-
公开(公告)号：CN119536155A
公开(公告)日：2025-02-28
申请号：CN202411584024.6
申请日：2024-11-07
Applicant: 中国地质大学(武汉)
IPC: G05B19/418
Abstract: 本发明涉及智能制造领域，尤其涉及一种面向增减材复合制造的分布式车间调度方法。本发明提供了一个两阶段算法，包括分批阶段和调度阶段。在分批阶段中，设计带有二维间隔约束和空间块左下放置策略的均衡高度分配贪心算法，对所有要生产的工件进行分批，确定工件批次，将得到的批次作为调度阶段算法的编码信息；在调度阶段中，设计带有优秀度策略驱动变邻域搜索的非支配排序遗传算法‑II，来进行增减材复合制造排产调度，实现最小化最大完工时间和总生产成本的优化目标。本发明能够实现增减材复合制造排产调度，更好地利用资源，最大化生产效率，并通过多车间协同工作，分散负荷，降低生产成本。
-
公开(公告)号：CN119250478A
公开(公告)日：2025-01-03
申请号：CN202411764057.9
申请日：2024-12-04
Applicant: 中国地质大学(武汉)
IPC: G06Q10/0631 , G06Q50/04 , G06N3/126
Abstract: 本发明公开了一种面向增材制造的绿色嵌套与调度方法、介质及设备，涉及面向增材制造的绿色嵌套与调度技术领域，面向增材制造的绿色嵌套与调度方法主要包括：根据待调度任务参数构建混合整数线性规划模型；根据混合整数线性规划模型，利用生物地理学优化算法，设计出改进的生物地理学优化方法；利用改进的生物地理学优化方法，得到调度方案和调度甘特图。实施本发明提供的面向增材制造的绿色嵌套与调度方法、介质及设备，能最小化总拖期和最小化总能耗。
-
公开(公告)号：CN117992227A
公开(公告)日：2024-05-07
申请号：CN202410145622.7
申请日：2024-02-01
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种面向搭载TrustZone边缘云的DNN的分区和卸载系统，终端设备模块、神经网络决策模块和启用TrustZone的边缘服务器模块，神经网络决策模块分别单向连接于终端设备模块和启用TrustZone的边缘服务器模块，终端设备模块和启用TrustZone的边缘服务器模块双向连接；本发明的有益效果是：针对TrustZone不可避免地涉及数据的加密和解密操作以及单一处理器垄断特性，导致了传统的分割学习方法不再适用并且增加了任务卸载和推断的复杂性。聚焦于应对边缘计算中的数据传输挑战和安全隐私问题，本发明通过引入TrustZone和开发新的算法，通过决策将对应的部分分别调度到终端设备模块和启用TrustZone的边缘服务器模块，实现在边缘云环境中更高效、更安全的任务卸载和分割学习。
-
公开(公告)号：CN117914708A
公开(公告)日：2024-04-19
申请号：CN202410093876.9
申请日：2024-01-23
Applicant: 中国地质大学(武汉)
IPC: H04L41/0896 , H04L41/14 , H04L67/10 , G06N20/00
Abstract: 本发明提出了一种用于分层联邦学习的设备选择和带宽分配系统及方法，涉及分层联邦学习领域，系统包括配置云服务器、边缘服务器、终端设备的设备选择模块和带宽分配模块；设备选择模块用于选择终端设备；带宽分配模块为被选择的终端设备分配带宽；将总训练时间分为本地训练时间、本地更新传输时间、预聚合结果上传时间，在总训练时间最小化和数据多样性的约束下进行设备选择和带宽分配。有效地解决了原有的分层联邦学习中设备选择和带宽分配问题，为提高训练性能和保证数据多样性和模型准确性提供了一个创新方案。
-
Patent Agency Ranking
公开(公告)号：CN113905606B
公开(公告)日：2022-09-30
申请号：CN202111070340.8
申请日：2021-09-13
