本发明涉及一种基于改进遗传算法的无人船航线规划方法，其包括：采用限制随机初始化种群生成无碰撞路径，以提高初始种群质量；在选择算子上使用Pareto原理和二元锦标赛选择出一半种群进行交叉和变异操作；采用自适应遗传算法中的交叉概率和变异概率提高算法的收敛能力；引入安全算子，使无人船路径保持在安全距离之外；以路径最短和平滑度最优作为适应度函数；使用删除算子和安全算子，删除无用的路径点以及判断路径点是否在安全距离之外，如果没在重新生成路径点。本发明使无人船在航行之前预先规划好航线，为船舶安全航行提供基础。
📄 202111544105X
📂 G06F30_27
👤 青岛科技大学
📅 2021-12-16
本发明公开了一种基于遗传算法的路牌识别对抗防御方法，包括：(1)构建训练集、测试集以及对抗集；(2)构建路牌分类器，并利用训练集、测试集对路牌分类器进行训练，获得路牌识别模型；(3)根据遗传算法构建路牌攻击模型，利用路牌攻击模型生成对抗样本；(4)矫正对抗样本，并将对抗样本应用在物理场景下，再采集对抗样本的物理图像；(5)将对抗样本的物理图像输入至路牌识别模型，筛选得到高质量的对抗样本；(6)将高质量的对抗样本添加到训练集中，利用训练集再训练路牌识别模型，实现对路牌识别模型的对抗防御优化；(7)利用对抗防御优化后的路牌识别模型对路牌图像进行识别，以实现路牌识别的对抗防御。
📄 2019102977485
📂 G06K9_00
👤 浙江工业大学
📅 2019-04-15
本发明公开了基于改进遗传算法的变压器样本选择方法，具体按照以下步骤实施：步骤1、对训练样本进行二进制编码，并进行种群初始化，设置最大迭代数T，种群规模为N；步骤2、经步骤1后，将种群分为个体为n的子种群，称为探测块，在进化过程中产生一个包含较好个体的种群，称为开发块，将开发块与探测块结合对变压器样本进行选择；步骤3、待步骤2完成后，利用文化算法对多种群遗传算法进行改进提升，在相应的进化操作之下得到最终适应度最大的个体，完成基于改进遗传算法的变压器样本选择。本发明基于改进遗传算法的变压器样本选择方法，利用多种群遗传算法对变压器进行训练样本选优，并利用文化算法对其进行改进，能获得最佳样本。
📄 2017107918427
📂 G06N3_00
👤 西安工程大学
📅 2017-09-05
本发明公开了一种基于多种群遗传算法的能耗感知云工作流调度优化方法，包括以下步骤：获取调度优化所需信息；计算任务层次值；基于层次初始化种群；采用FBI&D方法改进当代种群并计算适应度值；子种群间交流；每个子种群独立进化：进行基于二维拓扑排序的交叉和变异操作形成新子种群、采用FBI&D方法改进新子种群并计算适应度值、由当代子种群和新子种群形成新的当代子种群；直到满足终止条件输出调度优化方案。本发明考虑了能耗因素并采用多种群协同进化策略，能有效避免种群进入局部最优和早熟、加速收敛，从而提高了整个算法效率。
📄 2019112615527
📂 G06F9_48
👤 浙江工商大学
📅 2019-12-10
本发明公开了一种云计算环境下基于多阶段遗传算法的工作流调度优化方法，包括以下步骤：获取调度优化所需信息、计算任务层次值、初始化当代种群和精英个体；分三个阶段进行自适应进化：阶段1和阶段2基于任务最早完成时间的启发式方法和基于层次和拓扑排序的任务调度顺序列表遗传操作使算法尽快收敛于最优解附近，而阶段3则采用虚拟机分配列表和任务调度顺序列表的遗传操作进行邻域拓展搜索；同时在进化中采用基于插入模式的串行解码方法、精英保存机制、FBI&D和LDI改进策略。本发明相对单阶段搜索算法有更好的搜索效率和寻优能力。
📄 2019112598964
📂 G06F9_48
👤 浙江工商大学
📅 2019-12-10
