-
公开(公告)号：CN109919539B
公开(公告)日：2022-08-16
申请号：CN201910139811.2
申请日：2019-02-26
Applicant: 大连理工大学
Abstract: 本发明属于物流管理领域，具体涉及一种合作式物流问题的利润分配方法，本方法步骤如下：第一步，进行合作式物流问题路径规划，得到联盟以及子联盟的运输成本，设总公司有m个子公司，在合作式物流规划中，总公司将p(p＜m)个子公司组成联盟Q。p个子公司共有n个订单需要满足，F为联盟Q中任意子公司组成的子联盟，第二步，基于联盟Q以及部分子联盟B的运输成本，采用Shapley value方法进行联盟收益分配。本发明基于合作式物流问题的路径规划结果，考虑联盟中成员的边际贡献值，因而收益分配结果更为公平合理，有助于促进合作式物流规划的成功。
-
公开(公告)号：CN109657928B
公开(公告)日：2022-10-04
申请号：CN201811429564.1
申请日：2018-11-28
Applicant: 大连理工大学
Abstract: 本发明属于多传感器管理领域,具体涉及一种车载传感器系统的闭环协同调度框架的协同调度方法。所述的闭环协同调度框架，包括传感器集合层、决策层和融合层；传感器集合层表示异构的传感器资源集合。融合层结合环境因素以及传感器的观测数据，对目标进行状态估计以及下一个时刻的状态预测，并生成相应的目标态势图像。决策层利用融合层提供的数据信息以及目标态势图像，进行平台路径规划，产生的环境观测需求传递给车载传感器系统。决策层根据平台路径规划结果产生传感器的调度命令，指导传感器集合进行动作更新，实现复杂多变的环境下多传感器的精确探测和追踪。本发明实现传感器资源的高效分配，最终实现多传感器探测、目标追踪的风险最小化。
-
公开(公告)号：CN110308993A
公开(公告)日：2019-10-08
申请号：CN201910566370.4
申请日：2019-06-27
Applicant: 大连理工大学
Abstract: 本发明属于云计算资源分配领域，涉及一种基于改进遗传算法的云计算资源分配方法。所述的方法首先构建了云资源分配的数学模型，然后设计了改进的遗传算法对其求解。本发明中对遗传算法的改进是对其初始种群的产生、交叉变异方法的改进。本方法在初始化种群时，利用次适应算法将虚拟机分成H组，每组对应一台物理机，保证了初始种群的有效性。引入基因评价函数，对每一台物理机的负载情况进行评价，并以此为依据进行交叉和变异，保证了算法的高效性。最终通过迭代得出最少物理机激活数和最大资源利用率虚拟机分配方案。本发明保证每个物理机资源利用率高和负载均衡，从而提高云资源的利用率并降低云数据中心的能耗。
-
公开(公告)号：CN109919539A
公开(公告)日：2019-06-21
申请号：CN201910139811.2
申请日：2019-02-26
Applicant: 大连理工大学
Abstract: 本发明属于物流管理领域，具体涉及一种合作式物流问题的利润分配方法，本方法步骤如下：第一步，进行合作式物流问题路径规划，得到联盟以及子联盟的运输成本，设总公司有m个子公司，在合作式物流规划中，总公司将p(p＜m)个子公司组成联盟Q。p个子公司共有n个订单需要满足，F为联盟Q中任意子公司组成的子联盟， 第二步，基于联盟Q以及部分子联盟B的运输成本，采用Shapley value方法进行联盟收益分配。本发明基于合作式物流问题的路径规划结果，考虑联盟中成员的边际贡献值，因而收益分配结果更为公平合理，有助于促进合作式物流规划的成功。
-
公开(公告)号：CN109559062A
公开(公告)日：2019-04-02
申请号：CN201910010718.1
申请日：2019-01-07
Applicant: 大连理工大学
Abstract: 本发明属于物流管理领域，具体涉及一种合作式物流问题的任务分配与路径规划方法。第一步建模型，总公司辖有M个子公司，所有子公司共有N个订单需要满足，子公司统一使用具有相同载重量的车型运送货物；目标是得到运输距离最短的路径行驶方案；第二步，求解模型，订单重分配的结果是将总订单进行重新分配，从而根据订单的地理位置互补性将订单分配给相对最近的子公司，实现总订单的最优分配。下一步就是基于Sm、Rm进行子公司内部的车辆路径规划，目标是优化每一个子公司的运输成本，得到运输距离最小的车辆配送路线。本发明有助于减少物流公司及其子公司的运输成本，并有助于减少CO2的排放，从而实现公司间的共赢与环境友好型发展。
-
Patent Agency Ranking
公开(公告)号：CN110308993B
公开(公告)日：2022-12-13
