一种基于联合蚁群算法的批调度方法

    公开(公告)号:CN110942251B

    公开(公告)日:2022-09-30

    申请号:CN201911179848.4

    申请日:2019-11-27

    Applicant: 安徽大学

    Abstract: 本发明提供了一种基于联合蚁群算法的批调度方法,包括以下步骤:初始化Tmax、AntNum、n,I,S,信息素矩阵、ρ、库存概率和运输概率,令t=1,Ant=0;令Ant=Ant+1,蚂蚁Ant对工件进行分配输出调度方案;通过局部优化策略优化调度方案,计算优化后的调度方案的目标值,更新库存概率和运输概率;重复此过程直到所有蚂蚁用尽结束本次迭代,获取全局最优调度方案,更新信息素,如果t<Tmax,则令t=t+1,Ant=0,返回分配工件,直到迭代结束,输出全局最优调度方案。本发明提供的一种基于联合蚁群算法的批调度方法的优点在于:综合考虑的生产过程中的库存和运输问题,通过合理的反馈机制,适合解决大规模批调度问题,实现成本优化,能够为生产过程提供有效的指导建议。

    一种基于蚁群算法的平行机批调度方法

    公开(公告)号:CN111160711B

    公开(公告)日:2022-09-16

    申请号:CN201911241150.0

    申请日:2019-12-06

    Applicant: 安徽大学

    Inventor: 贾兆红 罗洪 唐俊

    Abstract: 本发明提供了一种基于蚁群算法的平行机批调度方法,包括步骤A:初始化Tmax、AntNum、工件集合J={J1,J2,···,Jn}、机器集合M={M1,M2,···,Mm};当前迭代周期t=1,蚂蚁序号Ant=1,期望步骤B:当前蚂蚁Ant基于机器的完工时间将所有工件分配到机器中,得到一个调度方案;步骤C:通过局部优化调整步骤B得到的调度方案;步骤D:如果Ant<AntNum,令Ant=Ant+1,返回步骤B;步骤E:确定局部最优解和全局最优解,利用全局最优解更新期望步骤F:如果t<Tmax,则t=t+1,返回步骤B,否则输出全局最优解。本发明提供的基于蚁群算法的平行机批调度方法的优点在于:通过为蚁群算法配置全局期望值更新和局部期望值更新的步骤,有效的解决了对以最小化总加权完工时间为目标的权重、加工时间和尺寸均不同的工件序列的平行机批调度问题。

    一种基于对称卷积神经网络的跨模态行人重识别方法

    公开(公告)号:CN112434654B

    公开(公告)日:2022-09-13

    申请号:CN202011430914.3

    申请日:2020-12-07

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于对称卷积神经网络的跨模态行人重识别方法,其步骤包括:1获取可见光和红外光两种不同模态下的行人照片,构建跨模态行人重识别数据集,构建检索库;2利用神经网络建立对称卷积神经网络跨模态行人重识别方法模型;3利用数据集训练基于对称卷积神经网络跨模态行人重识别方法模型;4利用建立好的模型实现预测,以达到跨模态行人重识别的目的。本发明能极大地缓解现有行人重识别方法在跨模态下检测不精确的问题,在模态差异较大的情况下仍然有较高的检测精度。

    一种基于质量感知的多目标云制造服务组合优化方法

    公开(公告)号:CN114298439A

    公开(公告)日:2022-04-08

    申请号:CN202210005353.5

    申请日:2022-01-05

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于质量感知的多目标云制造服务组合优化方法,其步骤包括:1构建云制造服务组合优化模型;2设定算法参数;3采用镜像策略生成初始种群;4选择父代个体;5使用交叉、变异操作产生子代个体;6更新归档种群;7概率更新;8判断是否满足终止条件,满足则结束,否则转到步骤4。本发明从时间、成本、可靠性、可用性和信誉度五个维度同时优化,能为汽车厂商选择最佳的零部件供应商,从而能为汽车厂商节省时间、成本,增加产品的可靠性和可用性,也能为产品提供较好的口碑,提高用户的满意度。

    基于STL和带有注意力机制的LSTM的旅游需求预测方法

    公开(公告)号:CN114091768A

    公开(公告)日:2022-02-25

    申请号:CN202111414339.2

    申请日:2021-11-25

    Applicant: 安徽大学

    Abstract: 一种基于STL和带有注意力机制的LSTM的旅游需求预测方法,包括:从旅游客流量数据中获取初始的时间序列;使用STL分解模型对初始时间序列进行分解,得到3个分解序列;将3个分解序列分别输入到一个共享的注意力层,获得每个序列中不同特征的权重,然后将带有权重的特征作为LSTM的输入;对3个分解序列使用相同参数的LSTM模型进行训练,并分别对它们的测试集进行预测;3个预测结果进入全连接单元;将这3个预测结果相加得到游客达到量的最终预测结果并输出。本发明的优点在于:首先利用STL解决了旅游需求预测过程中由于数据量有限引起的高度复杂的模型中过拟合问题,并形成了一个相对简单的预测过程;其次,运用Attention‑LSTM有效地选择了特征变量和适当的时间步长。

