-
公开(公告)号：CN113949646B
公开(公告)日：2023-06-13
申请号：CN202111202729.3
申请日：2021-10-15
Applicant: 安徽大学
IPC: H04L41/5009 , H04L41/147 , H04L41/14 , H04L67/02 , H04L43/08
Abstract: 本发明提出了一种基于深度学习的Web服务QoS预测方法，其步骤包括：1.获取Web服务数据集；2建立结合局部和全局位置信息的深度协同过滤模型DCLG；3.利用建立好的模型实现预测，以达到预测Web服务QoS值的目的。本发明能克服现有预测模型没有同时考虑用户和服务的局部和全局位置信息的缺陷，并且通过多层感知器获取用户和服务的高维非线性特征，同时结合用户和服务向量的点乘来补充学习低维线性特征，最后在六种不同的稀疏密度下均可取得较好的预测精度。
-
公开(公告)号：CN116189461A
公开(公告)日：2023-05-30
申请号：CN202310474045.1
申请日：2023-04-28
Applicant: 安徽大学
Abstract: 本发明涉及交通管控领域，尤其涉及考虑碳排放的交叉口交通管控方法、系统和存储介质。本发明中的考虑碳排放的交叉口交通管控方法首先结合等效系数计算当前交叉口各行驶方向上的流量比；然后计算信号周期和信号周期内各相位中的有效绿灯时间。该方法可通过调整等效系数基于交叉口实际情况进行交通管控，有利于提高高能耗车辆更多的行驶方向上的车辆通行效率，降低车辆损失时间，且该管控方法可用于制定任何交叉口的信号灯控制方案，实现符合交叉口最低碳排放的信号灯控制方案的制定。
-
公开(公告)号：CN109872091B
公开(公告)日：2022-09-16
申请号：CN201910312839.1
申请日：2019-04-18
Applicant: 安徽大学
Abstract: 本发明公开了一种基于蚁群算法的工件调度方法及装置，方法包括：1)、在当前次迭代中，针对对应于待调度工件集合的蚂蚁，创建对应于蚂蚁的工件调度方案；2)、判断当前次迭代对应的迭代次数是否达到最大迭代次数；3)、若是，更新所述非支配解集，得到目标非支配解集，并将所述目标非支配解集中的解作为目标调度方法；4)、若否，将全局更新后的针对完工时间的信息素矩阵作为下一次迭代的第一初始信息素矩阵，将全局更新后的针对拒绝代价的信息素矩阵作为下一次迭代的第二初始信息素矩阵，并返回执行步骤1)，直至当前次迭代对应的迭代次数达到最大迭代次数。应用本发明实施例，可以对包含拒绝条件的批处理调度问题进行处理。
-
-
公开(公告)号：CN111210125A
公开(公告)日：2020-05-29
申请号：CN201911376115.X
申请日：2019-12-27
Applicant: 安徽大学
IPC: G06Q10/06
Abstract: 本发明实施例提供了一种基于历史信息指导的多目标工件批调度方法及装置，方法包括：1)、在满足批调度的约束条件下将各个待调度工件随机调度至各个机器的各个批中，得到若干个当前个体；2)、以最小化早到延迟惩罚为目标对各个当前种群中的各个个体对应的调度方案进行优化，得到优化后的当前种群；3)、运用基于分解的思想淘汰掉其中第一预设数量个个体，更新各个子种群的历史信息矩阵；获取新个体的生成参数，并根据新个体的生成参数生成第二预设数量个补充个体；4)、将精英个体与补充个体的组合作为当前种群，获取当前种群中的帕累托非支配个体，并将前种群中的帕累托非支配个体加入到非支配解集中，更新非支配解集；返回执行步骤2)，直至达到最大迭代次数，并将最后一次迭代后得到的更新后的非支配集中的调度方案作为目标调度方案。本发明实施例可以使订单的实际完成时间更加接近于合同上的订单交付时间。
-
Patent Agency Ranking
公开(公告)号：CN110909787A
公开(公告)日：2020-03-24
申请号：CN201911133581.5
申请日：2019-11-18
Applicant: 安徽大学
Abstract: 本发明提供了基于聚类的进化算法进行多目标批调度优化的方法，S1：初始化种群规模N、最大迭代次数MaxIteration和重组配对概率S，以及种群P、帕累托解集A，迭代次数t＝1；S2：利用解码规则和局部优化计算种群目标值；S3：对目标值进行聚类；S4：基于聚类结果对种群P执行交叉变异生成子代种群Q，计算子代种群Q的目标值；S5：更新集合A，执行选择操作更新种群P，基于更新后的种群P更新重组配对概率S；S6：如果t＜MaxIteration，t＝t+1，跳转至S2，否则输出集合A。本发明还提供了用于多目标批调度的系统，本发明提供的基于聚类的进化算法进行多目标批调度优化的方法和系统的优点在于：为生产过程中的批调度问题提供了可靠的解决方案。
