-
公开(公告)号：CN104217118A
公开(公告)日：2014-12-17
申请号：CN201410467131.0
申请日：2014-09-12
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种船舶引航排班问题模型与求解方法，在分析引航排班各种成文的排班规则及不成文的排班习惯的基础上，针对常规求解方法存在大量不可行解的困难，提出了将该模型转化为伪旅行商问题的方法；该方法依次包括以下步骤：步骤(1)：建立本地数据库，进行合同收池；步骤(2)：从池中选出待引航排班船舶，建立引航排班问题模型；步骤(3)：基于分布估计改进离散粒子群算法对引航排班问题模型进行求解，找出最优引航排班计划；步骤(4)：根据确定的最优引航排班计划进行引航排班。本发明为提高算法效率，通过引入最优粒子子群，其具有搜索速度快，搜索精度高的特点。本发明所提引航排班问题模型是有效的，求解方法是高效的。
-
公开(公告)号：CN104268640B
公开(公告)日：2017-10-20
申请号：CN201410465080.8
申请日：2014-09-12
Applicant: 河海大学常州校区
IPC: G06Q10/04
Abstract: 本发明公开了一种引航员指派方法，包括如下步骤：建立本地数据库，进行合同收池；从池中选出待指派引航员和待引航船舶，建立引航员指派模型；基于动态子种群改进遗传算法对引航员指派模型进行求解，找出最优引航员指派计划；根据确定的最优引航员指派计划进行引航员指派。本发明对引航员指派建立了数学建模，具有较强的扩展性，可作为求解引航员指派的通用模型，较好地解决了引航员指派问题，具有求解精度高、求解时间短、资源分配合理、利用率高的优点；在求解最优引航员指派模型的算法选择上采用了基于动态子种群改进遗传算法，该改进算法具有交叉概率随动态子种群变化的特点。
-
公开(公告)号：CN104268639B
公开(公告)日：2017-07-28
申请号：CN201410465020.6
申请日：2014-09-12
Applicant: 河海大学常州校区
IPC: G06Q10/04
Abstract: 本发明公开了一种基于森林模型与改进遗传算法的船舶引航排班方法。该方法根据引航任务衔接条件构建引航任务森林模型，采用改进广度优先搜索算法遍历引航任务森林获取初始引航任务组；根据初始引航任务组，采样改进遗传算法获取最优引航排班计划。本发明考虑了引航排班中各种成文的排班规则及不成文排班习惯，同时将引航排班问题所涉及的约束条件转化为费用模型，从可行性、公平性、效益三个角度出发，求解船舶引航排班方法。
-
公开(公告)号：CN104217118B
公开(公告)日：2017-04-26
申请号：CN201410467131.0
申请日：2014-09-12
Applicant: 河海大学常州校区
IPC: G06Q10/10
Abstract: 本发明公开了一种船舶引航排班问题模型与求解方法，在分析引航排班各种成文的排班规则及不成文的排班习惯的基础上，针对常规求解方法存在大量不可行解的困难，提出了将该模型转化为伪旅行商问题的方法；该方法依次包括以下步骤：步骤(1)：建立本地数据库，进行合同收池；步骤(2)：从池中选出待引航排班船舶，建立引航排班问题模型；步骤(3)：基于分布估计改进离散粒子群算法对引航排班问题模型进行求解，找出最优引航排班计划；步骤(4)：根据确定的最优引航排班计划进行引航排班。本发明为提高算法效率，通过引入最优粒子子群，其具有搜索速度快，搜索精度高的特点。本发明所提引航排班问题模型是有效的，求解方法是高效的。
-
Patent Agency Ranking
公开(公告)号：CN104268640A
公开(公告)日：2015-01-07
申请号：CN201410465080.8
申请日：2014-09-12
Applicant: 河海大学常州校区
IPC: G06Q10/04
