一种共享电单车电池运输动态调度优化方法,首先根据共享电单车的现实情况设计了车辆途中补充电池的策略;然后建立了共享电单车电池运输动态调度优化问题模型,以在规定时间最大化车辆可更换电池数为目标,其中包括了停车点内低电量电单车数量的预测、周期更新时间内电单车的新增以及未服务停车点内低电量电单车数量的变化;最后设计了基于差分进化的混合水波优化算法求解车辆最大更换电池数。本发明解决运营商为区域共享电单车停车点中的低电量电单车更换电池的车辆路径规划问题。
📄 2022103800588
📂 G06Q10_04
👤 浙江工业大学
📅 2022-04-06
本发明公开了一种码头岸桥与场桥协同优化调度方法,包括如下步骤:将岸桥与场桥定为调度对象,以集装箱栈作为最小装卸单元,结合船期表和集装箱在船舶及堆场的位置,以完成一艘船舶上所有集装箱装卸任何所花费的最小时间及岸桥和场桥移动距离短作为岸桥与场桥调度的目标,构建进出口集装箱同贝同步装卸作业数学模型,得出给定进出口集装箱装卸任务下的最优岸桥与场桥调度方案。本发明所述的码头岸桥与场桥优化调度方法,通过设计熵值评价体系,设计基于熵值匹配原则的改进遗传算法,大大提高了算法的求解能力,提高了岸桥与场桥协同调度能力。
📄 2018116145846
📂 G06Q10_04
👤 浙江工业大学
📅 2018-12-27
本发明公开的一种基于萤火虫算法的梯级水库群调度优化方法,包括以下步骤,步骤1:以调度期内梯级水库发电量最大为优化目标,以梯级水库的水力约束及电力约束为约束条件,建立梯级水库优化模型;步骤2:采用改进萤火虫算法对步骤1中得到的梯级水库优化模型进行优化计算,得到最大发电量及其对应的最优水库水位,输出最优水库水位。本发明一种基于萤火虫算法的梯级水库群调度优化方法,对于丰富梯级水库群优化调度方法、提高梯级水库群联合运行水平、提高水资源综合利用效益和发电企业经济效益,具有重要的实际意义和应用价值。
📄 2017107360995
📂 G06Q10_04
👤 西安理工大学
📅 2017-08-24
本发明涉及一种基于光伏微网运行成本的蓄电池充放电调度优化方法。本发明基于光伏微网用电负荷和光伏发电的24小时预测数据,提出了一种光伏微网蓄电池在未来24小时的优化运行调度策略。专利给出了由四个子项构成的光伏微网运行成本模型:(1)基于放电深度刻画的蓄电池老化成本;(2)基于尖峰电价的电力需求费用;(2)基于分时电价的能源费用;(4)基于光伏上网电价的发电收益。结合模型中蓄电池充放电的约束条件,实现了运行成本模型的优化,将显著降低光伏微网的运行成本,有助于光伏微网系统的推广应用。
📄 2018109807847
📂 G06F17_50
👤 杭州电子科技大学
📅 2018-08-27
本发明公开了一种基于居民刚性需求的出行调度优化方法,包括如下步骤:S1:获取行政区划边界数据及高德地图AMap_Adcode_citycode城市编码表;S2:基于行政区和城市编码确定所需兴趣点POI数据;S3:利用Pandas对POI数据进行快速预处理;S4:构建区域间的平均可达距离模型;S5:对各类POI进行分类处理;S6:通过ImageJ处理所得到的SDE结果;S7:利用Matlab构建差分方程计算平衡点;S8:对平衡点数值进行加权平均;S9:针对加权平均求得的结果,进行出行优化调度方案的判定。本发明基于更加客观的各类交通、生活及地址设施POI数据,在选定城市区域中进行SDE分析,计算该区域居民刚性需求产生的出行强度的权重系数,以制定适合该区域的居民出行调度优化方法。
📄 2022115535352
📂 G06F16_9535
👤 淮阴工学院
📅 2022-12-05
本发明涉及数据处理技术领域,具体涉及基于数据处理的水源调度优化方法,包括:获取所有水分发节点的水流量时序数据序列以及管道连通信息,对所有水分发节点进行聚类,得到两个初始聚类簇,计算任意两个水分发节点的水流量波动相似性,结合水分发节点与其对应的供水节点间的最短连通距离,得到任意两个水分发节点间的关联性,进一步计算每个水分发节点与初始聚类簇间距离的修正参数,得到修正聚类距离并得到两个更新聚类簇,迭代聚类过程得到若干个最终聚类簇,确定每个水分发节点的水源调度结果。本发明根据水分发节点间的连通距离和从属关系,对层次聚类算法中水分发节点与聚类簇间的聚类距离进行修正量化,实现对水资源调度的有效优化。
📄 2024106343028
📂 G06Q50_06
👤 深圳市旭仓科技有限公司
📅 2024-05-22
一种基于多目标非支配排序的车间布局调度优化方法,包括:1.收集企业生产过程中与生产资源相关的数据;2.对生产车间的设备、布局及工序进行编码,并建立优化模型;3.产生均匀的参考点集合,随机初始化规模为N的种群Pt;4.种群Pt经过选择、交叉、变异,得到规模为N的子代种群Qt,父代种群和子代种群合并后得到规模为2N的种群Rt;5.Rt非支配排序过后,被分为F1,F2,…等若干层;6.有St=F1∪F2∪…Fl,并且直到|St|≥N;7.个体规范化,对St中所有个体目标归一化;8.设置聚类算子,定义第i个参考点的小生境数为ρi;9.利用小生境数在Fl中选择K个个体放入Pt+1中;10.判断是否已经满足最大迭代次数;11.产生布局编码、设备分配编码。
📄 2021102955799
📂 G06Q10_06
👤 浙江工业大学
📅 2021-03-19