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及贴装控制领域，提供一种基于深度强化学习的贴片机贴装调度模型训练方法，包括：S1：设置贴装循环方案，计算获取贴装循环方案的贴装时间；S2：构建贴片机贴装调度模型，贴片机贴装调度模型包括：DQN1网络和DQN2网络；S3：获取贴装训练数据，将贴装训练数据和贴装时间输入DQN1网络进行循环计算，计算结束后获得取料方案；S4：将取料方案和贴装时间输入DQN2网络进行循环计算，计算结束后获得训练好的贴片机贴装调度模型。本发明构建的两阶段训练模型，所求解的取料方案和贴装方案相比实际生产使用的贪心算法更精确，也即新方案的贴装耗时更少；两阶段训练模型可以在复杂动态环境下，不需要重新训练，直接生成比较优的取料和贴装方案。
-
公开(公告)号：CN113905606A
公开(公告)日：2022-01-07
申请号：CN202111070340.8
申请日：2021-09-13
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及贴装控制领域，提供一种基于深度强化学习的贴片机贴装调度模型训练方法，包括：S1：设置贴装循环方案，计算获取贴装循环方案的贴装时间；S2：构建贴片机贴装调度模型，贴片机贴装调度模型包括：DQN1网络和DQN2网络；S3：获取贴装训练数据，将贴装训练数据和贴装时间输入DQN1网络进行循环计算，计算结束后获得取料方案；S4：将取料方案和贴装时间输入DQN2网络进行循环计算，计算结束后获得训练好的贴片机贴装调度模型。本发明构建的两阶段训练模型，所求解的取料方案和贴装方案相比实际生产使用的贪心算法更精确，也即新方案的贴装耗时更少；两阶段训练模型可以在复杂动态环境下，不需要重新训练，直接生成比较优的取料和贴装方案。
-
公开(公告)号：CN113723790A
公开(公告)日：2021-11-30
申请号：CN202110971348.5
申请日：2021-08-23
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于代理模型的供水系统调度策略优化方法和存储介质，其中方法包括：采用集群并行采样方法采样，对供水系统的管网的所有节点产生对应数量的污染事件，将污染事件平均分配到Spark集群，通过EPANET计算每个污染事件的第一适应度值，并将第一适应度值保存到历史数据集，得到样本数据集，利用样本数据集构建代理模型，利用差分优化算法对供水系统调度策略进行优化，从而得到最佳调度策略。
-
公开(公告)号：CN107798429B
公开(公告)日：2020-10-30
申请号：CN201711013717.X
申请日：2017-10-26
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于协同昂贵优化算法定位供水管网污染源的方法，将供水网管中的污染源定位问题转化为优化问题，然后对优化问题进行求解即定位供水管网污染源，所述优化问题利用昂贵优化算法求解，在所述昂贵优化算法中引入高斯预测模型协同计算。本发明采用了协同算法，根据不同的种群，有针对性的采用不同的策略，有效的改善算法的稳定性。
-
公开(公告)号：CN105426984A
公开(公告)日：2016-03-23
申请号：CN201510704752.0
申请日：2015-10-26
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于多粒子群优化算法的给水管网传感器布置优化方法，包括：建立给水管网的管网拓扑结构，获取给水管网中每个管网节点的复杂度，并对所述管网拓扑结构进行水力模拟和水质模拟，得到每个管网节点的可达度和污染物浓度；在主计算节点进行多粒子群优化算法的种群初始化，在MAP阶段进行全局搜索；在Reduce阶段进行局部搜索，得到最新全局最优个体；判断最新全局最优个体的适应度是否满足预设收敛条件，如果不满足预设收敛条件，则转入任务分发步骤继续进行迭代演化。有效解决了现有技术中给水管网传感器布置优化时间长的技术问题最大化监测效果(比如最快的时间检测污染事件)，防范饮用水因污染而引发的安全风险。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.023 seconds)