本发明涉及生物信息化技术领域。一种基于改进自适应遗传算法的人体体成分预测方法，包括以下步骤：步骤一是利用基于改进RReliefF和mRM R相结合的特征选择算法来选择特征子集；步骤二是利用特征子集来构建人体体成分预测拟合模型；步骤三是利用轮盘赌选择策略和最优保留策略来改进自适应遗传算法的遗传算子，获得改进选择算子；步骤四是依次执行改进选择算子、自适应交叉算子和变异算子，以求解人体体成分预测拟合模型的最优未知权重，获得人体体成分预测模型。本发明的有益效果：通过改进自适应遗传算法来提高算法的适应度，提高人体体成分预测模型的精度，为人体体成分预测提供新的模型参考。
📄 2019107408527
📂 G16B20_40
👤 岭南师范学院
📅 2019-08-12
本发明公开了基于双染色体遗传算法的带服务约束多物流车调度方法，获取客户信息、仓库信息、物流车信息，根据实际应用场景下客户物流对运输物流车的限制，将物流调度运输问题建模为带服务约束的多物流车调度问题，建立物流车针对客户物流的可服务矩阵；采用双染色体表示法表征多物流车服务客户物流的调度方案，设计改进的部分匹配交叉策略，提出适应服务约束的变异算子，结合适应值评估，设置交叉概率、变异概率、最大适应值评估次数以及种群规模，基于遗传算法，迭代优化种群，不断更新全局最优物流车调度方案。本发明极大地提升了带服务约束多物流车调度优化问题的求解效率，有利于增加物流车调度效率，提升物流车运输过程中的吞吐量。
📄 2023114930185
📂 G06Q10_0631
👤 南京信息工程大学
📅 2023-11-10
本发明公开了一种基于改进混合遗传算法的作业车间调度方法，涉及作业车间调度优化技术领域；本发明首先建立作业车间调度模型；然后确定了调度问题的约束条件，包括工序约束、机器约束和时间约束；接着把混合遗传算法进行基于工序的编码，并设置混合遗传算法求解作业车间调度问题的相关参数；然后计算每一个个体的适应度值；随后对个体进行轮盘赌选择法，选择适应度高的个体参与下一阶段的遗传操作；然后对个体进行IPOX交叉；再对个体进行随即变异；对个体进行局部搜索；在选择操作中取前10％适应度高的个体放入种群中，不参与交叉、变异、模拟退火操作；判断算法是否达到最大迭代次数，如果是则算法结束；如果未达到最大迭代次数，则重新计算每一个个体的适应度值。
📄 2021100362572
📂 G06Q10_04
👤 南京信息工程大学
📅 2021-01-12
本发明公开了一种基于改进遗传算法的柔性作业车间调度的方法，涉及柔性作业车间调度优化技术领域；建立柔性作业车间调度的数学模型；然后确定模型的约束条件；根据柔性作业车间调度的两个子问题：机器选择和工序排列，进行种群初始化；通过锦标赛选择法选择出要进行后续操作的种群；对机器选择编码层采用多点交叉法；对机器选择编码层进行多重变异操作；对新一代的种群根据适应度进行排序，判断是否满足终止条件，终止条件为是否达到最大迭代次数gen，若满足进行下一个步骤，否则，重新进行使用最优插入法对每个个体进行适应度计算，通过锦标赛选择法选择出要进行后续操作的种群及后续步骤；最后，输出最优结果，并给出相关的收敛曲线和调度甘特图。
📄 2021100377351
📂 G06Q10_06
👤 南京信息工程大学
📅 2021-01-12
本发明公开了一种基于遗传算法的阵列天线能量调配方法。建立发射端阵列天线模型和收发天线传输系统；建立基于S散射矩阵的目标函数和适应度函数，S散射矩阵中包含发射端阵列天线的幅值和相位信息；根据建立的基于S散射矩阵的适应度函数实施遗传算法，求解出最优解，据此获得发射端阵列天线的最优幅值和相位，实现在能量传输效率最大化情况下的能量调配；对发射端阵列天线模型进行仿真，验证在最优参数下阵列天线能量调配的性能。本发明通过遗传算法优化快速找到阵列天线最优幅值和相位，实现在能量传输效率最大化情况下的能量调配。
📄 201811609067X
📂 G06F30_20
👤 南京信息工程大学
📅 2018-12-27
柿子坊 · 知识产权运营
柿子坊知识产权运营平台