-
公开(公告)号：CN116305262B
公开(公告)日：2023-10-17
申请号：CN202310211981.3
申请日：2023-03-07
Applicant: 安徽大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于负调查的社交网络拓扑隐私保护方法，包括：1将原始社交网络G中所有节点设置为未访问状态，初始化负社交网络G’为空集合，并给定初始参数值M和σ；2根据M和σ，基于高斯分布模型生成概率P；3从G中随机选择M个未被访问节点构建子网络；4基于高斯负调查模型生成负子网络，将得到的负子网络加入到G’中；5将子网络中的M个节点设为已访问状态；6若达到终止条件，输出匿名后的网络即负社交网络G’；否则返回步骤3执行。本发明能够在隐私性和数据可用性两方面达到较好的平衡，即拥有较高隐私性的同时能够获得较好的数据可用性，同时可以有效抵御两种常见的图结构攻击，包括友谊攻击和子图攻击。
-
公开(公告)号：CN115983754A
公开(公告)日：2023-04-18
申请号：CN202211634926.7
申请日：2022-12-19
Applicant: 安徽大学
IPC: G06Q10/0835 , G06Q10/047 , G06Q10/0631 , G06N3/006
Abstract: 本发明公开了一种基于双种群协同进化算法的电动汽车车辆任务配送方法，是应用于由1个仓库点、n个配送任务点和m个充电设施所组成的配送网络中，包括：1、分析负载约束相关的路径优化和与电量约束相关的充电决策优化之间的耦合关系，建立电动汽车车辆任务问题模型；2、基于双种群协同进化算法的框架，分别使用两个种群优化路径方案和充电决策方案；3、迭代优化两个种群并定期对两个种群信息进行交互操作，直到满足停止条件；4、输出当前任务下最佳配送方案。本发明能对电动汽车车辆任务配送问题中耦合关系进行解耦，从而能提高配送效率并降低配送成本。
-
公开(公告)号：CN114118926A
公开(公告)日：2022-03-01
申请号：CN202111451538.0
申请日：2021-12-01
Applicant: 安徽大学
IPC: G06Q10/08
Abstract: 本发明公开了一种基于去噪自编码器的协同进化算法的车辆任务配送方法，是应用于由一个仓库点、N个配送任务点所组成的配送环境中，并包括：1、建立车辆配送任务模型forigin和车辆配送任务辅助模型fhelp；2、分别使用主种群与辅助种群求解任务模型forigin和辅助模型fhelp，并利用去噪自编码器模型建立辅助种群与主种群间映射关系；3、进化时一方面将辅助种群的最优配送方案通过训练后的学习模型转化，将转化后的配送方案放入主种群中；另一方面直接将主种群的最优配送方案放入辅助种群中，重复以上过程，直至算法终止；4、输出给定任务下的最优配送方案。本发明能对车辆配送路径和车辆装载量方差同时进行优化，从而能提高配送效率。
-
公开(公告)号：CN119887024A
公开(公告)日：2025-04-25
申请号：CN202411968589.4
申请日：2024-12-30
Applicant: 安徽大学
IPC: G06Q10/0835 , G06N5/01 , G06N3/126
Abstract: 本发明为一种配送路径优化方法、系统、介质和设备，涉及路径优化技术领域，包括定义节点集合和路径集合，基于车辆成本、行驶成本和时间窗惩罚构建目标函数和约束条件，构建车辆路径规划模型；设计初始化路径探测策略，生成满足时间窗约束以及行驶成本较短的路径规划方案的初始种群：当初始种群中寻优算法执行代数达到执行路径探测策略，对种群进行交叉和变异操作，生成临时子代；依据环境选择路径策略对交叉后的种群及临时子代进行比较，获得下一代种群；达到设定的终止条件，输出当前种群中的帕累托前沿面路径规划方案即一组最优解的集合，获得路径规划结果。探测出来有利于种群进化方向的边并引导种群的搜索方向加快种群的收敛速度，提高配送效率。
-
公开(公告)号：CN119886483A
公开(公告)日：2025-04-25
申请号：CN202411967007.0
申请日：2024-12-30
Applicant: 安徽大学
IPC: G06Q10/047 , G01C21/34 , G06Q10/083 , G06Q50/40 , G06F18/2411 , G06F18/231 , G06N3/126
Abstract: 本发明公开了一种大规模车辆路径问题的路线规划方法及系统，属于车辆路径规划技术领域，将多个任务节点进行分组，将任务节点分配到对应的分组，将多个分组形成上层聚类方案的多个种群；确定每一个分组对应的种群中的每个个体对应的车辆数和路径总长，对每个个体进行非支配排序，确定每个个体非支配排序等级，作为标签构造SVM模型的训练样本；将生成的子代种群输入训练后的SVM模型，获得子代种群中每个个体的分类结果，选出优秀子代并进行下层路径优化，获取优秀子代对应的最优路线，并选出新一代种群；迭代执行，直至新一代种群满足预设的终止条件时，输出最优的路线规划方案。通过该方法在路径规划过程中能够降低时间复杂度。
