-
公开(公告)号：CN107563555A
公开(公告)日：2018-01-09
申请号：CN201710784140.6
申请日：2017-09-04
Applicant: 南京信息工程大学
Abstract: 本发明提供的基于Q学习memetic算法的动态多目标软件项目调度方法,包括如下步骤：(1)读取输入信息；定义优化目标，设定约束条件；(2)初始化算法的参数；Q学习中的智能体感知项目环境中的初始状态；确定静态多目标memetic算法中的全局和局部搜索策略；(3)在项目初始时，产生初始调度方案，并产生一回报值；(4)在项目实施过程中，采用重调度方式；智能体感知项目环境的当前状态，依据回报值更新状态-动作对表中的Q值，基于选择机制确定动态memetic算法中的全局和局部搜索策略；基于动态memetic算法在新环境中产生新的调度方案，并产生一回报值。本发明能够学习项目环境的特征，快速高效地实现软件项目中的动态调度任务。
-
公开(公告)号：CN108734661B
公开(公告)日：2020-12-29
申请号：CN201810517138.7
申请日：2018-05-25
Applicant: 南京信息工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于图像纹理信息构建损失函数的高分辨率图像预测方法。首先随机初始化SRCNN卷积神经网络的连接权重与偏置，并设置网络参数；将训练数据预处理后获得高、低分辨率图像对训练集；接着将低分辨率图像输入网络框架，得到网络输出的高分辨率图像；然后，采用考虑图像纹理信息的损失函数进行误差计算，如果未达到迭代次数则进行权值修正，最终得到训练好的网络；在测试阶段，输入低分辨率图像至训练好的网络，得到预测的高分辨率图像。本发明构建的损失函数不仅可以度量像素损失，而且还可以度量图像纹理信息损失，克服了SRCNN卷积神经网络超分辨算法的不足，有效实现了SRCNN算法性能的进一步提升。
-
公开(公告)号：CN109630592A
公开(公告)日：2019-04-16
申请号：CN201910099613.8
申请日：2019-01-31
Applicant: 南京信息工程大学
Inventor： 林屹
IPC: F16F9/30
CPC classification number: F16F9/30
Abstract: 本发明涉及一种抑制振动的控制装置，包括顶板、箱体、剪切钢板、底部连接板和支座，若干所述剪切钢板设置于箱体内，顶端伸出箱体并固定在顶板上，底端固定于底部连接板上并可在箱体内滑动，所述支座固定在箱体底部，所述箱体内填充有黏滞阻尼介质，若干剪切钢板位于同一平面内，相邻两剪切钢板之间设有间距，使剪切钢板呈格栅状分布，使每一格栅在尾部形成的边界层分离现象进一步增加了内部剪切钢板与黏滞阻尼介质之间的摩擦阻力以及对振动能量的耗散能力，使该抑制振动的控制装置的性能有了较大的提升。
-
公开(公告)号：CN108734661A
公开(公告)日：2018-11-02
申请号：CN201810517138.7
申请日：2018-05-25
Applicant: 南京信息工程大学
IPC: G06T3/40
CPC classification number: G06T3/4053 , G06T3/4046
Abstract: 本发明公开了一种基于图像纹理信息构建损失函数的高分辨率图像预测方法。首先随机初始化SRCNN卷积神经网络的连接权重与偏置，并设置网络参数；将训练数据预处理后获得高、低分辨率图像对训练集；接着将低分辨率图像输入网络框架，得到网络输出的高分辨率图像；然后，采用考虑图像纹理信息的损失函数进行误差计算，如果未达到迭代次数则进行权值修正，最终得到训练好的网络；在测试阶段，输入低分辨率图像至训练好的网络，得到预测的高分辨率图像。本发明构建的损失函数不仅可以度量像素损失，而且还可以度量图像纹理信息损失，克服了SRCNN卷积神经网络超分辨算法的不足，有效实现了SRCNN算法性能的进一步提升。
-
公开(公告)号：CN105929690B
公开(公告)日：2018-07-24
申请号：CN201610281979.3
申请日：2016-04-29
Applicant: 南京信息工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于分解多目标进化算法的柔性车间鲁棒调度方法,(1)读取柔性作业车间的作业和机器属性等输入信息；定义优化目标，设定约束条件；(2)初始化算法的参数；(3)确定每个子问题的邻域，产生初始父代群体，从初始群体中确定出所有的Pareto非支配解构成外部存储器；(4)生成子代群体。进行交配选择，采用自适应变异算子和基于修复的交叉算子繁殖子代个体，并更新外部存储器；(5)利用生成的子代群体对各子问题的当前最优个体进行更新，构成新的父代群体；(6)判断个体目标评价次数若达到最大，则输出外部存储器，即一组Pareto非支配的柔性作业车间调度解；未达到则跳转至(4)。本发明快速高效地实现柔性作业车间中的调度任务。
-
Patent Agency Ranking
公开(公告)号：CN104392317A
公开(公告)日：2015-03-04
申请号：CN201410681051.5
申请日：2014-11-24
