基于改进蚁群算法实现物流仓储装车调度的方法及装置

    公开(公告)号:CN114239931B

    公开(公告)日:2024-08-06

    申请号:CN202111453903.1

    申请日:2021-12-01

    申请人: 武汉大学

    IPC分类号: G06Q10/0834 G06N3/006

    摘要: 本发明公开了一种基于改进蚁群算法实现物流仓储装车调度的方法及装置,涉及动态调度和组合最优化领域,该方法包括获取物流仓储系统中各门店的物流数据信息,以及各门店的经纬度,计算得到各门店之间的车程以及物流仓储中心至各门店的车程;设定选择策略,同时改进信息素的更新规则以改进蚁群算法数学模型,得到改进后的蚁群算法数学模型;采用改进后的蚁群算法数学模型进行货车的动态调度,实现物流仓储装车调度的优化。本发明能够提高物流仓储的工作效率。

    基于稀疏网络的配电箱电路设备自动识别方法及系统

    公开(公告)号:CN116883314A

    公开(公告)日:2023-10-13

    申请号:CN202310638754.9

    申请日:2023-06-01

    申请人: 武汉大学

    摘要: 本发明提供一种基于稀疏网络的配电箱电路设备自动识别方法及系统,将密集目标检测模型迁移至电路设备识别,构建了基于Transformer解码器思想的目标检测模型,解决电路设备自动识别及电路设备状态监测,实现过程包括图像特征提取,得到多尺度特征图的输出;准备提议候选框及提议特征;特征融合,包括将提议候选框及提议特征分别作为动态实例交互头的输入进行后续操作,生成最终的学习特征;获取分类和回归结果,包括在得到交互头生成的最终学习特征后进行分类和回归,生成目标分类和最终预测框,进一步修正预测框的位置,以得到配电箱电路设备自动识别结果。本发明针对智能电路信息建设,为电路设备自动转化CAD电路图、无人机监测设备状态等提供技术支撑。

    一种基于蚁群算法和多目标函数模型的应急资源调度方法

    公开(公告)号:CN112288152B

    公开(公告)日:2022-05-13

    申请号:CN202011138157.2

    申请日:2020-10-22

    申请人: 武汉大学

    摘要: 本发明涉及一种基于蚁群算法和多目标函数模型的应急资源调度方法,属于数据分析的研究范畴,涉及蚁群算法,匈牙利算法,最优路径,资源调度等技术领域,主要针对地震期间应急资源调度方案的选取,构建两点间最优路径选择模型以及多目标函数数学模型,采用蚁群优化算法,匈牙利算法进行数据的分析训练,利用已经训练好的模型得到最优化的应急资源调度方案。本发明的优点:在时间效率为第一要务的情况下能够考虑到路径费用尽可能小,并且还可以细化应急物资运输的特点——时效性、伤亡性和经济性等并将它们用权重区分重要程度,能够得到总体最为合理的调度方案。

    一种基于Doc2vec的相似实体挖掘方法

    公开(公告)号:CN107832306A

    公开(公告)日:2018-03-23

    申请号:CN201711216768.2

    申请日:2017-11-28

    申请人: 武汉大学

    IPC分类号: G06F17/27

    CPC分类号: G06F17/277 G06F17/2765

    摘要: 本发明属于自然语言处理中的相似文档挖掘问题,涉及到词嵌入表达、文档关键词提取、文档嵌入表达、高维空间中最近邻快速计算等技术领域。本发明提出了一种基于Doc2vec的相似实体挖掘方法。通过实体的描述文档,使用Word2vec词嵌入表达、TFIDF文档关键词提取、使用Doc2vec将实体描述文档转换为连续稠密的向量,使用Balltree数据结构,高效的挖掘相似实体。

    心理测评量表的推荐方法
    8.
    发明公开

    公开(公告)号:CN115994271A

    公开(公告)日:2023-04-21

    申请号:CN202310065461.6

    申请日:2023-01-12

    申请人: 武汉大学

    摘要: 本发明公开了一种心理测评量表的推荐方法,包括如下步骤:步骤1、获取心理测评历史数据并对数据进行预处理;步骤2、根据步骤1预处理后的数据构建用户‑量表测评分数矩阵;步骤3、根据步骤2的用户‑量表测评分数矩阵,采用K‑means算法构建用户聚类;步骤4、在为目标用户推荐量表时,计算目标用户与步骤3得到的各聚类中心点的相似度,取具有最高相似度的中心点所在的用户聚类为目标用户所属的聚类簇,并基于划分的聚类簇生成推荐量表集合。本发明能自动为目标用户推荐适合的心理测评量表,保护了用户个人信息,提高推荐的准确率、多样性、新颖度,同时采用粒子群优化K‑means算法缩小问题规模,提高了推荐速度,节省了计算资源。

    基于改进蚁群算法实现物流仓储装车调度的方法及装置

    公开(公告)号:CN114239931A

    公开(公告)日:2022-03-25

    申请号:CN202111453903.1

    申请日:2021-12-01

    申请人: 武汉大学

    摘要: 本发明公开了一种基于改进蚁群算法实现物流仓储装车调度的方法及装置,涉及动态调度和组合最优化领域,该方法包括获取物流仓储系统中各门店的物流数据信息,以及各门店的经纬度,计算得到各门店之间的车程以及物流仓储中心至各门店的车程;设定选择策略,同时改进信息素的更新规则以改进蚁群算法数学模型,得到改进后的蚁群算法数学模型;采用改进后的蚁群算法数学模型进行货车的动态调度,实现物流仓储装车调度的优化。本发明能够提高物流仓储的工作效率。

    一种基于TCN和LightGBM组合模型的物流仓储销售量预测方法

    公开(公告)号:CN113379125A

    公开(公告)日:2021-09-10

    申请号:CN202110653522.1

    申请日:2021-06-11

    申请人: 武汉大学

    摘要: 本发明提供了一种基于TCN和LightGBM组合模型的物流仓储销售量预测方法,属于时序分析和分类回归的研究范畴,涉及TCN,LightGBM等技术领域,主要针对历史销售分配记录信息,分别构建TCN和LightGBM模型,最后采用加权组合的方式,找出最优组合方式作为最终的预测模型,并利用已经训练好的模型进行分类任务。本发明的优点:可以自动对过去十二个月的历史销售分配数据以及其他外部影响销量的因素进行模型训练,并对接下来三天的门店销售量进行预测,提高了仓储物流中对各类资源的利用率。同时采用两种模型的组合预测,提高了预测的准确性。