公开(公告)号：CN119472681A

公开(公告)日：2025-02-18

申请号：CN202411625348.X

申请日：2024-11-14

Applicant: 安徽大学

Inventor： 张兴义 ,  王惟欣 ,  田野

IPC: G05D1/43 ,  G05D1/644 ,  G05D1/648 ,  G05D109/10

Abstract: 本发明公开了一种多目标进化算法辅助的多智能体强化学习的机器人行走控制方法，包括：1.建立多智能体强化学习框架中的行动者网络actor和批评家网络critic；2.将机器人的所有行走策略建立成种群，使用集中式策略扩展价值函数近似器来拟合种群个体的值，并计算其损失函数；4.使用策略新颖度和强化学习奖励值作为种群个体的双目标函数并计算相应值；5.使用多目标进化算法进行非支配排序，得到帕累托解集，筛选精英个体并进行交叉产生子代以得到最佳策略。本发明能解决机器人行走不平稳的问题，在一定的训练时间内，探索出更多行走策略来调整机器人的速度和动作，从而能使机器人的关节相互配合，平稳地进行行走。使最终机器人进行平稳地行走。

公开(公告)号：CN115920257B

公开(公告)日：2024-07-16

申请号：CN202310086294.3

申请日：2023-01-17

Applicant: 安徽大学

Inventor： 田野 ,  陈亮 ,  司朗春 ,  曹瑞芬 ,  张兴义

IPC: A61N5/10 ,  G06F17/16

Abstract: 本发明属于调强放射治疗领域，公开了一种调强放射治疗射束角度优化系统，对放疗数据进行压缩并采用稀疏读取，然后计算剂量沉积矩阵；通过共轭梯度算法求解射束方向的强度分布矩阵；通过剂量沉积矩阵和强度分布矩阵计算剂量分布矩阵；通过侧抑制函数和邻近效应函数对射束方向约束；通过子野内体素剂量条件对剂量分布矩阵优化，得到每个射束方向的目标剂量；基于目标剂量、抑制值和邻近效应值计算射束方向的重要性；剔除重要性最低的射束方向，直至剩余射束方向数量等于预先设定的角度数量，然后将射束方向还原成射束角度，输出射束角度及其对应的目标剂量。本发明系统，提高了计算速度，有效避免射束角度过于集中和分散，提高了放疗效果。

公开(公告)号：CN118072117A

公开(公告)日：2024-05-24

申请号：CN202410286183.1

申请日：2024-03-13

Applicant: 安徽大学

Inventor： 田野 ,  尹航 ,  张兴义

IPC: G06V10/771 ,  G06F18/2111 ,  G06F18/2113 ,  G06F18/2115

Abstract: 本发明公开了一种基于稀疏大规模进化算法的光谱波长选择方法，包括：步骤一、基于序列的向前启发式搜索策略对高光谱波长数据进行过滤，选择出波长子集；步骤二、基于步骤一得到的波长子集，使用进化算法构建初始种群；步骤三、在进化迭代过程中，使用Relief过滤式特征选择方法处理种群中波长的分类任务，并计算每一位光谱波长的相关性指标；步骤四、基于步骤三得到的相关性指标δ，结合SparseEA的遗传算子动态的指导种群的进化；步骤五、将最终种群P作为光谱建模的波长选择方案。本发明能在高光谱图像中选择最具代表性的波段或波长子集，从而剔除不相关或者噪声较大的波段，减少模型过拟合的风险，提高泛化能力。

公开(公告)号：CN114202387B

公开(公告)日：2024-02-20

申请号：CN202111551750.4

申请日：2021-12-17

Applicant: 安徽大学

Inventor： 田野 ,  郑威 ,  张亚杰 ,  张兴义

IPC: G06Q30/0601 ,  G06F9/50 ,  G06N3/126

Abstract: 本发明公开了一种基于大规模进化算法的商品推荐方法，包括：1、构建商品推荐的多目标优化模型；2、初始化N个商品推荐模式作为初始种群，并给定初始参数值；3、在遗传算法中添加受限玻尔兹曼机RBM来学习Pareto最优子空间，将在Pareto最优子空间中产生的子代与采用NSGA‑II算法产生的子代合并形成子代种群；4、将子代种群与父种群合并后进行环境选择，生成新的个体种群，并自适应调整参数，直至达到终止条件时停止迭代；5、将最终种群中处于Pareto最优的个体作为商品推荐方案进行推荐。本发明能降低大规模商品推荐问题的搜索空间，从而减少寻找最优商品推荐方案所耗费的时间，并使商品推荐方案呈现多样性。

公开(公告)号：CN112580606B

公开(公告)日：2022-11-08

申请号：CN202011625139.7

申请日：2020-12-31

Applicant: 安徽大学

Inventor： 邱剑锋 ,  武梦雨 ,  凤元东 ,  田野 ,  张兴义

IPC: G06V40/20 ,  G06V20/52 ,  G06V10/46 ,  G06V10/764 ,  G06F17/16

Abstract: 本发明公开了一种基于聚类分组的大规模人体行为识别方法，包括：步骤一、对人体行为数据进行采集；步骤二：生成人体行为特征选择方案种群，并设置参数；步骤三、通过聚类对人体行为特征进行分组，将个体从原始空间映射到低维空间，在低维空间中生成子代以降低耗费成本，并通过环境选择迭代选取优质特征选择方案，最终得到最优的人体行为特征选择方案。本发明能减少大规模人体行为识别特征选择问题中所耗费的时间和空间，并通过自适应的调整参数，在大规模的人体行为特征集中快速的获得优质特征选择方案进行人体行为识别，以提高识别准确性。

