-
公开(公告)号：CN116596293A
公开(公告)日：2023-08-15
申请号：CN202310880659.X
申请日：2023-07-18
Applicant: 西安电子科技大学广州研究院
IPC: G06Q10/0633 , G06N3/126 , G06Q50/04
Abstract: 本发明公开了基于遗传算法的分布式全流程作业车间调度方法及终端，涉及车间调度技术领域，其通过双层编码的方式将全流程作业在车间的调度流程转化为数学模型，再基于多种群求解多目标问题的遗传算法以同时优化产品的最大完成时间和机器的总运行成本，每个种群中的个体分别优化一个目标，并利用外部存档中保存的非支配解来引导个体的进化，同时利用局部搜索策略对现有的非支配解进行扰动以提升解的精度和提升算法的收敛性，最终得到多个综合考虑了产品的完成时间和机器运行的成本这两个目标的最优调度方案。解决了现有技术中综合考虑三个阶段调度生产的分布式全流程车间调度问题中存在的NP问题。
-
公开(公告)号：CN116132310A
公开(公告)日：2023-05-16
申请号：CN202310127510.4
申请日：2023-02-17
Applicant: 西安电子科技大学广州研究院
IPC: H04L41/147 , H04L41/14 , G06N3/006
Abstract: 本发明涉及计算机通信技术领域，具体的说是一种大规模软件定义网络性能预测方法，通过从数据平面中获取SDN网络的状态数据、定义社区划分标准、使用遗传算法对SDN网络进行社区划分、独立预测各社区性能和网络全局状态感知的步骤，借助复杂网络对大规模SDN网络进行了高度抽象和分析，将大型SDN网络分解为多个小型网络进行逐个预测，便于实施、结构清晰、更贴近实际生活的网络特点，经过划分社区的SDN网络，连边的局部特性更能得到细致的刻画，对网络进行性能分析收到更好的效果，且在分解SDN网络后，借助注意力机制从全局关系理解网络中蕴含的复杂信息，对社区内链路性能进行了进一步的调整并给出社区间的链路性能。
-
公开(公告)号：CN115544947B
公开(公告)日：2023-05-02
申请号：CN202211367045.3
申请日：2022-11-02
Applicant: 西安电子科技大学广州研究院
IPC: G06F30/392 , G06F30/398 , G06N3/126 , G06F18/23
Abstract: 本发明涉及集成电路布局技术领域，具体的说是基于遗传算法的大规模集成电路布局优化方法，包括以下步骤：参数设置、聚类操作、进一步划分聚类操作、采用遗传算法进行优化、解码操作、选择操作、交叉操作、变异操作和判断是否满足终止条件，在使用时，首先采用了基于模块度的聚类方法，以此来确定后续放置过程中应保持紧密联系的Cell，不需要人为设置参数及终止条件，能够通过算法本身自动完成上述过程，用来寻找每个Cell的放置位置，可以使得最终的布局更加紧凑，总线长更短，方便进行使用。
-
公开(公告)号：CN115600537B
公开(公告)日：2023-04-28
申请号：CN202211282004.4
申请日：2022-10-19
Applicant: 西安电子科技大学广州研究院
IPC: G06F30/373
Abstract: 本发明涉及芯片布局优化技术领域，具体的说是一种基于双层优化的大规模集成电路布局优化方法，包括参数设置，cell社团划分，初始化上层优化设置，下层变异操作，评估适应值，返回上层cell社团排列顺序下的最佳适应值，上层变异操作，对目前排行第一的解进行cell位置优化；本发明通过结合前期社团划分、中期在线优化、后期精细局部搜索来有效地解决当前芯片设计中cell的布局问题，前期社团划分结合了复杂网络模体概念，减少了社团检测算法的复杂度，中期在线优化过程采用了一种双层优化的方法，后期精细布局搜索只对最后解集中的最优解进行，在保证算法的效率的同时，降低了算法的复杂度，减少了算法运行时间，节约企业成本。
-
公开(公告)号：CN115545539A
公开(公告)日：2022-12-30
申请号：CN202211329088.2
申请日：2022-10-27
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明公开了一种基于惩罚因子和启发式搜索的警务人员智能调度方法，涉及智能调度算法领域，包括以下步骤：初始化参数和种群，收集警务人员偏好，解码染色体，计算个体适应值；从交配池随机选取个体执行交叉操作和变异操作，生成子代个体；重复交叉、变异和进化操作，直至达到结束迭代条件，输出当前最优解；对最优个体进行局部搜索操作优化，并转化为最终排班方案。本发明结合了遗传算法和局部搜索算法的有优点，提高了算法的全局搜索能力和局部搜索能力，在满足调度硬约束的条件下能够找到满足更多软约束条件的更优解。在处理大规模调度方面同样有着很高的效率，可以在短时间内得到调度结果，这有助于提升现有警力资源的利用率。
