-
公开(公告)号：CN110264750B
公开(公告)日：2020-11-13
申请号：CN201910516016.0
申请日：2019-06-14
申请人： 大连理工大学
摘要： 一种基于多任务深度Q网络的Q值迁移的多交叉口信号灯协同控制方法，属于人工智能与智能交通的交叉领域。本方法首先将多交叉口建模为一个多Agent系统，在多交叉口上训练一个适合每个交叉口信号灯控制的多任务网络，然后把它在多交叉口上学到的知识用在目标问题上，多任务网络将比单个网络拥有更多的知识，对单个交叉口提取特征的能力更强，最后通过协同算法对目标域中各个交叉口的信号灯进行协同控制。本发明方法在一定程度上能够平衡各路口的交通流量，提高区域交通中道路的利用率，减少车辆的排队长度，缓解交通拥堵。该方法对交通网络具有较好的可扩展性。
-
公开(公告)号：CN110335193A
公开(公告)日：2019-10-15
申请号：CN201910516012.2
申请日：2019-06-14
申请人： 大连理工大学
摘要： 本发明提供一种基于生成对抗网络的目标域导向的无监督图像转换方法，属于计算机视觉领域。本发明用来实现无监督的跨领域图像到图像的转换任务，属于计算机视觉领域。本方法设计了一个自编码重构网络，通过最小化源域图像的重构损失来提取源域图像的分层表征。同时，通过权值共享策略，共享网络模型中的两组生成对抗网络中编码和解码高层语义信息的网络层的权值，以保证输出图像能够保留输入图像的基本结构和特征。然后，两个判别器分别用来区分输入图像是各自领域的真实图像还是生成的图像。本方法能够有效进行无监督的跨域图像转换，生成高质量的图像。实验证明所提方法在CelebA等标准数据集上取得了很好的结果。
-
公开(公告)号：CN108182243A
公开(公告)日：2018-06-19
申请号：CN201711461284.4
申请日：2017-12-28
申请人： 大连理工大学
摘要： 本发明属于进化算法分布式并行领域，提供了一种基于Spark的分布式进化算法岛模型并行化方法。该方法解决单机进化算法求解大规模组合优化的效率问题，实现基于岛模型的同质与异质分布式进化算法，其中异质算法能提高种群的多样性，避免未成熟收敛的问题。在Spark集群环境下，实现了多个子种群的同质与异质分布式并行，并通过Spark的广播变量或集中式服务器两种方式实现迁移算子。基于Spark平台，分布式进化算法通过分而治之的思想将整个种群分布到集群不同的节点执行独立地进化过程，提升了求解效率，并且因种群在迁移周期内进行子种群交换而提高了整个种群的求解精度。
-
公开(公告)号：CN108763312B
公开(公告)日：2021-07-06
申请号：CN201810382253.8
申请日：2018-04-26
申请人： 大连理工大学
摘要： 本发明属于计算机技术领域，涉及一种基于负载的从数据节点筛选方法。将本方法应用于数据库集群的从节点选举过程，包括步骤：1全局定义；2将主节点的从数据节点组成待选从数据节点集合；3从待选从数据节点集合中，过滤掉存在网络或其他体的的从数据节点；4将待选从数据集合中剩余的从数据节点，按照节点配置优先级、复制偏差和当前负载情况的比较顺序进行排序，形成优先级队列；5取出队列队首节点，将该从数据节点晋升为主数据节点；6原主数据节点下的所有从数据节点对该节点中的数据进行复制；7新的数据库集群继续提供数据库服务，系统恢复正常。本发明在不增加系统故障恢复时间的基础上，降低主数据节点故障的概率，提高系统的可用性。
-
公开(公告)号：CN110137969B
公开(公告)日：2020-08-14
申请号：CN201910439110.0
申请日：2019-05-24
申请人： 大连理工大学
IPC分类号： H02J3/06
摘要： 本发明属于电力系统优化领域，尤其涉及一种基于协同进化求解电力系统多目标最优潮流的方法。本发明采用牛顿‑拉夫逊法来求解电力系统各节点参数，并采用多种策略，包括粒子群、遗传和差分进化算法，使用基于协同进化的多目标智能优化算法来求解最优潮流问题。首先，应用智能优化算法解决电力系统多目标问题，相比于传统的数学方法，本发明方法可以很好的避开数学方法的局限性，成功收敛到Pareto前沿，即最优解集。其次，应用粒子群、遗传与差分进化算法进行多策略协同进化，结果证明相比于前三种算法，本发明方法有良好的收敛性与稳定性。最后，采用循环拥挤度以很好的控制种群的多样性并且所得到的Pareto前沿有良好的分布性。
-
公开(公告)号：CN110137969A
公开(公告)日：2019-08-16
申请号：CN201910439110.0