Applicant: 南京信息工程大学
CPC classification number: G06Q10/103 , G06N3/126
Abstract: 本发明公开了一种基于遗传文化基因算法的项目调度方法，（1）读取项目信息，包括任务和软件工程师的属性；（2）初始化算法参数；（3）产生初始父代种群，并进行局部搜索；（4）对父代种群执行选择、交叉和变异操作，构成子代种群；（5）对子代种群进行局部搜索；（6）合并父代和经局部搜索后的子代种群，从中选取适应度最优的一半个体构成下一代父代种群并进行迭代；（7）判断迭代代数是否达到最大值，若达到，则终止迭代，输出适应度最优的个体，该个体即为项目中每位软件工程师在每项任务中投入的工作量分配结果。本发明具有搜索能力强，生成的调度方案效率高的优点。
-
公开(公告)号：CN114139453B
公开(公告)日：2024-07-23
申请号：CN202111449296.1
申请日：2021-11-30
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06F111/06 , G06F119/02
Abstract: 本发明公开基于分组学习粒子群优化的众包软件项目调度方法，包括以下步骤：读取问题信息，定义优化目标，设定约束条件，初始化改进粒子群算法的参数，生成初始候选种群，评价个体适应度，产生个体极值和全局极值，采用分组学习策略根据个体适应度进行排序和分组，子组中粒子数量的自适应变化；更新个体价值；考虑任务人数上限的启发信息对全局极值进行局部搜索；终止准则判断。本发明建立了众包软件项目约束双目标三耦合调度模型，该模型融入开发者的信誉、最大工作负荷度属性，任务最大人头数属性，开发者对任务所需技能熟练度等实际因素，通过寻找最佳开发者选择和任务分配方案，最小化项目的工期和最大化项目质量。
-
公开(公告)号：CN105929690A
公开(公告)日：2016-09-07
申请号：CN201610281979.3
申请日：2016-04-29
Applicant: 南京信息工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于分解多目标进化算法的柔性车间鲁棒调度方法,(1)读取柔性作业车间的作业和机器属性等输入信息；定义优化目标，设定约束条件；(2)初始化算法的参数；(3)确定每个子问题的邻域，产生初始父代群体，从初始群体中确定出所有的Pareto非支配解构成外部存储器；(4)生成子代群体。进行交配选择，采用自适应变异算子和基于修复的交叉算子繁殖子代个体，并更新外部存储器；(5)利用生成的子代群体对各子问题的当前最优个体进行更新，构成新的父代群体；(6)判断个体目标评价次数若达到最大，则输出外部存储器，即一组Pareto非支配的柔性作业车间调度解；未达到则跳转至(4)。本发明快速高效地实现柔性作业车间中的调度任务。
-
公开(公告)号：CN114139453A
公开(公告)日：2022-03-04
申请号：CN202111449296.1
申请日：2021-11-30
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06F111/06 , G06F119/02
Abstract: 本发明公开基于分组学习粒子群优化的众包软件项目调度方法，包括以下步骤：读取问题信息，定义优化目标，设定约束条件，初始化改进粒子群算法的参数，生成初始候选种群，评价个体适应度，产生个体极值和全局极值，采用分组学习策略根据个体适应度进行排序和分组，子组中粒子数量的自适应变化；更新个体价值；考虑任务人数上限的启发信息对全局极值进行局部搜索；终止准则判断。本发明建立了众包软件项目约束双目标三耦合调度模型，该模型融入开发者的信誉、最大工作负荷度属性，任务最大人头数属性，开发者对任务所需技能熟练度等实际因素，通过寻找最佳开发者选择和任务分配方案，最小化项目的工期和最大化项目质量。
-
公开(公告)号：CN108415954A
公开(公告)日：2018-08-17
申请号：CN201810116077.3
申请日：2018-02-06
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明提供了一种不确定单色相互最近邻查询处理方法，并包括步骤：初始化最小堆Hrfn，令集合Sstemp、Ocand、Opru等为空；遍历R树，得到查询对象q的最近邻候选集nnq，并将此过程中被剪枝的结点和对象保存在最小堆Hrfn内；依次将nnq中的对象o插入Hrfn中，同时在集合Ocand上使用GP规则对对象o进行判断，如果o符合条件则将o插入集合Opru，否则将o插入集合Ocand；将Hrfn中的元素插入集合Sstemp；在集合Opru上使用GP规则，找出集合Ocand中一定不是q的反向最近邻的对象，并做标记；对Ocand中未做标记的每个对象o，遍历集合Sstemp查询得到o的最近邻候选集nno；求出nno与nnq的并集得到o的概率计算列表；计算Ocand中未做标记的每个对象的概率值；将概率值大于阈值的对象作为结果返回。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.043 seconds)
