-
公开(公告)号：CN114418197B
公开(公告)日：2024-11-26
申请号：CN202111658328.9
申请日：2021-12-30
Applicant: 杭州电子科技大学
IPC: G06Q10/04 , G06Q10/087 , G06Q30/0201 , G06Q50/04
Abstract: 本发明公开了一种基于模型预测控制的可重构系统实时生产提前期的优化方法，步骤S1：通过时间研究采集待优化生产系统流水线中材料和作业的实时数据以及工作站状态的实时数据，确定模型计算所需要的参数；步骤S2：考虑到预测性多阶段过渡和可重构行为，用max‑plus代数来描述这个可重构的生产系统，通过对多个工作站之间的计划和实时离散事件的时变建立时变过渡模型、时变状态空间方程和状态转移矩阵；步骤S3：以最小化在制品库存、最终产品库存和延期惩罚的总预期成本的实时作业发布计划为目标，建立可重构系统实时生产提前期的优化模型来进行预测控制；步骤S4：对该优化模型，利用隐枚举算法进行求解，最终得到总预期成本较小的实时作业发布计划。
-
公开(公告)号：CN118674350A
公开(公告)日：2024-09-20
申请号：CN202410822925.8
申请日：2024-06-25
Applicant: 杭州电子科技大学
IPC: G06Q10/083 , G06Q10/087 , G06Q10/04 , G06Q10/067
Abstract: 本发明公开了一种基于多目标均衡改进的家具类产品排车运输问题求解方法及系统，方法如下：步骤1、建立模拟人工排车的仿人工规则模型，用于生成等同于人工排车的结果；步骤2、定义模型参数及变量；步骤3、建立家具类产品排车运输问题的多目标模型；步骤4、将建立的家具类产品排车运输问题的多目标模型等价转换为多目标线性模型；步骤5、根据步骤1生成的排车结果进行多目标线性模型的求解，得到家具类产品排车运输方案。本发明充分考虑各种约束条件和目标之间的平衡关系，能够使决策者在制定运输计划时更加快速、灵活、全面地考虑各种需求和限制条件，从而提高决策效率、均衡优化各个目标，最大程度地满足各个基地仓库的需求。
-
公开(公告)号：CN112712165B
公开(公告)日：2024-04-12
申请号：CN202011620250.7
申请日：2020-12-30
Applicant: 杭州电子科技大学
IPC: G06F7/78 , A24B3/08 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本文发明一种基于图卷积神经网络的卷烟配方智能维护方法，包括以下步骤：S1：数据准备，将配方数据转化为配方矩阵；S2：依据配方矩阵构建图信息；S3：将图中节点特征、边的权重、边的标签进行计算得到；S4：将构建好的基于图卷积网络的卷烟配方维护模型进行训练，得到有序候选集列表；S5：从有序候选集列表中选取单料片烟进行替换。本发明采用卷烟配方数据进行实验，实验结果表明，按照本本发明的卷烟配方智能维护方法推荐可替换的单料片烟，可以很好地还原实际生产过程中配方维护的过程，可以辅助实际生产过程中的配方维护工作。
-
公开(公告)号：CN111325359B
公开(公告)日：2023-06-02
申请号：CN202010116383.4
申请日：2020-02-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于互信息的卷烟配方维护的方法及系统，本发明涉及的一种基于互信息的卷烟配方维护的方法，包括：S11.获取与单料片烟相关的数据信息；S12.根据获取到的数据信息及计算所述单料片烟之间的互信息；S13.对计算得到的单料片烟之间的互信息进行排序，得到推荐单料片烟有序列表；S14.从所述得到的单料片烟有序列表中选取所需替换的单料片烟，并进行替换。本发明使用互信息来表示单料片烟之间的配伍性，将配伍性显式地表示在算法中，并用替换单料片烟与被替换单料片烟在配方中作用的相似性来生成推荐列表，保证了新形成配方的整体配伍性。
-
公开(公告)号：CN111310324B
公开(公告)日：2023-05-12
申请号：CN202010084661.2
申请日：2020-02-10
Applicant: 杭州电子科技大学
IPC: G06F30/20 , G06F111/06
Abstract: 本发明公开了一种基于非活动非支配解的多目标货物装载求解方法，包括：S1.建立多目标货物装载问题模型，并建立相对应的单目标问题模型；S2.初始化已知非支配解数量，对单目标问题模型进行求解，得到非支配解；S3.根据已知非支配解确定解集，并确定已知非支配解中的非活动非支配解的数量；S4.确定所有非支配解的数量以及非活动非支配解的数量，求解新的非支配解，并对单目标问题模型进行划分，得到数个子问题模型；判断新的非支配解是否求解过子问题模型及子问题模型的松弛问题，若是，则直接给出求解结果；若否，则进行求解，得到非支配解的结果；S5.判断子问题模型是否都无解，若是，则执行步骤S6；若否，执行步骤S3；S6.结束程序。
