公开(公告)号：CN111624992A

公开(公告)日：2020-09-04

申请号：CN202010350095.5

申请日：2020-04-28

Applicant: 北京科技大学 ,  南京北科迪悦科技有限公司

Inventor： 孟宇 ,  白国星 ,  武俊雪 ,  刘丽 ,  冯立勇 ,  甘鑫

IPC: G05D1/02 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于神经网络的搬运机器人的路径跟踪控制方法，能够提高非线性模型预测控制的实时性。所述方法包括：利用非线性模型预测控制产生训练样本集，其中，训练样本包括：搬运机器人的状态变量和控制变量；构建神经网络模型；利用获取的训练样本集对构建的神经网络模型进行训练，得到训练好的神经网络模型；其中，在路径跟踪控制过程中，训练好的神经网络模型输出控制变量，以便所述搬运机器人根据神经网络模型输出的控制变量进行路径跟踪。本发明涉及移动机器人自主行驶控制领域。

公开(公告)号：CN106845642B

公开(公告)日：2019-03-29

申请号：CN201710046208.0

申请日：2017-01-22

Applicant: 北京科技大学 ,  北京理工大学

Inventor： 刘丽 ,  张淼 ,  李慧琦 ,  范琦

IPC: G06N3/12 ,  G06Q10/10

Abstract: 本发明提供一种带约束云工作流调度的自适应多目标进化方法，能够提高多目标进化方法的全局探测和局部开采能力。所述方法包括：S1、根据Pareto解的个数和Pareto熵检测种群在进化过程中所处的进化状态，根据检测到的种群在进化过程中所处的进化状态，自适应地利用相应的个体评估策略处理约束条件，并对种群中的个体进行排序，其中，在个体评估策略中，采用约束违反处理方法来处理约束条件；S2、根据个体排序结果，从种群中选择个体进行遗传操作，得到子种群，其中，在进行遗传操作时，根据种群在进化过程中所处的进化状态自适应地调节进化参数。本发明适用于解决带约束的多目标优化问题，并可应用于云计算环境中工作流调度技术领域。

公开(公告)号：CN107016461A

公开(公告)日：2017-08-04

申请号：CN201710205652.2

申请日：2017-03-31

Applicant: 北京科技大学

Inventor： 刘丽 ,  刘涛 ,  谷淑贤 ,  范琦

IPC: G06Q10/04

CPC classification number: G06Q10/043

Abstract: 本发明提供一种混合多目标进化方法，得到分布性较好的解。所述方法包括：在第G次迭代时，根据当前迭代次数调整自适应变异中的变异因子和交叉操作中的交叉因子，基于调整后的变异因子和交叉因子，利用自适应全局DE算法对第G代种群中所有个体进行自适应变异和交叉操作产生子种群；将第G代种群和子种群进行结合，确定每个个体的QoS指标值，根据确定的QoS指标值计算每个个体的非支配等级和拥挤度；根据计算得到的非支配等级和拥挤度，选择非支配等级低且拥挤度大的N个个体作为新种群；采用局部搜索方法对新种群中的非支配解集进行局部搜索，淘汰分布度不好的个体。本发明适用于互联云计算环境中的服务组合领域。