公开(公告)号：CN113947298A

公开(公告)日：2022-01-18

申请号：CN202111170383.3

申请日：2021-10-08

Applicant: 南京邮电大学

Inventor： 孙知信 ,  蔡岳 ,  王恩良 ,  孙哲 ,  宫婧 ,  赵学健 ,  胡冰 ,  汪胡青

IPC: G06Q10/06 ,  G06K9/62 ,  G06Q40/02

Abstract: 本发明提供了一种基于双重指针网络的车货匹配方法，对车货匹配问题建模，得到车货匹配问题数学模型，生成车货匹配情况，对车货匹配情况进行预处理；然后使用Critic网络与双重指针网络对抗的方法，训练双重指针网络，训练数据使用生成的预处理模拟车货匹配情况，得到优化的双重指针网络并用以求解实际车货匹配情况，求解后采用映射方法将优化车辆序列和优化货物序列映射成车货匹配问题的结果。本发明通过对车货匹配问题进行数学建模，然后生成多个车货匹配情况并采用对抗的方法来训练双重指针网络，最后使用训练后优化的双重指针网络来求解实际车货匹配问题，解决现有车货匹配问题中无法解决两个分属不同问题但相关的序列决策的问题。

公开(公告)号：CN114896878A

公开(公告)日：2022-08-12

申请号：CN202210472947.7

申请日：2022-04-29

Applicant: 南京邮电大学

Inventor： 孙知信 ,  蔡岳 ,  孙哲 ,  赵学健 ,  胡冰 ,  宫婧 ,  汪胡青 ,  徐玉华

IPC: G06F30/27 ,  G06N3/08

Abstract: 本发明提出了一种基于记忆指针网络的CVRP求解方法，包括以下步骤：1：根据实际生产中的CVRP问题并对CVRP问题建模，得到CVRP问题数学模型；2：根据步骤1中的CVRP问题数学模型，具体生成多个虚拟的CVRP问题，从而组成CVRP问题数据集；3：对步骤2中的数据集进行预处理；4：初始化两个记忆指针网络的权重；5：将步骤3中CVRP问题数据集中的用户和车辆输入经过步骤4初始化两个的记忆指针网络中，分别计算车辆序列和用户序列；6：基于步骤2的数据集训练记忆指针网络；7：采用上述训练后的记忆指针网络求解实际CVRP问题，得到实际CVRP问题所对应的车辆序列和货物序列；8：使用算法将步骤7中得到的车辆序列和货物序列转换为CVRP问题的求解结果。

公开(公告)号：CN113947298B

公开(公告)日：2024-07-26

申请号：CN202111170383.3

申请日：2021-10-08

Applicant: 南京邮电大学

Inventor： 孙知信 ,  蔡岳 ,  王恩良 ,  孙哲 ,  宫婧 ,  赵学健 ,  胡冰 ,  汪胡青

IPC: G06Q10/0631 ,  G06Q40/02 ,  G06F18/2411

Abstract: 本发明提供了一种基于双重指针网络的车货匹配方法，对车货匹配问题建模，得到车货匹配问题数学模型，生成车货匹配情况，对车货匹配情况进行预处理；然后使用Critic网络与双重指针网络对抗的方法，训练双重指针网络，训练数据使用生成的预处理模拟车货匹配情况，得到优化的双重指针网络并用以求解实际车货匹配情况，求解后采用映射方法将优化车辆序列和优化货物序列映射成车货匹配问题的结果。本发明通过对车货匹配问题进行数学建模，然后生成多个车货匹配情况并采用对抗的方法来训练双重指针网络，最后使用训练后优化的双重指针网络来求解实际车货匹配问题，解决现有车货匹配问题中无法解决两个分属不同问题但相关的序列决策的问题。

公开(公告)号：CN111740921A

公开(公告)日：2020-10-02

申请号：CN202010572022.0

申请日：2020-06-22

Applicant: 南京邮电大学

Inventor： 张登银 ,  蔡岳 ,  肖毅 ,  赵莎莎

IPC: H04L12/851 ,  G06K9/62

Abstract: 本发明公开了一种基于改进K-means算法的网络流量分类方法及系统，所述方法包括步骤：判断初始聚类中心集合中网络流量数据点的总数NIC是否达到期望的网络流量簇数量k值，若没有达到k值，则计算高密度网络流量数据点集合中各个网络流量数据点的候选度量值，选择候选度量值最大的网络流量数据点并将其加入到初始聚类中心集合中，并从高密度网络流量数据点集合中去除该网络流量数据点，然后重复该步骤直至初始聚类中心集合中网络流量数据点的总数NIC达到k值，步骤结束。本发明能够保证较高的网络流量分类准确率。