-
Patent Agency Ranking
公开(公告)号：CN114511182A
公开(公告)日：2022-05-17
申请号：CN202111667256.4
申请日：2021-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种面向高维可变抽样数的产品质量监测方法，步骤S1:确定产品的质量特征：步骤S2：定义面向高维可变抽样数的产品质量监测方法的参数：S3：确定监测过程可控状态下的误报率：S4：构建面向高维可变抽样数的过程监测统计量：S5：确定一种基于错误发现率的过程停止规则：针对于生产制造过程的质量管理环节，检验产品的特征数越来越高，检验批次大小(即抽样数)可因样品或数据缺失等问题而不同，本发明通过一种面向高维可变抽样数产品质量监测方法对产品质量进行实时监控，以提升产品质量的监测效率。
-
公开(公告)号：CN110085286B
公开(公告)日：2021-11-05
申请号：CN201910191864.9
申请日：2019-03-14
Applicant: 杭州电子科技大学
IPC: G16C20/70
Abstract: 本文发明一种基于两步核最小二乘(Two‑step Kernel Regular Least Squares，TKRLS)的卷烟配方维护方法，包括以下步骤：S1：数据处理，将配方数据转换成二进制配方矩阵，将单料烟组转换成二进制配方向量；S2：应用数据挖掘和TKRLS相关方法确定模型参数λu和λv，再根据模型参数λu和λv计算模型系数矩阵M；S3：根据模型系数矩阵M计算单料烟的预测值S4：根据单料烟的预测值获得推荐的替换单料烟列表S；S5：根据单料烟列表S选择替换单料烟。采用卷烟配方数据进行实验，实验结果表明，按照本文提出的方法推荐可替换的单料烟，可以有效维护卷烟配方在感官和烟气等各项指标上的稳定，对卷烟配方维护具有重要意义。
-
公开(公告)号：CN112734188A
公开(公告)日：2021-04-30
申请号：CN202011620303.5
申请日：2020-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于两阶段混合元启发式算法的家庭医疗护理调度优化方法，具体为先在调度周期起始时刻之前采集待指派的护士信息及顾客订单信息；在调度周期起始时刻，根据护士与顾客之间的位置信息计算旅行距离矩阵，并根据历史数据预测出旅行时间矩阵以及顾客服务所需要的时间，随后确定建立模型所需要的参数；考虑任务指派与路径规划、时间调度决策分离的情况下，以最小化公司的运营成本为上层目标函数，以最大化顾客满意水平为下层目标函数，建立双层家庭医疗护理路径规划与调度优化模型；设计两阶段混合元启发式算法进行求解，得到零工经济下的家庭医疗护理调度方案；本发明解决了零工经济模式下家庭医疗护理公司的订单分配决策问题。
-
公开(公告)号：CN112734032A
公开(公告)日：2021-04-30
申请号：CN202011635450.X
申请日：2020-12-31
Applicant: 杭州电子科技大学
IPC: G06N3/08
Abstract: 本发明属于联邦学习以及大数据技术领域，具体涉及一种用于横向联邦学习的优化方法，包括以下步骤：S1、客户端采集数据，并对数据进行预处理；S2、通过SMOTE‑Non‑IID模型处理客户端的数据；S3、通过横向联邦学习中的客户端‑服务器架构，结合数据生成环境，进行SMOTE‑Non‑IID模型训练；S4、得到SMOTE‑Non‑IID的优化模型，通过预测以得到评估结果；本发明每个客户端采用SMOTE算法合成数据，同时接收来自其他客户端的合成数据，有效处理联邦学习中数据异构性问题，能够保证较高预测准确率。
-
公开(公告)号：CN112734006A
公开(公告)日：2021-04-30
申请号：CN202011635471.1
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明属于推荐系统技术领域，具体涉及一种基于GCN和集成学习的推荐算法，包括以下步骤：S1、数据获取：通过程序获取图信号数据；S2、模型训练：通过将图信号数据转换为图的拉普拉斯矩阵，以训练GCN模型；S3、模型预测：通过设置的Dropout率，将训练的GCN模型表示为多个基模型，并将所有基模型预测的Softmax值作为最终预测值；本发明有效提高推荐算法的准确率，通过大量的图信号数据，利用GCN能够在图信号数据上获取特征的能力，结合集成学习的技术，最大限度的提高模型的准确率。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.039 seconds)
