-
Patent Agency Ranking
公开(公告)号：CN118761764B
公开(公告)日：2025-04-15
申请号：CN202410748245.6
申请日：2024-06-11
IPC: G06Q10/30 , G06N7/01 , G06N20/00 , G06Q30/0207
Abstract: 本发明公开了一种考虑级联失效的退役动力电池的拆解序列规划方法及装置，所述方法包括：建立退役动力电池的Petr i网拆解模型，该模型捕获了电池的拆解优先级关系和组件拆解状态；在Petr i网拆解模型中，利用马尔科夫决策过程来描述退役动力电池的拆解序列；采用改进的Q学习算法对拆解序列的决策进行优化。本发明能够很好地对级联失效情况下的拆解序列规划进行优化与决策。
-
公开(公告)号：CN118627818A
公开(公告)日：2024-09-10
申请号：CN202410763129.1
申请日：2024-06-13
IPC: G06Q10/0631 , G06Q10/0633 , G06Q10/10 , G06N3/092
Abstract: 本发明公开了一种退役动力电池的多目标双边拆解线平衡方法及装置，所述方法包括：引入退役动力电池的双边布局的拆解线模式，定义与优先关系、或优先关系来描述退役动力电池的拆解任务之间的约束类型，并在退役动力电池的拆解优先图中融入与优先关系和或优先关系，建立退役动力电池的多目标双边拆解线平衡模型MILP，以从产线配置、经济效益和安全环保三个方面优化影响退役动力电池的双边拆解线平衡的指标；基于强化学习的群体进化算法RLSEA对多目标双边拆解线平衡模型MILP的双边拆解线平衡的指标进行求解，得到退役动力电池的最优的拆解任务分配方案。本发明能够提升退役动力电池拆解的作业效率与灵活性。
-
公开(公告)号：CN115271568B
公开(公告)日：2023-01-20
申请号：CN202211206939.4
申请日：2022-09-30
Applicant: 暨南大学
Abstract: 本发明涉及基于强化学习‑群体进化混合算法的双边拆解线设计方法，所述方法包括以下步骤：S1、定义与、或优先关系；S2、建立以优化产线布置、经济效益和安全环保三个方面共六个指标的数学模型；S3、初始化种群，建立外部档案储存Pareto较优解，建立R值表记录算子的改进效果，建立Q值表储存Q值；S4、采用群优化算法迭代更新外部档案，同时记录每代优化算子的对于目标的改进值；S5、重复步骤S3‑S4，进行多次强化学习获得稳定的R值表和Q值表；S6、根据Q值表终表，采用群优化算法迭代更新外部档案，获得稳定解。本发明采用了基于强化学习的群体进化算法解决拆卸任务之间复杂的约束类型，能高效获得稳定的最优解并保证解的多样性。
-
公开(公告)号：CN115271568A
公开(公告)日：2022-11-01
申请号：CN202211206939.4
申请日：2022-09-30
Applicant: 暨南大学
Abstract: 本发明涉及基于强化学习‑群体进化混合算法的双边拆解线设计方法，所述方法包括以下步骤：S1、定义与、或优先关系；S2、建立以优化产线布置、经济效益和安全环保三个方面共六个指标的数学模型；S3、初始化种群，建立外部档案储存Pareto较优解，建立R值表记录算子的改进效果，建立Q值表储存Q值；S4、采用群优化算法迭代更新外部档案，同时记录每代优化算子的对于目标的改进值；S5、重复步骤S3‑S4，进行多次强化学习获得稳定的R值表和Q值表；S6、根据Q值表终表，采用群优化算法迭代更新外部档案，获得稳定解。本发明采用了基于强化学习的群体进化算法解决拆卸任务之间复杂的约束类型，能高效获得稳定的最优解并保证解的多样性。
-
公开(公告)号：CN118761764A
公开(公告)日：2024-10-11
申请号：CN202410748245.6
申请日：2024-06-11
IPC: G06Q10/30 , G06N7/01 , G06N20/00 , G06Q30/0207
Abstract: 本发明公开了一种考虑级联失效的退役动力电池的拆解序列规划方法及装置，所述方法包括：建立退役动力电池的Petr i网拆解模型，该模型捕获了电池的拆解优先级关系和组件拆解状态；在Petr i网拆解模型中，利用马尔科夫决策过程来描述退役动力电池的拆解序列；采用改进的Q学习算法对拆解序列的决策进行优化。本发明能够很好地对级联失效情况下的拆解序列规划进行优化与决策。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
