstract: 本发明适用于水资源配置领域，提出了一种基于NSGA-II的水资源配置的多目标优化方法，包括：将水资源配置约束优化问题转化为包含两个目标的多目标优化问题，第一目标为最大化人们生活用水效益，第二目标为最大化工业用水效益；建立相应的多目标优化模型，多目标优化模型的特征是以最大化第一和第二目标函数值，采用基于NSGA-II进化算法对多目标优化模型进行求解。通过将水资源配置这一复杂的约束优化问题转化为包含两个多目标优化问题并利用多目标优化方法克服传统方法求解的不足，满足人们日常生活用水的同时对可利用的水资源在区域间和各用水部门进行最优化的分配，实现综合效益最大。
-
公开(公告)号：CN103632335B
公开(公告)日：2017-02-01
申请号：CN201310718013.8
申请日：2013-12-23
Applicant: 桂林理工大学
IPC: G06T1/00
Abstract: 本发明公开了一种链式向量空间隐藏模型的图像无损信息隐藏方法。对原始灰度图像载体互不重叠的划分形成图像块，对每个图像块进行整型小波变换取出其高频系数降维形成一维向量；该向量投影到A向量空间中，调整其系数值生成新向量，实现信息隐藏；然后将该新向量投影到B向量空间中，调整其系数生成新向量，实现信息隐藏；该新向量投影到A向量空间中；如此循环，直到当前信息完全隐藏或者影响到含信息的图像块质量结束。本发明方法基于整数小波变换的频域技术特点，将水印信息能均匀地分布到图像中，达到弱化隐藏信息对图像视觉的影响及提高水印信息的鲁棒性目的，同时能将大量的信息隐藏到图像载体中，适用于图像的可重复利用地隐秘通信。
-
公开(公告)号：CN103632335A
公开(公告)日：2014-03-12
申请号：CN201310718013.8
申请日：2013-12-23
Applicant: 桂林理工大学
IPC: G06T1/00
Abstract: 本发明公开了一种链式向量空间隐藏模型的图像无损信息隐藏方法。对原始灰度图像载体互不重叠的划分形成图像块，对每个图像块进行整型小波变换取出其高频系数降维形成一维向量；该向量投影到A向量空间中，调整其系数值生成新向量，实现信息隐藏；然后将该新向量投影到B向量空间中，调整其系数生成新向量，实现信息隐藏；该新向量投影到A向量空间中；如此循环，直到当前信息完全隐藏或者影响到含信息的图像块质量结束。本发明方法基于整数小波变换的频域技术特点，将水印信息能均匀地分布到图像中，达到弱化隐藏信息对图像视觉的影响及提高水印信息的鲁棒性目的，同时能将大量的信息隐藏到图像载体中，适用于图像的可重复利用地隐秘通信。
-
Patent Agency Ranking
公开(公告)号：CN119935150A
公开(公告)日：2025-05-06
申请号：CN202510321900.4
申请日：2025-03-18
Applicant: 桂林理工大学
IPC: G01C21/20
Abstract: 一款基于反向双曲人工蜂群算法的智能无人机路径规划系统，旨在通过创新算法解决无人机路径规划问题。该系统建立地形环境模型，在需要规划的两个需求点之间进行无人机路径规划。保证生成的路径遵守无人机飞行限制的同时，实现高效，安全的路径规划。通过在多个地形模型上进行初步测试，结果显示该系统能够规划出更加平滑，飞行成本更低的路径。在全球经济加速和无人机应用快速增长的背景下，无人机路径规划成为关键环节。该系统综合考虑地形环境，充分搜索可行空间，提升算法收敛性与多样性，最后生成可靠的路径。通过基于反向双曲人工蜂群算法的智能无人机路径规划系统，无人机能够更加快速高效地完成任务，节省燃油，实现整体效益最大化。
-
公开(公告)号：CN119090042A
公开(公告)日：2024-12-06
申请号：CN202410976622.1
申请日：2024-07-21
Applicant: 桂林理工大学
IPC: G06Q10/04 , G06Q10/083 , G06N3/126
