公开(公告)号：CN117236425A

公开(公告)日：2023-12-15

申请号：CN202311212159.5

申请日：2023-09-19

Applicant: 桂林电子科技大学

Inventor： 李笠 ,  张晓华

IPC: G06N3/126 ,  G06F30/27 ,  G06F111/06

Abstract: 近年来，进化多目标优化(Evolutionary multi‑objective optimization,EMO)的研究主要集中在搜索一组均匀分布的Pareto最优解。为了搜索Pareto最优解，大多数算法通常需要在进化过程中维持较大的种群规模。然而，这不仅需要大量的计算资源，同时也增加了决策者(Decision makers,DMs)的选择压力。因此，从大量折衷解中识别出DMs感兴趣的解成为当下急需解决的问题。结合拐点(Knee)在一个目标值上微小提升将导致至少一个目标值显著恶化这一特性，没有任何偏好信息时，通常选择拐点作为DMs最优解。如图6所示，本发明提出一种基于多准则的拐点识别策略模型，利用最小曼哈顿距离(Minimum Manhattan distance，MMD)和基于期望边际效用(Expected marginal utility，EMU)的算法的优势，快速地识别全局最优拐点和局部凸性拐点。在大量的测试实例上与五种最先进的Knee识别策略进行了比较，实验证明本发明所提出的算法具有更加显著优势。

公开(公告)号：CN116402246A

公开(公告)日：2023-07-07

申请号：CN202310481297.7

申请日：2023-04-28

Applicant: 桂林电子科技大学

Inventor： 李攸俊 ,  李笠

IPC: G06Q10/047 ,  G06N3/08 ,  G06N3/0455

Abstract: 本发明涉及神经组合优化技术领域，具体涉及基于等价性约束的旅行商问题生成式求解方法，搭建基于等价性约束的旅行商问题生成式求解模型；基于神经网络框架对所述基于等价性约束的旅行商问题生成式求解模型进行训练，得到约束模型；将旅行商问题输入所述约束模型进行处理，得到等价解决方案，本方法通过改进现有的带有贪婪展开基线的损失函数，对模型施加关于TSP实例的等价性约束，防止等价性干扰，提高了模型的性能表现，从而解决了NCO模型在处理TSP时由于等价性干扰而产生的性能不足的问题。

公开(公告)号：CN112182978A

公开(公告)日：2021-01-05

申请号：CN202011090410.1

申请日：2020-10-13

Applicant: 桂林电子科技大学

Inventor： 李笠 ,  李广鹏 ,  常亮 ,  李龙

IPC: G06F30/27 ,  G06N3/12 ,  G06Q30/02 ,  G06Q50/06 ,  G06F111/06

Abstract: 本发明公开了一种基于自适应角度约束进化算法的多目标水泵调度方法，采用多目标优化的方法，对水泵调度进行模型构造，将生活中常见的水泵调度问题转化为两个目标的多目标优化问题，第一个优化目标为最小化水泵消耗的电力成本，第二个优化目标为最小化水泵维护成本，利用多目标优化方法克服传统方式的不足，采用基于自适应角度约束进化算法求解水泵调度的多目标优化模型，最终得到最优解，并结合具体的实际情况为一些部门作指导，合理进行水泵调度，进而在满足需求的同时，最小化运营的成本，实现综合效益最大化。

公开(公告)号：CN112182576A

公开(公告)日：2021-01-05

申请号：CN202011095534.9

申请日：2020-10-14

Applicant: 桂林电子科技大学

Inventor： 李龙 ,  杨韵豪 ,  古天龙 ,  李笠 ,  常亮

IPC: G06F21/56 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供的一种基于深度学习中特征碰撞的投毒攻击方法，涉及人工智能领域，包括建立识别模型；获取健康数据集，将所述健康数据集分割为训练集和测试集，从所述测试集中选取一数据，作为目标样本，从后门类别中选取一类别，作为后门样本；将所述后门样本初始化，作为投毒样本，将所述投毒样本进行预处理；将所述投毒样本和所述目标样本拟合，获得所述识别模型的神经网络中瓶颈层的欧几里得距离；将所述投毒样本和所述后门样本拟合，获得所述识别模型的神经网络中输入层的弗罗贝尼乌斯距离；所述投毒样本拟合到最优时，获取最终的所述投毒数据。即使对数据进行扩增操作，攻击方也能实现投毒攻击。