-
公开(公告)号：CN110161997A
公开(公告)日：2019-08-23
申请号：CN201910505977.1
申请日：2019-06-12
Applicant: 安徽大学
IPC: G05B19/418 , G06N3/00
Abstract: 本发明公开了基于蚁群和模拟退火算法的流水车间调度方法及装置，方法包括：1)、根据当前全局信息素矩阵，利用蚁群算法对当前次迭代中的每一只蚂蚁进行待加工工件的批调度，得到蚂蚁对应的解；2)、针对当前次迭代中的每一只蚂蚁，利用模拟退火算法获取蚂蚁对应的最优解，并根据最优解更新当前全局非劣解集；3)、判断当前次迭代对应的迭代次数是否不小于最大迭代次数；4)、若是，将当前次迭代的非劣解集作为目标调度方案；5)、若否，更新频次矩阵，根据频次矩阵更新全局信息素矩阵，将当前次迭代的下一次迭代作为当前次迭代，并返回执行步骤1)，直至获取目标调度方案。应用本发明实施例，可以提高解的质量。
-
公开(公告)号：CN109872091A
公开(公告)日：2019-06-11
申请号：CN201910312839.1
申请日：2019-04-18
Applicant: 安徽大学
Abstract: 本发明公开了一种基于蚁群算法的工件调度方法及装置，方法包括：1)、在当前次迭代中，针对对应于待调度工件集合的蚂蚁，创建对应于蚂蚁的工件调度方案；2)、判断当前次迭代对应的迭代次数是否达到最大迭代次数；3)、若是，更新所述非支配解集，得到目标非支配解集，并将所述目标非支配解集中的解作为目标调度方法；4)、若否，将全局更新后的针对完工时间的信息素矩阵作为下一次迭代的第一初始信息素矩阵，将全局更新后的针对拒绝代价的信息素矩阵作为下一次迭代的第二初始信息素矩阵，并返回执行步骤1)，直至当前次迭代对应的迭代次数达到最大迭代次数。应用本发明实施例，可以对包含拒绝条件的批处理调度问题进行处理。
-
公开(公告)号：CN108563200A
公开(公告)日：2018-09-21
申请号：CN201810289311.2
申请日：2018-04-03
Applicant: 安徽大学
IPC: G05B19/418
CPC classification number: Y02P90/02 , G05B19/41865 , G05B2219/32252
Abstract: 本发明公开了一种基于蚁群算法的多目标的工件调度方法及装置，方法包括：在当前次迭代时，建立第一预设数量只蚂蚁，建立空批；获取信息素矩阵，以及目标偏好向量，并获取当前加工设备；将空批作为当前加工设备的第一当前批；将第一待加工工件调度至第一当前批中；将第二待加工工件加入当前候选列表中直至所有第二待加工工件都被调度；更新当前次迭代的下一次迭代的信息素矩阵；判断当前次迭代对应的迭代次数是否等于第二预设阈值；若否，更新迭代次数，并返回执行建立空批的步骤；若是，将当前次迭代过程中全局最优完工时长以及全局最优能耗对应的调度方案作为目标调度方法。应用本发明实施例，可以实现工件的多目标调度。
-
公开(公告)号：CN115049838B
公开(公告)日：2025-04-29
申请号：CN202210633788.4
申请日：2022-06-07
Applicant: 安徽大学
Abstract: 本发明提供了基于植被指数时空多维融合技术的MODIS影像滤波方法，与现有技术相比解决了NDVI时间序列变化不规则、长期下降趋势时提取信息不可靠、突变点连续、无法考虑空间域的缺陷。本发明包括以下步骤：MODIS像元数据的获取；MODIS像元数据的预处理；对预处理后的MODIS NDVI波段Ⅰ进行时间维滤波处理；对预处理后的MODIS NDVI波段Ⅰ进行空间维滤波处理；MODIS影像滤波结果的获得。本发明通过时间维提高了时间序列数据的平滑性，排除了单维滤波数据的不确定性，消除了连续突变值的影响，增加了数据的可信度，消除了不规则变化的NDVI时间序列的影响，提供了更真实的滤波数据。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.026 seconds)
