-
公开(公告)号：CN114628031B
公开(公告)日：2023-06-20
申请号：CN202210126121.5
申请日：2022-02-10
申请人： 郑州大学
摘要： 本发明涉及癌症个体生物标志物识别技术领域，具体地说，涉及一种检测癌症个体病人动态网络生物标志物的多模态优化方法，其包括以下步骤：(1)从个体病人的基因组数据构建个体病人的个性化基因交互网络PGIN；(2)设计优化目标函数；(3)利用多模态进化算法寻找个性化动态网络标志物集合PDNBs。本发明的多模态优化方法可有效识别癌症个体患者的PDNB，探索网络生物标志物的多模态性，并且可以为精准医学中理解肿瘤异质性提供了一个新的视角。
-
公开(公告)号：CN114529223A
公开(公告)日：2022-05-24
申请号：CN202210266982.3
申请日：2022-03-17
申请人： 郑州大学
摘要： 本发明涉及一种解决通用约束的城轨交通司机排班问题的方法，包括设定通用约束条件；输入列车运行时刻表和司机的最小间隔休息时间；统计每个车次与所有车次为临近车次的代价，生成代价矩阵A，并完成数学建模过程；在不考虑司机工作总时长的前提下，利用01整数规划算法对建模问题进行一体式求解；将每位司机的工作量根据用约束条件分割为多位司机的工作量；输出排班表。本发明通过代价矩阵大幅度降低排班问题的求解复杂性；依据代价矩阵和整数规划算法可以快速求得可行解；先使用一体式求解之后再分割的算法可以满足现实中各种划分班次的要求，通过数学证明其排班方案是司机人数最少和当司机人数为最少时工作效率最高的方案。
-
公开(公告)号：CN118482727A
公开(公告)日：2024-08-13
申请号：CN202410723982.0
申请日：2024-06-05
申请人： 郑州大学
IPC分类号： G01C21/20
摘要： 本发明公开了一种基于强化学习的多约束飞行器航迹快速规划方法，通过建立飞行器航迹模型、状态空间和动作空间；设计飞行器航迹规划问题强化学习方法的奖励函数，将飞行器每次选择的动作后所带来的状态、动作、奖励作为经验保存在Q表中，用Q表记录状态‑动作对的选择概率；强化学习通过迭代训练来学习Q表，在每一个迭代过程中会探索不同的动作，并更新Q表并利用Q表中存储的经验来指导动作选择；飞行器在当前状态选择动作时是按照概率选择，根据ε‑贪婪算法以ε概率随机选择一个动作，以1‑ε的概率选择Q表中此状态最大值对应的动作；当飞行器选择动作后，根据结果来进行奖励或惩罚。
-
公开(公告)号：CN114628031A
公开(公告)日：2022-06-14
申请号：CN202210126121.5
申请日：2022-02-10
申请人： 郑州大学
摘要： 本发明涉及癌症个体生物标志物识别技术领域，具体地说，涉及一种检测癌症个体病人动态网络生物标志物的多模态优化方法，其包括以下步骤：(1)从个体病人的基因组数据构建个体病人的个性化基因交互网络PGIN；(2)设计优化目标函数；(3)利用多模态进化算法寻找个性化动态网络标志物集合PDNBs。本发明的多模态优化方法可有效识别癌症个体患者的PDNB，探索网络生物标志物的多模态性，并且可以为精准医学中理解肿瘤异质性提供了一个新的视角。
-
-
-
搜索结果
4 条记录 (耗时 0.035 秒)
