公开(公告)号：CN114444646A

公开(公告)日：2022-05-06

申请号：CN202210071499.X

申请日：2022-01-21

Applicant: 同济大学

Inventor： 戴毅茹 ,  舒一鸣

IPC: G06N3/00 ,  G06F17/18

Abstract: 本发明涉及一种基于改进多目标粒子群算法的函数测试方法，包括：构建基于高斯‑柯西混合变异的多目标粒子群算法；应用基于高斯‑柯西混合变异的多目标粒子群算法，对标准测试函数进行求解，得到对应的最优解。其中，基于高斯‑柯西混合变异的多目标粒子群算法具体是采用高斯变异进行局部搜索、采用柯西变异进行全局搜索，以得到高斯‑柯西混合变异机制进行最优解搜寻；此外还采用锦标赛选择机制进行全局最优个体的选取。与现有技术相比，本发明所提出的算法不仅能扩大粒子搜群最优解的范围，而且能增加全局最优粒子选择的多样性，将该改进的多目标粒子群算法应用在标准测试函数上，不仅能提高搜索能力和收敛能力，且帕累托前沿分布更加均匀。

公开(公告)号：CN120012903A

公开(公告)日：2025-05-16

申请号：CN202510088962.5

申请日：2025-01-20

Applicant: 同济大学

Inventor： 戴毅茹 ,  舒一鸣

IPC: G06N5/025 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明公开了一种基于元学习的飞机起落架故障诊断知识图谱补全方法，包括以下步骤：S1、使用DS‑GAT编码器来对飞机起落架故障诊断知识图谱中的实体和关系进行编码；S2、采用GNN消息传递得到飞机起落架故障诊断知识图谱中的实体和关系的表示；S3、通过子图构建和元训练来预测未知实体之间的关系，完成飞机起落架故障诊断知识图谱补全。采用本发明方法，可以提高飞机起落架故障诊断效率。

公开(公告)号：CN117332587A

公开(公告)日：2024-01-02

申请号：CN202311280421.X

申请日：2023-09-28

Applicant: 同济大学

Inventor： 戴毅茹 ,  舒一鸣

IPC: G06F30/20 ,  G06N3/006 ,  G06F111/06

Abstract: 本发明实施例提供了一种基于多目标优化的改进方法，涉及计算机应用技术领域。方法随机产生大小为N的初始种群，对初始种群中的全部个体进行非支配排序；针对每个个体，确定每个个体与相邻个体之间的拥挤距离，选择一部分个体组成父代种群，产生后代种群；对父代种群和后代种群合并产生新型种群；确定新型种群中个体与相邻个体之间的拥挤距离，选择N个个体组成新父代种群；判断新父代种群是否满足预设的终止条件，若满足终止条件，则输出新父代种群的全部个体作为非支配个体。本发明能够克服NSGA‑II算法实际应用在高维求解时容易出现的收敛精度差、局部最优、解集分布性较差的问题，计算稳定性好、计算结果偏差小，便于推广应用。