    一种基于图像序列的行人行为类别检测方法

    公开(公告)号:CN113688761A

    公开(公告)日:2021-11-23

    申请号:CN202111010815.4

    申请日:2021-08-31

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于图像序列的行人行为类别检测方法,包括:1、训练测试数据集的采集与处理,通过摄像头采集多场景下的行人行为视频,利用deep‑sort对视频中的目标人物进行检测跟踪制作目标图像序列;2、根据方法的需求搭建基于时空网络的判别模块以及未来帧预测网络模块;3、对的两个模块进行训练,使整个模型达到最优状态并保存模型参数;4、利用已训练好的模型对行人行为类别进行检;5、使用的网络模型利用两个判别模块联合优化模型来进行训练,将各个模块连接组成系统,对视频中的行人行为进行检测分类。本发明能很好的捕捉到图像序列的空间信息以及时间信息,从而提升对行为检测的准确性。

    一种基于深度学习的压力足迹图像检索系统

    公开(公告)号:CN112257662A

    公开(公告)日:2021-01-22

    申请号:CN202011259109.9

    申请日:2020-11-12

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于深度学习的压力足迹图像检索系统,包括数据预处理、最优网络训练、入库和检索功能三个阶段,本发明通过深度学习的方法设计了一种足迹特征学习网络对压力足迹数据进行拟合训练,并将训练好的模型进行迁移,将足迹检索智能化,同时整个过程不需要人的干预,就能得到较好的性能,解决了传统的人力检索方式不但耗时耗力,而且参有专家的一些主观因素,所以结果往往是不稳定的。

    一种基于蚁群算法的平行机批调度方法

    公开(公告)号:CN111160711A

    公开(公告)日:2020-05-15

    申请号:CN201911241150.0

    申请日:2019-12-06

    Applicant: 安徽大学

    Inventor: 贾兆红 罗洪 唐俊

    Abstract: 本发明提供了一种基于蚁群算法的平行机批调度方法,包括步骤A:初始化Tmax、AntNum、工件集合J={J1,J2,…,Jn}、机器集合M={M1,M2,…,Mm};当前迭代周期t=1,蚂蚁序号Ant=1,期望 步骤B:当前蚂蚁Ant基于机器的完工时间将所有工件分配到机器中,得到一个调度方案;步骤C:通过局部优化调整步骤B得到的调度方案;步骤D:如果Ant<AntNum,令Ant=Ant+1,返回步骤B;步骤E:确定局部最优解和全局最优解,利用全局最优解更新期望步骤F:如果t<Tmax,则t=t+1,返回步骤B,否则输出全局最优解。本发明提供的基于蚁群算法的平行机批调度方法的优点在于:通过为蚁群算法配置全局期望值更新和局部期望值更新的步骤,有效的解决了对以最小化总加权完工时间为目标的权重、加工时间和尺寸均不同的工件序列的平行机批调度问题。

    一种基于双信息素蚁群算法的批调度方法

    公开(公告)号:CN110909858A

    公开(公告)日:2020-03-24

    申请号:CN201911178914.6

    申请日:2019-11-27

    Applicant: 安徽大学

    Abstract: 本发明提供了一种基于双信息素蚁群算法的批调度方法,包括S1:初始化n、M、Si、AntNum、Tmax、ρ,Ant=1,t=1;S2:令S3:蚂蚁Ant将工件分配到机器中,得到分批方案;S4:优化分批方案,计算解;S5:如果Ant<AntNum,令Ant=Ant+1,返回S3,否则获取当前的全局最优解,令Ant=1,更新期望 和 S6:当t<Tmax时,如果t%TS=0,令t=t+1,返回S2,否则令t=t+1,返回S3,当t≥Tmax时输出全局最优解及对应的分批方案。本发明提供的一种基于双信息素蚁群算法的批调度方法的优点在于:引入双信息素,同时考虑工件一起加工和顺序加工的期望,提高了对分批方案的优化效果,通过周期性初始化期望值,能够增加产生新解的可能性,防止陷入局部最优,为工业生产提供了有效的指导意见。

    一种偏振图像配准方法
    40.
    发明公开

    公开(公告)号:CN108765476A

    公开(公告)日:2018-11-06

    申请号:CN201810567470.4

    申请日:2018-06-05

    Applicant: 安徽大学

    CPC classification number: G06T7/33 G06T2207/10048

    Abstract: 本发明涉及一种偏振图像配准方法,与现有技术相比解决了尚无针对于偏振图像进行配准方法的缺陷。本发明包括以下步骤:偏振图像的获取;偏振图像的特征提取;初选特征匹配;变换参数模型的获得;调整变换模型的平移参数;配准结果的获得。本发明充分考虑了偏振图像的图像特点,实现了偏振图像之间的配准,对各种环境下的偏振图像的配准精度均能达到亚像素要求。

Patent Agency Ranking