-
公开(公告)号：CN114118621B
公开(公告)日：2024-04-23
申请号：CN202111489293.0
申请日：2021-12-07
Applicant: 东华大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/083
Abstract: 本发明涉及一种基于改进Knea的多目标低碳物流调度的优化方法，在引入低碳物流和时间惩罚函数后，确立了低碳物流的调度的目标函数。对于物流客户服务点不同区域配送成本不同的问题，提出一种客户服务点划分方法；对于优化算法执行过程中的车辆容量约束处理问题，提供了一种车辆容量约束处理方法；同时，对种群的编码进行改进，使其更适合于真实的物流模型。本发明将Knea算法通过改进使其更好的应用于低碳物流调度模型，为物流调度提供可参考的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN114118621A
公开(公告)日：2022-03-01
申请号：CN202111489293.0
申请日：2021-12-07
Applicant: 东华大学
Abstract: 本发明涉及一种基于改进Knea的多目标低碳物流调度的优化方法，在引入低碳物流和时间惩罚函数后，确立了低碳物流的调度的目标函数。对于物流客户服务点不同区域配送成本不同的问题，提出一种客户服务点划分方法；对于优化算法执行过程中的车辆容量约束处理问题，提供了一种车辆容量约束处理方法；同时，对种群的编码进行改进，使其更适合于真实的物流模型。本发明将Knea算法通过改进使其更好的应用于低碳物流调度模型，为物流调度提供可参考的解决方案。
-
公开(公告)号：CN119228017A
公开(公告)日：2024-12-31
申请号：CN202411218840.5
申请日：2024-09-02
Applicant: 东华大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/083 , G06N3/126
Abstract: 本发明提供了一种基于并行进化框架的多场景车辆调度优化算法，本发明在非支配排序遗传算法(NSGAII)的基础上，结合KnEA算法，通过交互式种群动态进化和Knee点评估策略，提出了基于并行进化框架的多场景车辆调度优化算法，对所建立的带容量约束的多场景多目标车辆路径模型进行优化，找出了在多个场景中都达到良好效果的折衷配送路线集合(PCOS)。为了解决单一交叉算子优化的局限性，故在并行进化框架的多场景车辆调度优化算法框架上，设计了针对迁移解与Knee点的自适应交叉机制。设计了3种群交叉算子，利用计算每种算子优化种群后产生的Knee点与迁移解到极值线的距离，实现优化种群数量比例矩阵的更新，从而动态调整每种算子优化种群的数量，能显著提高PCOS的质量。
-
公开(公告)号：CN116316894B
公开(公告)日：2024-05-24
申请号：CN202310324118.9
申请日：2023-03-29
Applicant: 东华大学
IPC: H02J3/46
Abstract: 本发明涉及一种基于鲁棒估计和双重进化的微电网电力调度优化方法。以微电网各发电机出力计划为决策变量，以微电网经济效益、环境效益、新能源渗透率为目标函数，初始化种群；将决策变量分类为低敏感鲁棒相关变量和高敏感鲁棒相关变量；采用双重进化策略；包括鲁棒评价部分策略、快速收敛部分策略，设计基于鲁棒Rank和收敛Rank的候选解评价策略和基于参考向量的选择策略；得到鲁棒区间最优解集。本发明从微电网系统综合效益最优出发，可以获得具有良好鲁棒性和收敛性的支配鲁棒解，提升了可再生能源的消纳能力、减少能源损耗和污染排放，有效地协调和控制微电网内各分布式电源的出力，保证了电力系统安全可靠、经济稳定的运行。
-
公开(公告)号：CN116316894A
公开(公告)日：2023-06-23
申请号：CN202310324118.9
申请日：2023-03-29
Applicant: 东华大学
IPC: H02J3/46
Abstract: 本发明涉及一种基于鲁棒估计和双重进化的微电网电力调度优化方法。以微电网各发电机出力计划为决策变量，以微电网经济效益、环境效益、新能源渗透率为目标函数，初始化种群；将决策变量分类为低敏感鲁棒相关变量和高敏感鲁棒相关变量；采用双重进化策略；包括鲁棒评价部分策略、快速收敛部分策略，设计基于鲁棒Rank和收敛Rank的候选解评价策略和基于参考向量的选择策略；得到鲁棒区间最优解集。本发明从微电网系统综合效益最优出发，可以获得具有良好鲁棒性和收敛性的支配鲁棒解，提升了可再生能源的消纳能力、减少能源损耗和污染排放，有效地协调和控制微电网内各分布式电源的出力，保证了电力系统安全可靠、经济稳定的运行。
-
公开(公告)号：CN119181446A
公开(公告)日：2024-12-24
申请号：CN202411219037.3
申请日：2024-09-02
Applicant: 东华大学
IPC: G16C60/00 , G06F30/27 , G06N3/126 , G06F111/10 , G06F111/06 , G06F113/26 , G06F119/14
Abstract: 本发明提供了一种基于两阶段鲁棒优化算法的碳纤维碳化参数优化方法，基于碳纤维碳化过程中的数据参数作为决策变量，拉伸强度和杨氏模量为目标，构建碳纤维碳化过程的鲁棒多目标GP模型；基于两阶段的鲁棒多目标进化算法，对GP模型进行求解，获得碳化过程工艺参数，并从中选取机械性能最优值。本发明避免了机理模型构建难度大且计算复杂、实验数据有限以及生产过程存在不确定性的问题，更符合碳纤维生产过程建模的实际需要。在前期不考虑扰动的情况下追求最优，后期增加扰动以优化鲁棒性，有效地平衡了解决方案的最优性和鲁棒性，并减少了计算资源的浪费，为碳化过程工艺的稳定高效生产提供保障，有利于提升碳纤维力学性能和质量。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