Abstract: 本发明公开了一款基于多任务模型的民航货机智能配载系统。目前，国内航空物流配载的主流方式是人工配载，员工依据自身经验进行货物配载，有一定的灵活性，但是在效率、安全性以及成本上无法同智能配载相比，无法最大化利润差。本发明主要将民航货机配载问题转化为基于多任务模型的约束多目标优化问题，设计一个民航货机智能配载系统。系统将总成本以及货物数量作为优化目标，同时考虑每个航班中货物的重量和体积限额、剩余运力以及特殊货物装载要求等因素，构建主任务模型（含约束）和辅助任务模型（无约束）。利用matlab技术进行数学模型建模，通过本系统智能优化推出的分配方案给出最优的配载，最终实现整体利益最大化。
-
公开(公告)号：CN119090041A
公开(公告)日：2024-12-06
申请号：CN202410976621.7
申请日：2024-07-21
Applicant: 桂林理工大学
IPC: G06Q10/04 , G06Q10/083 , G06N3/126
Abstract: 本发明公开了一款航空物流集装器配载优化方法，旨在解决航空物流领域的人工配载限制和时间消耗的问题。目前，航空物流货邮量逐渐扩大，传统的人工配载方式依赖员工经验难以保证集装器空间利用率最大化和利润无法最大化的问题。本发明主要是将航空物流领域下的实际问题转化为约束多目标优化问题，构造一套智能配载方法。配载方法主要考虑总成本的最小化以及集装器载重量最大化，其中总成本包括时间成本以及运输成本，同时考虑集装器的承载重量和最大体积的限制约束和特殊货物的装载要求等因素。利用matlab技术进行数学建模，本系统将会结合考虑货物信息、集装器信息和各种约束信息来智能优化分配方案给出最优的配载，最终实现整体利益最大化。
-
公开(公告)号：CN118100208A
公开(公告)日：2024-05-28
申请号：CN202410301674.9
申请日：2024-03-16
Applicant: 桂林理工大学
IPC: H02J3/16 , G06F30/20 , G06N3/126 , G06F113/06 , G06F111/06 , G06F111/04
Abstract: 本发明公开了一种用于求解海上风电场无功优化问题的约束多目标优化方法。该方法通过将海上风电场的无功功率优化问题建模为一个约束多目标优化问题，并采用进化算法进行求解。具体而言，本方法将问题分为两个关键步骤：问题建模和算法优化。在问题建模中，通过定义控制变量和状态变量，并考虑各项约束条件，将海上风电场无功功率优化问题转化为一个具有多个冲突目标和约束条件的复杂优化问题。在算法优化中，提出了一种新的两阶段协同进化方法，通过两个种群的协同演化，并结合基于支配和基于分解的方法，有效地求解海上风电场无功优化问题。本方法相较于传统方法具有更高的求解效率和准确性，在实际应用中具有广泛的应用前景和重要的工程意义。
-
公开(公告)号：CN118097290A
公开(公告)日：2024-05-28
申请号：CN202410301719.2
申请日：2024-03-16
Applicant: 桂林理工大学
IPC: G06V10/764 , G06V10/774 , G06N3/0455 , G06N3/08 , G06F17/18 , G06N5/02
Abstract: 本发明专利公开了一种基于一对多分解策略的神经网络自适应下采样方法。首先获取不平衡图像数据集，然后利用改进的一对多分解策略将数据集划分为若干个子数据集同时将每一个子数据集中的少数类使用自动编码器进行预训练，接着使用预训练的模型预测多数类样本的特征值并计算与少数类特征值之间的欧式距离，最后综合各子任务的差异筛选出待删除的多数类候选点样本。本发明能有效地针对不平衡相似图像数据集进行自适应欠采样，有效缓解多数类样本信息的严重丢失问题，并帮助分类器提升不平衡场景下的分类性能。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.036 seconds)
