-
Patent Agency Ranking
公开(公告)号：CN114399043B
公开(公告)日：2024-06-04
申请号：CN202111437667.4
申请日：2021-11-30
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于非支配排序粒子群遗传算法的车辆位置路由方法，属于人工智能自动驾驶技术领域。本发明提出了一种混合全局局部搜索的非支配排序粒子群遗传算法，使用粒子群算法的变化算子与遗传算法变化算子同时进行种群的进化，提高了搜索能力、加快了收敛速度。使用NSGA‑III算法的选择机制选择进入下一代的个体，实现了种群多样性。将邻域搜索作为局部搜索，能够以更高的概率获得更优解，加快收敛并防止算法后期陷入局部最优解；对次优个体局部搜索能够提高整个种群的Pareto非支配解的比例，提高整个种群解的质量和Pareto非支配解的多样性，并进一步加快收敛速度。本方法在解决车辆位置路由问题上的有效性优于现有方法。
-
公开(公告)号：CN111125333B
公开(公告)日：2022-05-27
申请号：CN201911335248.2
申请日：2019-12-23
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/126 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于表示学习与多层覆盖机制的生成式知识问答方法，属于人工智能和自然语言处理技术领域。针对知识问答系统的知识库中，事实不能被有效表示导致降低查找正确答案能力，生成式问答任务中模型会陷入某种模式中无法跳出，或在某个模式中重复生成已生成过的词汇，导致答案可读性下降的技术问题，首先建立生成式知识问答模型，使用Seq2Seq框架，结合注意力机制、CopyNet模型、GenQA模型和Coverage覆盖机制，通过编码器解析问题，并通过查询知识库中的信息，使用解码器生成答案。在给定场景下，能够生成完整的一句话，答案包含正确的知识，且生成的答案具有流畅性、一致性和正确性，在经典的知识问答数据集、限定领域和开放领域的问答数据集都取得很好效果。
-
公开(公告)号：CN111125333A
公开(公告)日：2020-05-08
申请号：CN201911335248.2
申请日：2019-12-23
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/126 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于表示学习与多层覆盖机制的生成式知识问答方法，属于人工智能和自然语言处理技术领域。针对知识问答系统的知识库中，事实不能被有效表示导致降低查找正确答案能力，生成式问答任务中模型会陷入某种模式中无法跳出，或在某个模式中重复生成已生成过的词汇，导致答案可读性下降的技术问题，首先建立生成式知识问答模型，使用Seq2Seq框架，结合注意力机制、CopyNet模型、GenQA模型和Coverage覆盖机制，通过编码器解析问题，并通过查询知识库中的信息，使用解码器生成答案。在给定场景下，能够生成完整的一句话，答案包含正确的知识，且生成的答案具有流畅性、一致性和正确性，在经典的知识问答数据集、限定领域和开放领域的问答数据集都取得很好效果。
-
公开(公告)号：CN115097824A
公开(公告)日：2022-09-23
申请号：CN202210683712.2
申请日：2022-06-16
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明涉及一种复杂环境下的车辆路径规划方法，属于智能交通技术领域。本方法采用一种增量式加载与搜索路径规划算法，在增量式加载路径规划算法中重用之前已加载区域的规划结果，进一步提高路径规划的速度。在加载地图数据时采用增量式方法，避免一次性加载大量地图数据，大幅减少了地理信息处理时间。在加载区域范围内，使用打破路径对称性的增量式搜索路径规划算法，进一步提升了路径规划速度。同时，针对现有基于启发式搜索算法的对称重复搜索问题，引入直线轨迹偏离值，区别原本具有相同优先级的对称点打破路径的对称性，减少算法对冗余栅格的探索，提升了规划速度。
-
公开(公告)号：CN114399043A
公开(公告)日：2022-04-26
申请号：CN202111437667.4
申请日：2021-11-30
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于非支配排序粒子群遗传算法的车辆位置路由方法，属于人工智能自动驾驶技术领域。本发明提出了一种混合全局局部搜索的非支配排序粒子群遗传算法，使用粒子群算法的变化算子与遗传算法变化算子同时进行种群的进化，提高了搜索能力、加快了收敛速度。使用NSGA‑III算法的选择机制选择进入下一代的个体，实现了种群多样性。将邻域搜索作为局部搜索，能够以更高的概率获得更优解，加快收敛并防止算法后期陷入局部最优解；对次优个体局部搜索能够提高整个种群的Pareto非支配解的比例，提高整个种群解的质量和Pareto非支配解的多样性，并进一步加快收敛速度。本方法在解决车辆位置路由问题上的有效性优于现有方法。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
