一种区域资源协同优化配置方法、装置、设备及介质

    公开(公告)号:CN119005400A

    公开(公告)日:2024-11-22

    申请号:CN202411017169.8

    申请日:2024-07-29

    Applicant: 烟台大学

    Abstract: 本申请公开了一种区域资源协同优化配置方法、装置、设备及介质,涉及自然资源管理领域,该方法包括:对研究区域进行划分,得到若干子区域,确定每一所述子区域对应的秸秆发电厂最优位置,以作物种植面积和投资建设的渠道衬砌长度为决策变量,以秸秆发电厂运行年限为生命周期,构建纽带系统多目标多要素协同优化配置模型,利用改进多目标灰狼算法,对纽带系统多目标多要素协同优化配置模型进行求解,得到优化区域资源配置方案,解决了现有元启发式算法时间复杂度高、求解效果差的问题,提高了研究区域资源协同优化配置的运算速度与求解精度。

    基于差分进化神经网络的汽车碰撞规避方法、系统及设备

    公开(公告)号:CN118953346B

    公开(公告)日:2025-02-28

    申请号:CN202411449427.X

    申请日:2024-10-17

    Applicant: 烟台大学

    Abstract: 本发明涉及车辆自动驾驶技术领域,具体为一种基于差分进化神经网络的汽车碰撞规避方法、系统及设备,分别获取车辆周围环境中障碍物的各车辆传感器的单角度图像;对获取的若干单角度图像进行图像分割,得到单角度图像中障碍物的标签信息;基于障碍物的标签信息计算车辆距离障碍物的欧式距离;建立差分进化神经网络模型,采用差分进化算法对所述模型的车辆染色体编码进行迭代优化;将新获取的不同角度的车辆距离障碍物的欧式距离输入差分进化神经网络模型,输出得到车辆的转向角度;基于输出的转向角度控制车辆进行碰撞规避。解决复杂交通场景下汽车碰撞规避算法的高避碰需求问题,适应动态变化的环境,提高车辆的避障能力和行车安全。

    基于差分进化神经网络的汽车碰撞规避方法、系统及设备

    公开(公告)号:CN118953346A

    公开(公告)日:2024-11-15

    申请号:CN202411449427.X

    申请日:2024-10-17

    Applicant: 烟台大学

    Abstract: 本发明涉及车辆自动驾驶技术领域,具体为一种基于差分进化神经网络的汽车碰撞规避方法、系统及设备,分别获取车辆周围环境中障碍物的各车辆传感器的单角度图像;对获取的若干单角度图像进行图像分割,得到单角度图像中障碍物的标签信息;基于障碍物的标签信息计算车辆距离障碍物的欧式距离;建立差分进化神经网络模型,采用差分进化算法对所述模型的车辆染色体编码进行迭代优化;将新获取的不同角度的车辆距离障碍物的欧式距离输入差分进化神经网络模型,输出得到车辆的转向角度;基于输出的转向角度控制车辆进行碰撞规避。解决复杂交通场景下汽车碰撞规避算法的高避碰需求问题,适应动态变化的环境,提高车辆的避障能力和行车安全。

Patent Agency Ranking