公开(公告)号：CN119398296A

公开(公告)日：2025-02-07

申请号：CN202411609748.1

申请日：2024-11-12

Applicant: 安徽大学

Inventor： 项小书 ,  李笑 ,  江浩 ,  王朝

IPC: G06Q10/047 ,  G06Q10/0832 ,  G06Q10/0835 ,  G06N3/126

Abstract: 本发明公开了一种基于进化算法的冷藏车辆配送路径优化方法，包括：1、分析易腐货物对不同运输温度的需求和异构冷藏车不同运输温度区间的适配关系，建立异构冷藏车辆配送问题模型；2进行两阶段优化，第一阶段基于进化算法生成每辆冷藏车的潜在路径，第二阶段通过路径聚类与融合机制生成综合路径方案；3基于进化算法迭代搜索潜在单条路径并定期对种群执行局部搜索操作生成潜在路径集合，使用聚类方法对路径集合进行聚类，多轮次选取不同聚类簇中的的路径进行聚合，并处理未访问的客户，形成完整路径方案，最终输出到最优易腐货物冷藏配送方案。本发明能解决异构冷藏车辆配送路径优化问题，在减少易腐货物配送成本的同时最大限度降低货物损失。

公开(公告)号：CN114118600B

公开(公告)日：2024-10-25

申请号：CN202111457640.1

申请日：2021-12-02

Applicant: 安徽大学

Inventor： 江浩 ,  童言慧 ,  张兴义 ,  项小书 ,  王朝

IPC: G06Q10/047 ,  G06N3/006 ,  G06Q50/26

Abstract: 本发明公开了一种用于城市垃圾收集的路线规划方法，是应用于由垃圾处理场、K辆垃圾运输车和L个垃圾站点所构成的城市垃圾收集环境中，并包括：1随机生成初始种群，并对所有个体进行评价；2根据垃圾收集点的分组相似性进行多种群划分；3对子种群间进行交互操作；4对交互后的子种群进行交叉和变异操作，生成临时子代；5依据环境选择策略对交互后的子种群及临时子代进行比较，获得下一代种群，并选出每个子种群的领导；6若达到终止条件，输出最终种群；否则返回步骤3执行；7对最终种群的所有个体按评价值进行降序排序，选出最小评价值的路线规划方案。本发明能权衡路线规划方案的最优性和鲁棒性，从而能获得适应多种场景的路线规划方案。

公开(公告)号：CN119416990A

公开(公告)日：2025-02-11

申请号：CN202411241611.5

申请日：2024-09-05

Applicant: 安徽大学

Inventor： 项小书 ,  张向薇 ,  江浩 ,  王朝

IPC: G06Q10/047 ,  G06F18/23 ,  G06N3/006

Abstract: 本发明公开了一种基于多种群进化算法的行程时间不确定的鲁棒车辆路径规划方法，包括：1、构建车辆路径规划的多目标优化模型；2、随机初始化一个种群并进行聚类分组，分为多个子种群；3、基于多种群协同进化框架迭代优化多个子种群，并对子种群执行局部搜索操作，直到满足停止条件，得到路径规划最优方案集与鲁棒方案集；4、对路径规划最优方案集与鲁棒方案集执行交叉算子，输出鲁棒性与最优性兼具的最终路径规划方案。本发明能解决行程时间不确定的车辆路径规划问题，在找到最小使用车辆数目的同时，能得到更短的总行驶时间，从而能提高运输效率，并能降低运输成本。

公开(公告)号：CN117875532A

公开(公告)日：2024-04-12

申请号：CN202410042840.8

申请日：2024-01-11

Applicant: 安徽大学

Inventor： 王朝 ,  马少康 ,  黄鸿宇 ,  尚广鑫

IPC: G06Q10/047 ,  G06Q10/083 ,  G06Q10/067 ,  G06N3/086

Abstract: 本发明公开了一种基于神经网络加速进化算法的电动汽车车辆路径规划方法，是应用于由1个仓库点、n个配送任务点和m个充电设施所组成的配送网络中，并包括：1、采用双层优化方法分析负载约束相关的路径优化和与电量约束相关的充电决策优化，建立电动汽车车辆配送任务问题模型；2、基于进化算法的框架，使用代理模型直接预测充电决策方案的总行驶距离；3、在迭代优化过程中，交替使用启发式方法进行真实充电优化和使用代理模型进行预测充电优化，直到满足停止条件；4、输出当前任务下最佳配送方案。本发明能使用深度神经网络代理模型对电动汽车车辆任务配送问题中的充电决策优化进行代理，从而能提高配送效率并降低配送成本。