申请号：CN201910566370.4
申请日：2019-06-27
Applicant: 大连理工大学
Abstract: 本发明属于云计算资源分配领域，涉及一种基于改进遗传算法的云计算资源分配方法。所述的方法首先构建了云资源分配的数学模型，然后设计了改进的遗传算法对其求解。本发明中对遗传算法的改进是对其初始种群的产生、交叉变异方法的改进。本方法在初始化种群时，利用次适应算法将虚拟机分成H组，每组对应一台物理机，保证了初始种群的有效性。引入基因评价函数，对每一台物理机的负载情况进行评价，并以此为依据进行交叉和变异，保证了算法的高效性。最终通过迭代得出最少物理机激活数和最大资源利用率虚拟机分配方案。本发明保证每个物理机资源利用率高和负载均衡，从而提高云资源的利用率并降低云数据中心的能耗。
-
公开(公告)号：CN110321208B
公开(公告)日：2022-10-14
申请号：CN201910566106.0
申请日：2019-06-27
Applicant: 大连理工大学
Abstract: 本发明属于智能制造云计算领域，具体涉及一种求解云任务调度的进化计算方法。本发明首先构建了云任务调度的数学模型，然后设计了改进的遗传算法对其求解。本发明重新设计了交叉算子，并结合局部贪婪算法的思想，在保证有效解的同时，实现子代中每个任务集所对应的三种指标的尽量均衡。本发明中的适应度值描述为S个虚拟机CPU占用资源、内存占用资源以及带宽占用资源方差之和的倒数以及总执行时间的倒数的归一化处理后的评价函数。本算法将有助于各个虚拟机的负载均衡以及每个虚拟机CPU利用率、内存以及带宽资源占用之间的均衡，从而保证资源的较高利用率，进而减少能源消耗、增加云计算的运行效率并提升客户的满意度。
-
公开(公告)号：CN109559062B
公开(公告)日：2021-05-11
申请号：CN201910010718.1
申请日：2019-01-07
Applicant: 大连理工大学
Abstract: 本发明属于物流管理领域，具体涉及一种合作式物流问题的任务分配与路径规划方法。第一步建模型，总公司辖有M个子公司，所有子公司共有N个订单需要满足，子公司统一使用具有相同载重量的车型运送货物；目标是得到运输距离最短的路径行驶方案；第二步，求解模型，订单重分配的结果是将总订单进行重新分配，从而根据订单的地理位置互补性将订单分配给相对最近的子公司，实现总订单的最优分配。下一步就是基于Sm、Rm进行子公司内部的车辆路径规划，目标是优化每一个子公司的运输成本，得到运输距离最小的车辆配送路线。本发明有助于减少物流公司及其子公司的运输成本，并有助于减少CO2的排放，从而实现公司间的共赢与环境友好型发展。
-
公开(公告)号：CN110321208A
公开(公告)日：2019-10-11
申请号：CN201910566106.0
申请日：2019-06-27
Applicant: 大连理工大学
Abstract: 本发明属于智能制造云计算领域，具体涉及一种求解云任务调度的进化计算方法。本发明首先构建了云任务调度的数学模型，然后设计了改进的遗传算法对其求解。本发明重新设计了交叉算子，并结合局部贪婪算法的思想，在保证有效解的同时，实现子代中每个任务集所对应的三种指标的尽量均衡。本发明中的适应度值描述为S个虚拟机CPU占用资源、内存占用资源以及带宽占用资源方差之和的倒数以及总执行时间的倒数的归一化处理后的评价函数。本算法将有助于各个虚拟机的负载均衡以及每个虚拟机CPU利用率、内存以及带宽资源占用之间的均衡，从而保证资源的较高利用率，进而减少能源消耗、增加云计算的运行效率并提升客户的满意度。
-
公开(公告)号：CN109657928A
公开(公告)日：2019-04-19
申请号：CN201811429564.1
申请日：2018-11-28
Applicant: 大连理工大学
IPC: G06Q10/06
Abstract: 本发明属于多传感器管理领域,具体涉及一种车载传感器系统的闭环协同调度框架及调度方法。所述的闭环协同调度框架，包括传感器集合层、决策层和融合层；传感器集合层表示异构的传感器资源集合。融合层结合环境因素以及传感器的观测数据，对目标进行状态估计以及下一个时刻的状态预测，并生成相应的目标态势图像。决策层利用融合层提供的数据信息以及目标态势图像，进行平台路径规划，产生的环境观测需求传递给车载传感器系统。决策层根据平台路径规划结果产生传感器的调度命令，指导传感器集合进行动作更新，实现复杂多变的环境下多传感器的精确探测和追踪。本发明实现传感器资源的高效分配，最终实现多传感器探测、目标追踪的风险最小化。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