-
Patent Agency Ranking
公开(公告)号：CN115544947A
公开(公告)日：2022-12-30
申请号：CN202211367045.3
申请日：2022-11-02
Applicant: 西安电子科技大学广州研究院
IPC: G06F30/392 , G06F30/398 , G06N3/12 , G06K9/62
Abstract: 本发明涉及集成电路布局技术领域，具体的说是基于遗传算法的大规模集成电路布局优化方法，包括以下步骤：参数设置、聚类操作、进一步划分聚类操作、采用遗传算法进行优化、解码操作、选择操作、交叉操作、变异操作和判断是否满足终止条件，在使用时，首先采用了基于模块度的聚类方法，以此来确定后续放置过程中应保持紧密联系的Cell，不需要人为设置参数及终止条件，能够通过算法本身自动完成上述过程，用来寻找每个Cell的放置位置，可以使得最终的布局更加紧凑，总线长更短，方便进行使用。
-
公开(公告)号：CN114692939A
公开(公告)日：2022-07-01
申请号：CN202111478806.8
申请日：2021-12-06
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明提供一种基于双层策略的多AGV任务调度方法，包括：接收任务调度请求；根据任务调度请求，从第一类自动导引运输车AGV中，确定第一目标运输车；规划第一目标运输车从自身位置到任务起点位置的第一路径、以及从任务起点位置到任务终点位置的第二路径；下发第一路径和第二路径至第一目标运输车；当检测到各个自动导引运输车之间会发生冲突时，根据预设的避让优先级确定与冲突相关的第二目标运输车的规避路径；下发规避路径至第二目标运输车。本发明在接收到任务调取请求之后，对各个第一自动导引运输车的第一时间代价、等待时间代价、以及从自身位置至任务起点位置的最短路径进行了评估，使得任务派发时的AGV选择更加智能化、高效化。
-
公开(公告)号：CN114415675A
公开(公告)日：2022-04-29
申请号：CN202111644827.2
申请日：2021-12-30
Applicant: 西安电子科技大学广州研究院
IPC: G05D1/02
Abstract: 本发明提供了一种基于智能预测和误差识别的多AGV规划方法和系统，对比传统的AGV调度和规避系统，基于智能预测和误差识别的多AGV规划方法及系统能够利用预测冲突的方式提前进行暂停或重规划规避，减少了AGV小车频繁掉头回退导致的系统效率降低。同时对于预测消解冲突中可能存在误差导致的单边冲突和单点冲突，以及死锁情况，能够自动的消解冲突。实现了多AGV调度和规避系统的自动化和智能化。
-
公开(公告)号：CN116911483B
公开(公告)日：2024-02-23
申请号：CN202311189442.0
申请日：2023-09-15
Applicant: 西安电子科技大学广州研究院
IPC: G06Q10/047 , G06N3/006 , G06Q10/0631 , G06Q10/083 , G06Q10/087
Abstract: 本发明公开了一种基于蚁群优化算法的多AGV动态路径规划方法，包括任务排布系统下发新的调度请求，多AGV小车系统获取空闲的AGV小车，选择一辆到达调度任务起点代价最小的空闲AGV小车响应该调度请求，规划从响应小车当前位置到达起点的最小代价路径和从起点到终点的最小代价路径，将路径下发给待响应的小车，小车的状态更新为忙碌。其中通过蚁群优化的最短路径算法、死锁消解算法、冲突消解算法获取最小代价路径；归纳了各种冲突类型，并根据不同情况设计了不同的冲突消解算法，实现多AGV调度系统的自动化，智能化和高效化。
-
公开(公告)号：CN116306770B
公开(公告)日：2023-11-14
申请号：CN202310127530.1
申请日：2023-02-17
Applicant: 西安电子科技大学广州研究院
IPC: G06N3/006 , G06N3/04 , G06N3/084 , G06F18/214
Abstract: 本发明涉及软件定义网络性能预测技术领域，具体的说是一种基于密母神经架构搜索的软件定义网络性能预测方法，包括收集训练数据、确定编码方式及搜索空间、初始化种群、计算种群的适应度值、选择父代个体、执行交叉、变异算子、执行局部搜索算子、合并父代和子代种群、精英选择出下一代种群、确定最优的个体以及执行推理过程进行SDN网络性能预测的步骤；本发明将神经架构搜索技术用于设计SDN网络性能预测器的探索，为提升SDN网络性能预测器的泛化能力做出了巨大贡献,借助时兴的神经架构搜索技术，可对任意路由协议/路由策略的通信网络自动化地设计出有效的神经网络结构，极大地缓解了SDN网络性能评估算法设计时巨大的调参压力。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.042 seconds)
