-
公开(公告)号:CN119127665B
公开(公告)日:2025-04-15
申请号:CN202411054436.9
申请日:2024-08-02
Applicant: 中国矿业大学
IPC: G06F11/3668 , G06F18/15 , G06F18/2113 , G06F18/21
Abstract: 本发明公开了基于多序列融合的测试用例优先级排序方法,从不同的角度提升了测试用例集的性能:首先,利用测试用例相关性,并结合特征选择策略,约减测试用例集;其次,利用历史测试信息,并构建测试用例评价函数,实现测试用例优先级排序;然后,利用变更代码结构特征,并综合与未变更代码的相似性,生成测试用例优先级序列;最后,利用程序执行逻辑,调整多种测试序列,生成最终测试用例优先级顺序。通过工程实例进行对比表明本发明得到的测试用例序列节具有性能强、精度高等有点,并因多序列生成的并行模式,降低了时间消耗。
-
公开(公告)号:CN116451577A
公开(公告)日:2023-07-18
申请号:CN202310380037.0
申请日:2023-04-11
Applicant: 中国矿业大学
IPC: G06F30/27 , G06N3/045 , G06N3/092 , G06N3/086 , G06Q10/047 , G06F111/06
Abstract: 本发明公开了融合强化学习和差分进化的产品变更路径多目标优选方法,包括以下步骤:建立复杂产品网络模型,表明设计变更在产品网络模型中的传播过程;建立设计变更传播路径的多目标优化模型;利用双深度Q‑网络(Double Deep Q‑Network,DDQN)帮助种群在不同阶段选择适合的进化策略,建立强化学习引导的差分进化算法(Differential evolution,DE)即DDQN‑DE算法,进行多目标优化模型的求解。本发明采用上述的产品变更路径多目标优选方法,当产品零件发生变更时,可以精准地找到一个变更成本、变更工期、产品综合性能影响较小的变更方案,解决现有方法中收敛速度慢、易于局部收敛等问题。
-
公开(公告)号:CN119127665A
公开(公告)日:2024-12-13
申请号:CN202411054436.9
申请日:2024-08-02
Applicant: 中国矿业大学
IPC: G06F11/36 , G06F18/15 , G06F18/2113 , G06F18/21
Abstract: 本发明公开了基于多序列融合的测试用例优先级排序方法,从不同的角度提升了测试用例集的性能:首先,利用测试用例相关性,并结合特征选择策略,约减测试用例集;其次,利用历史测试信息,并构建测试用例评价函数,实现测试用例优先级排序;然后,利用变更代码结构特征,并综合与未变更代码的相似性,生成测试用例优先级序列;最后,利用程序执行逻辑,调整多种测试序列,生成最终测试用例优先级顺序。通过工程实例进行对比表明本发明得到的测试用例序列节具有性能强、精度高等有点,并因多序列生成的并行模式,降低了时间消耗。
-
公开(公告)号:CN117436576A
公开(公告)日:2024-01-23
申请号:CN202311315635.6
申请日:2023-10-11
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/241 , G06N3/0442 , G06N3/098
Abstract: 本发明公开了不同时间尺度下多节点多元负荷联邦协同预测方法,包括如下三个阶段,第一阶段使用样条插值法对时间尺度较大的负荷数据进行插值补充,将负荷数据统一至相同的时间尺度,第二阶段利用每个节点自身数据得到它的本地多元负荷预测模型;第三阶段在不泄露数据隐私的前提下,对各节点模型进行联邦学习融合训练;训练完成后,在节点内对模型进行微调。使用本方法的模型得到的负荷预测结果更接近真实值。特别地,针对负荷波动幅度较大、负荷波动幅度小但频率高等复杂场景,本文所提算法都有最好的电气负荷预测结果。
-
公开(公告)号:CN116894169A
公开(公告)日:2023-10-17
申请号:CN202310765773.8
申请日:2023-06-27
Applicant: 中国矿业大学
IPC: G06F18/2111 , G06F18/23 , G06N3/006 , G06N3/126
Abstract: 本发明公开了基于动态特征聚类和粒子群优化的在线流特征选择方法,属于数据处理领域,包括以下步骤:S1、输入一个新的特征组GT;S2、在线相关性分析;S3、增量式特征聚类:将经步骤S2处理后的特征划分到已有特征簇中或创建新簇;S4、判断是否满足启动条件,若满足则执行步骤S5,否则从每个特征簇中选取最重要的特征并作为输出特征子集ST;S5、历史信息驱动的整型粒子群算法:在聚类的基础上,采用历史信息驱动的粒子群算法搜索最优特征子集,并输出特征子集ST;S6、判断有无新的特征组到来,若有则返回步骤S1,否则结束。本发明采用上述基于动态特征聚类和粒子群优化的在线流特征选择方法,可在多数数据集中获得最佳的分类精度。
-
公开(公告)号:CN116245338A
公开(公告)日:2023-06-09
申请号:CN202310284019.2
申请日:2023-03-22
Applicant: 中国矿业大学
IPC: G06Q10/0631 , G06Q30/0283 , G06Q50/26 , G06Q50/02
Abstract: 本发明公开了一种矿山综合能源系统低碳经济运行优化方法,包括如下步骤:(1)引入系统运行低碳性需求,建立矿山综合能源系统能流‑碳流系统架构;(2)以矿山综合能源系统运行成本和碳排放量最小为目标函数,构建矿山综合能源系统的低碳经济运行优化模型;(3)采用风险规避策略下的鲁棒模型对系统的多重不确定进行建模分析,并设计系统低碳经济运行优化模型的确定型转换方法。本发明采用上述一种矿山综合能源系统低碳经济运行优化方法,对系统和各设备的碳排放进行约束,实现矿山综合能源系统的低碳经济调度,对矿山综合能源系统源端可再生能源和衍生能源的不确定性进行建模分析,给出计及供能不确定性的鲁棒模型。
-
-
-
-
-