一种基于动态多目标种子优化算法的不平衡数据集处理方法

    公开(公告)号:CN117892129A

    公开(公告)日:2024-04-16

    申请号:CN202410061761.1

    申请日:2024-01-16

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于动态多目标种子优化算法的不平衡数据集处理方法,与现有技术相比解决了不平衡数据集问题求解性能差、效率低的缺陷。本发明包括以下步骤:原始不平衡数据集的分割;静态多目标优化算法的初始化;基于代理预测模型的初始种群构建;增量不平衡数据流的再平衡;基于全量不平衡数据集的性能评估。本发明拥有求解效果好,再平衡效率高的特点,可解决现有不平衡数据集问题中再平衡方案对不平衡数据集规模的限制,实现不平衡数据集的在线再平衡,以及对于再平衡方法参数值的快速定位。

    一种基于种子优化算法的多目标货运车辆路径规划方法

    公开(公告)号:CN117129000B

    公开(公告)日:2024-03-26

    申请号:CN202311223688.5

    申请日:2023-09-21

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于种子优化算法的多目标货运车辆路径规划方法,与现有技术相比解决了车辆路径问题鲁棒解少、最优性差的缺陷。本发明包括以下步骤:鲁棒多目标优化车辆路径问题种群的初始化及模型构建;目标函数评估生成路径;种子优化算法引导搜索可行路径;鲁棒多目标优化车辆路径问题针对不确定因素加干扰;种子优化算法筛选搜索生成鲁棒路径。本发明拥有群体智能涌现明显、鲁棒性强、面向实际问题的特点,可解决现有车辆路径问题中鲁棒车辆模型和目标函数构建的限制,提高了在不确定因素扰动下鲁棒最优路径的质量和数量,有助于有效应对物流系统中的突发状况。

    一种动态障碍物环境下目标搜索的无人机集群协同控制方法

    公开(公告)号:CN119937593A

    公开(公告)日:2025-05-06

    申请号:CN202510105359.3

    申请日:2025-01-23

    Applicant: 安徽大学

    Abstract: 本发明涉及一种动态障碍物环境下目标搜索的无人机集群协同控制方法,与现有技术相比解决了无人机集群在复杂、动态环境中目标搜索效率低、避障性能差的缺陷。本发明包括以下步骤:无人机集群的初始化;动态环境感知与障碍物信息获取;无人机多子群协同优化目标搜索;无人机集群路径规划与避障处理;无人机调度位置的更新。本发明结合了实时环境感知、数据融合技术以及基于势力场的避障机制,确保了无人机集群在复杂环境中的安全性和稳定性,避免了无人机在动态障碍物环境中可能发生的碰撞和路径规划失误;基于代价矩阵的路径优化方法有效降低了任务完成的总时间和飞行距离,进一步提升了任务执行的效率。

    一种基于种子优化算法的多目标货运车辆路径规划方法

    公开(公告)号:CN117129000A

    公开(公告)日:2023-11-28

    申请号:CN202311223688.5

    申请日:2023-09-21

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于种子优化算法的多目标货运车辆路径规划方法,与现有技术相比解决了车辆路径问题鲁棒解少、最优性差的缺陷。本发明包括以下步骤:鲁棒多目标优化车辆路径问题种群的初始化及模型构建;目标函数评估生成路径;种子优化算法引导搜索可行路径;鲁棒多目标优化车辆路径问题针对不确定因素加干扰;种子优化算法筛选搜索生成鲁棒路径。本发明拥有群体智能涌现明显、鲁棒性强、面向实际问题的特点,可解决现有车辆路径问题中鲁棒车辆模型和目标函数构建的限制,提高了在不确定因素扰动下鲁棒最优路径的质量和数量,有助于有效应对物流系统中的突发状况。

Patent Agency Ranking