Abstract: 本发明公开了一种引航员指派方法，包括如下步骤：建立本地数据库，进行合同收池；从池中选出待指派引航员和待引航船舶，建立引航员指派模型；基于动态子种群改进遗传算法对引航员指派模型进行求解，找出最优引航员指派计划；根据确定的最优引航员指派计划进行引航员指派。本发明对引航员指派建立了数学建模，具有较强的扩展性，可作为求解引航员指派的通用模型，较好地解决了引航员指派问题，具有求解精度高、求解时间短、资源分配合理、利用率高的优点；在求解最优引航员指派模型的算法选择上采用了基于动态子种群改进遗传算法，该改进算法具有交叉概率随动态子种群变化的特点。
-
公开(公告)号：CN104267778B
公开(公告)日：2016-02-10
申请号：CN201410476803.4
申请日：2014-09-17
Applicant: 河海大学常州校区 , 常州天合光能有限公司
CPC classification number: Y02E10/58 , Y02E40/76 , Y04S10/545
Abstract: 本发明公开了一种基于功率微分的光伏发电最大功率点跟踪方法，本发明将Boost电路的占空比作为控制变量，首先通过对功率微分绝对值及其前后采样时刻的关系判定找到最大功率点附近区域所对应的占空比区间，再采用改进量子遗传算法寻优求得最优占空比，并将其输出给Boost电路以实现对最大功率点的跟踪。与现有技术相比，该发明具有搜索速度快，能克服外界环境发生剧烈变化时产生的误判和跟踪失效的问题。
-
公开(公告)号：CN104616085A
公开(公告)日：2015-05-13
申请号：CN201510084657.5
申请日：2015-02-16
Applicant: 河海大学常州校区 , 常州瑞信电子科技有限公司
Abstract: 本发明公开了一种基于BP神经网络的光伏发电量预测方法，包括步骤：选取光伏发电量影响因素的历史数据生成输入向量，以其所对应的光伏发电量的历史数据作为输出向量，得到训练样本；利用所得训练样本训练BP神经网络；选取影响光伏发电量因素的待预测日的数据输入BP神经网络，得到预测光伏发电量。本发明通过太阳辐射强度和温度数据，实现了太阳能光伏发电量的预测，针对BP神经网络易陷入局部极值的缺陷，提出了基于改进学习率和权值的弹性自适应规则的BP神经网络，较好地解决了算法陷入局部极值的问题，提高了光伏发电量的预测精度。
-
公开(公告)号：CN104268639A
公开(公告)日：2015-01-07
申请号：CN201410465020.6
申请日：2014-09-12
Applicant: 河海大学常州校区
IPC: G06Q10/04
CPC classification number: G06Q10/04
Abstract: 本发明公开了一种基于森林模型与改进遗传算法的船舶引航排班方法。该方法根据引航任务衔接条件构建引航任务森林模型，采用改进广度优先搜索算法遍历引航任务森林获取初始引航任务组；根据初始引航任务组，采样改进遗传算法获取最优引航排班计划。本发明考虑了引航排班中各种成文的排班规则及不成文排班习惯，同时将引航排班问题所涉及的约束条件转化为费用模型，从可行性、公平性、效益三个角度出发，求解船舶引航排班方法。
-
公开(公告)号：CN104267778A
公开(公告)日：2015-01-07
申请号：CN201410476803.4
申请日：2014-09-17
Applicant: 河海大学常州校区
CPC classification number: Y02E10/58 , Y02E40/76 , Y04S10/545
Abstract: 本发明公开了一种基于功率微分的光伏发电最大功率点跟踪方法，本发明将Boost电路的占空比作为控制变量，首先通过对功率微分绝对值及其前后采样时刻的关系判定找到最大功率点附近区域所对应的占空比区间，再采用改进量子遗传算法寻优求得最优占空比，并将其输出给Boost电路以实现对最大功率点的跟踪。与现有技术相比，该发明具有搜索速度快，能克服外界环境发生剧烈变化时产生的误判和跟踪失效的问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