申请日：2019-05-24
申请人： 大连理工大学
IPC分类号： H02J3/06
摘要： 本发明属于电力系统优化领域，尤其涉及一种基于协同进化求解电力系统多目标最优潮流的方法。本发明采用牛顿-拉夫逊法来求解电力系统各节点参数，并采用多种策略，包括粒子群、遗传和差分进化算法，使用基于协同进化的多目标智能优化算法来求解最优潮流问题。首先，应用智能优化算法解决电力系统多目标问题，相比于传统的数学方法，本发明方法可以很好的避开数学方法的局限性，成功收敛到Pareto前沿，即最优解集。其次，应用粒子群、遗传与差分进化算法进行多策略协同进化，结果证明相比于前三种算法，本发明方法有良好的收敛性与稳定性。最后，采用循环拥挤度以很好的控制种群的多样性并且所得到的Pareto前沿有良好的分布性。
-
公开(公告)号：CN110335193B
公开(公告)日：2022-09-20
申请号：CN201910516012.2
申请日：2019-06-14
申请人： 大连理工大学
摘要： 本发明提供一种基于生成对抗网络的目标域导向的无监督图像转换方法，属于计算机视觉领域。本发明用来实现无监督的跨领域图像到图像的转换任务，属于计算机视觉领域。本方法设计了一个自编码重构网络，通过最小化源域图像的重构损失来提取源域图像的分层表征。同时，通过权值共享策略，共享网络模型中的两组生成对抗网络中编码和解码高层语义信息的网络层的权值，以保证输出图像能够保留输入图像的基本结构和特征。然后，两个判别器分别用来区分输入图像是各自领域的真实图像还是生成的图像。本方法能够有效进行无监督的跨域图像转换，生成高质量的图像。实验证明所提方法在CelebA等标准数据集上取得了很好的结果。
-
公开(公告)号：CN108182243B
公开(公告)日：2020-07-14
申请号：CN201711461284.4
申请日：2017-12-28
申请人： 大连理工大学
IPC分类号： G06F16/2453 , G06N3/12
摘要： 本发明属于进化算法分布式并行领域，提供了一种基于Spark的分布式进化算法岛模型并行化方法。该方法解决单机进化算法求解大规模组合优化的效率问题，实现基于岛模型的同质与异质分布式进化算法，其中异质算法能提高种群的多样性，避免未成熟收敛的问题。在Spark集群环境下，实现了多个子种群的同质与异质分布式并行，并通过Spark的广播变量或集中式服务器两种方式实现迁移算子。基于Spark平台，分布式进化算法通过分而治之的思想将整个种群分布到集群不同的节点执行独立地进化过程，提升了求解效率，并且因种群在迁移周期内进行子种群交换而提高了整个种群的求解精度。
-
公开(公告)号：CN110264750A
公开(公告)日：2019-09-20
申请号：CN201910516016.0
申请日：2019-06-14
申请人： 大连理工大学
摘要： 一种基于多任务深度Q网络的Q值迁移的多交叉口信号灯协同控制方法，属于人工智能与智能交通的交叉领域。本方法首先将多交叉口建模为一个多Agent系统，在多交叉口上训练一个适合每个交叉口信号灯控制的多任务网络，然后把它在多交叉口上学到的知识用在目标问题上，多任务网络将比单个网络拥有更多的知识，对单个交叉口提取特征的能力更强，最后通过协同算法对目标域中各个交叉口的信号灯进行协同控制。本发明方法在一定程度上能够平衡各路口的交通流量，提高区域交通中道路的利用率，减少车辆的排队长度，缓解交通拥堵。该方法对交通网络具有较好的可扩展性。
-
公开(公告)号：CN108763312A
公开(公告)日：2018-11-06
申请号：CN201810382253.8
申请日：2018-04-26
申请人： 大连理工大学
CPC分类号： H04L41/0668
摘要： 本发明属于计算机技术领域，涉及一种基于负载的从数据节点筛选方法。将本方法应用于数据库集群的从节点选举过程，包括步骤：1全局定义；2将主节点的从数据节点组成待选从数据节点集合；3从待选从数据节点集合中，过滤掉存在网络或其他体的从数据节点；4将待选从数据集合中剩余的从数据节点，按照节点配置优先级、复制偏差和当前负载情况的比较顺序进行排序，形成优先级队列；5取出队列队首节点，将该从数据节点晋升为主数据节点；6原主数据节点下的所有从数据节点对该节点中的数据进行复制；7新的数据库集群继续提供数据库服务，系统恢复正常。本发明在不增加系统故障恢复时间的基础上，降低主数据节点故障的概率，提高系统的可用性。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.022 秒)