-
Patent Agency Ranking
公开(公告)号：CN117455348A
公开(公告)日：2024-01-26
申请号：CN202311471831.2
申请日：2023-11-07
Applicant: 安徽大学
IPC: G06Q10/0835 , G06Q10/0631 , G06N3/006
Abstract: 本发明公开了一种带有不确定性车辆配送任务的路线规划方法，应用于由单个仓库、K辆运输车和L个配送任务节点所构成的车辆配送任务中，并包括：1确定当前场景次数，初始化相应参数；2在当前切换的场景下，随机生成初始种群并进行个体评价；3对种群进行交叉和变异操作，生成临时子代；4据环境选择策略对交叉后的种群及子代进行比较，获得下一代种群；5根据鲁棒评价值评价当前种群，较鲁棒的子代进行存档；6若达到当前环境切换条件，执行步骤7；否则，返回步骤3；7若达到终止条件，输出最终种群；否则，执行场景切换。本发明能权衡路线规划方案的最优性和鲁棒性，从而能获得适应多种场景的路线规划方案。
-
公开(公告)号：CN117371898A
公开(公告)日：2024-01-09
申请号：CN202311395204.5
申请日：2023-10-25
Applicant: 安徽大学
IPC: G06Q10/0835 , G06Q10/0631 , G06Q30/0601 , G06N3/006
Abstract: 本发明公开了一种基于双种群的城市物品运输规划方法，是应用于由存放物品的仓库D、K辆物品运输车和N个客户点所构成的城市物品运输路线中，并包括：1构建城市物品运输路线的数学问题模型；2对第一种群和第二种群进行初始化操作；3通过双种群协同进化方法得到更好的解；4对两个种群分别进行基于不同方法的交叉变异，再依据环境选择策略对交叉变异后的子代进行比较，获得下一代种群；5若达到终止条件，则对最终种群的所有个体进行非支配排序，选出最优路线规划方案。本发明能根据物品种类拆分运输来提高车辆装载率，从而能减少运输距离和运输成本，并能降低燃油消耗。
-
公开(公告)号：CN115936568A
公开(公告)日：2023-04-07
申请号：CN202310032703.1
申请日：2023-01-10
Applicant: 安徽大学
IPC: G06Q10/0835
Abstract: 本发明公开了一种动态车辆配送任务的路径规划方法、电子设备和存储介质，该方法包括：1建立车辆配送任务模型；2全局变量初始化；3获取在当前时间片出现的新的仓库需求；4更新待访问的仓库需求集合；5基于泊松分布规律，得到当前时间片的虚拟仓库需求位置集合；6构造虚拟仓库需求信息7利用基于倾斜变邻域下降搜索的路径求解器进行求解，从而得到当前时间片下的路径规划方案；8车队中的各辆车按照路径规划方案执行配送任务；9若达到终止循环条件则返回路径规划方案，否则返回步骤3。本发明能通过需求点预测的方法模拟出仓库位置，并将其放入求解器中进行计算，从而使路径规划方案更适应于未来的动态变化。
-
公开(公告)号：CN115730886A
公开(公告)日：2023-03-03
申请号：CN202211634900.2
申请日：2022-12-19
Applicant: 安徽大学
IPC: G06Q10/0835
Abstract: 本发明公开了一种基于可行区域拓扑学习的约束进化算法的车辆任务配送方法，是应用于由一个仓库点、N个配送任务点和M个无差别车辆所组成的配送环境中，并包括：1、建立车辆配送任务模型；2、基于可行区域拓扑学习的思想，利用约束多目标优化算法求解任务问题模型，进化过程中对历史种群信息进行收集选择并训练生长神经气体网络模型，利用训练的学习模型辅助生成后代解；3、进化时迭代优化当前种群，直到满足停止条件；4、输出给定任务下的最优配送方案。本发明能同时对车辆运输配送路线、各车辆装载量方差进行优化，满足行驶距离最短和车辆装载量均衡的需求，从而达到提高配送效率的目的。
-
公开(公告)号：CN114118926B
公开(公告)日：2024-02-13
申请号：CN202111451538.0
申请日：2021-12-01
Applicant: 安徽大学
IPC: G06Q10/0835
Abstract: 本发明公开了一种基于去噪自编码器的协同进化算法的车辆任务配送方法，是应用于由一个仓库点、N个配送任务点所组成的配送环境中，并包括：1、建立车辆配送任务模型forigin和车辆配送任务辅助模型fhelp；2、分别使用主种群与辅助种群求解任务模型forigin和辅助模型fhelp，并利用去噪自编码器模型建立辅助种群与主种群间映射关系；3、进化时一方面将辅助种群的最优配送方案通过训练后的学习模型转化，将转化后的配送方案放入主种群中；另一方面直接将主种群的最优配送方案放入辅助种群中，重复以上过程，直至算法终止；4、输出给定任务下的最优配送方案。本发明能对车辆配送路径和车辆装载量方差同时进行优化，从而能提高配送效率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