公开(公告)号：CN118350504A

公开(公告)日：2024-07-16

申请号：CN202410530136.7

申请日：2024-04-29

Applicant: 安徽大学

Inventor： 田野 ,  石仁杰 ,  张兴义

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06N3/0499 ,  G06N3/086 ,  G06N20/10

Abstract: 本发明公开了一种基于大规模动态多目标进化算法的生产调度优化方法，包括：1获取工厂生产环境中各个时间段的生产数据并进行处理，并定义优化目标函数；2利用大规模稀疏算法对种群进行重新初始化，并定义其决策变量；3利用大规模稀疏算法，对种群进行优化，并建立预测模型分别对种群的实数向量和二进制向量进行预测，同时保留一部分表现较好的优化方案，经过环境选择后，从而得到新时间上的初始的优化方案，并经过多代进化，获得一组非支配的Pareto解集作为最终的生产资源分配方案。本发明通过对生产资源分配方案预测来进行优化，可以同时实现最大化市场需求满足度和最小化生产效率损失的目的。

公开(公告)号：CN117892129A

公开(公告)日：2024-04-16

申请号：CN202410061761.1

申请日：2024-01-16

Applicant: 安徽大学

Inventor： 张晓明 ,  谢乐乐 ,  程洪伟 ,  李俊 ,  田野

IPC: G06F18/214 ,  G06F18/23 ,  G06F18/243 ,  G06N3/006 ,  G06N3/0455

Abstract: 本发明涉及一种基于动态多目标种子优化算法的不平衡数据集处理方法，与现有技术相比解决了不平衡数据集问题求解性能差、效率低的缺陷。本发明包括以下步骤：原始不平衡数据集的分割；静态多目标优化算法的初始化；基于代理预测模型的初始种群构建；增量不平衡数据流的再平衡；基于全量不平衡数据集的性能评估。本发明拥有求解效果好，再平衡效率高的特点，可解决现有不平衡数据集问题中再平衡方案对不平衡数据集规模的限制，实现不平衡数据集的在线再平衡，以及对于再平衡方法参数值的快速定位。

公开(公告)号：CN117618800A

公开(公告)日：2024-03-01

申请号：CN202311602939.0

申请日：2023-11-28

Applicant: 安徽大学

Inventor： 田野 ,  邵向阳 ,  司朗春 ,  张兴义

IPC: A61N5/10 ,  G16H20/40 ,  G06N3/126

Abstract: 本发明公开了一种基于大规模双编码组合多目标进化算法的射野优化方法，包括：步骤一、预设各种所需参数并初始化双编码种群以及目标函数；步骤二：利用修复策略，修复双编码种群中的所有无效解；步骤三、利用二元锦标赛选择父代并利用交叉变异算子产生子代，并提出一种交换双编码种群策略和一种优化光束权重策略，最终得到一组满足帕累托前沿面的最优的光束权重和多叶准直器(MLC)叶片位置的解。本发明能一次运行获得多种解决方案以满足不同射野需求，从而能提高IMRT规划方案制定效率和精度。

公开(公告)号：CN116757587A

公开(公告)日：2023-09-15

申请号：CN202310428743.8

申请日：2023-04-20

Applicant: 安徽大学

Inventor： 贾文昊 ,  林杨 ,  秦国安 ,  丁俊元 ,  田野

IPC: G06Q10/0832 ,  G06N3/006

Abstract: 本发明公开了一种基于多目标进化算法建立多级配送中心的生鲜运输方法，是根据区域内所有交通路口坐标和所有小区的相关信息，构建多个目标方程，通过多目标进化算法最终选择一个交通路口作为一级配送中心和若干个路口作为二级配送中心，生鲜食品由一级配送中心运输至二级配送中心进行中转后最终送达对应小区。本发明在传统物流配送站建设地选址方案的基础上，以节省物流，降低人力消耗和减少运输过程中的损失为主要目标，在大规模场景下，建立多层级配送中心为所有小区定点运输生鲜的优化方案，从而能提高生鲜运输的效率。

公开(公告)号：CN116127201A

公开(公告)日：2023-05-16

申请号：CN202310167737.1

申请日：2023-02-27

Applicant: 安徽大学

Inventor： 马海平 ,  胡以葳 ,  田野

IPC: G06F16/9536 ,  G06F18/22 ,  G06F18/23 ,  G06N3/045 ,  G06N3/126

Abstract: 本发明公开了一种基于进化多任务的大规模用户推荐方法，包括：步骤1、获取用户和物品交互数据集，步骤2、通过构建神经网络算法挖掘用户对物品的偏好得分，得到用户对物品的评分矩阵；步骤3：通过聚类对用户进行分组，将偏好兴趣相似的用户作为同一类别；步骤4、初始化生成多任务种群；步骤5、在同一用户组之内进行个体之间的信息迁移，在不同用户组之间进行种群之间的信息迁移，并通过环境选择迭代选取最优用户解决方案，最终选出最优解作为该用户的推荐列表。本发明能减少大规模用户推荐优化问题中所耗费的时间和空间，并通过聚类技术提高对用户推荐结果预测的准确性。