公开(公告)号：CN116305262A

公开(公告)日：2023-06-23

申请号：CN202310211981.3

申请日：2023-03-07

Applicant: 安徽大学

Inventor： 江浩 ,  廖月荣 ,  张兴义 ,  项小书 ,  王朝

IPC: G06F21/62

Abstract: 本发明公开了一种基于负调查的社交网络拓扑隐私保护方法，包括：1将原始社交网络G中所有节点设置为未访问状态，初始化负社交网络G’为空集合，并给定初始参数值M和σ；2根据M和σ，基于高斯分布模型生成概率P；3从G中随机选择M个未被访问节点构建子网络；4基于高斯负调查模型生成负子网络，将得到的负子网络加入到G’中；5将子网络中的M个节点设为已访问状态；6若达到终止条件，输出匿名后的网络即负社交网络G’；否则返回步骤3执行。本发明能够在隐私性和数据可用性两方面达到较好的平衡，即拥有较高隐私性的同时能够获得较好的数据可用性，同时可以有效抵御两种常见的图结构攻击，包括友谊攻击和子图攻击。

公开(公告)号：CN116128052A

公开(公告)日：2023-05-16

申请号：CN202310122900.2

申请日：2023-02-06

Applicant: 安徽大学

Inventor： 江浩 ,  仇康 ,  张兴义 ,  项小书 ,  王朝

IPC: G06N3/126 ,  G06Q10/08

Abstract: 本发明公开了一种基于双层优化的不确定环境下的设施选址方法，是应用于由客户需求点集合I和候选设施集合J所构成的选址场景中，并包括：1初始化上层选址种群；2对所有选址个体进行下层优化，找到匹配最优半径，并进行评价；3对上层种群进行交叉和变异操作，生成临时子代；4根据子代中每个个体对应的设施数量和分散程度，选出好的子代进行下层优化；5依据环境选择策略对父代种群和进行下层优化的子代进行比较，获得下一代种群；6若达到终止条件，输出最终种群；否则返回步骤3执行；7对最终种群的所有个体按评价值进行降序排序，选出最小评价值的设施选址方案。本发明能有效提高选址的可靠性，从而能获得更高质量的选址方案。

公开(公告)号：CN115936280A

公开(公告)日：2023-04-07

申请号：CN202211593599.5

申请日：2022-12-13

Applicant: 安徽大学

Inventor： 江浩 ,  李梦良 ,  张兴义 ,  项小书 ,  王朝

IPC: G06Q10/047 ,  G06Q10/0835 ,  G06Q10/087 ,  G06N20/20

Abstract: 本发明公开了一种基于集成学习的适用于车辆配送任务的路径规划方法，应用于由单个仓库、K辆卡车和N个配送任务节点所构成的车辆配送任务中，并包括：1建立车辆配送任务模型；2全局变量的初始化；3得到适用于当前任务的局部搜索算子集合；4得到适用于当前任务的多样化的局部搜索算子排列组合方式；5利用多样化的局部搜索算子排列组合方式，生成多样化的临时路径规划方案；6更新当前路径规划方案与最优路径规划方案；7若达到终止条件，则输出最优路径规划方案；否则返回步骤3执行。本发明能够自适应地选择出适用于当前任务的局部搜索算子及其排列组合方式，并据此寻找到低行驶距离的路径规划方案，从而提高配送效率。

公开(公告)号：CN110276517B

公开(公告)日：2022-10-04

申请号：CN201910388033.0

申请日：2019-05-10

Applicant: 安徽大学

Inventor： 王朝 ,  曾德清 ,  邱剑锋 ,  谢娟

IPC: G06Q10/06 ,  G06Q50/06 ,  G06N3/00 ,  B60L53/30

Abstract: 本发明公开了一种基于MOPSO的电动汽车充电站选址方法，包括：S1、构建以充电站建站成本、用户往返充电站时间和充电站服务范围人口数为目标函数，以充电站容量约束和充电站电压偏移为约束条件的充电站选址约束多目标优化模型；S2、设计基于竞争和教学机制的多目标粒子群优化算法进行求解，通过竞争机制构造精英种群，其他个体通过教学机制向精英个体学习生成子代种群；S3、采用自适应约束处理技术对两类复杂约束条件进行动态处理，并选择优秀的可行解进入下一代种群；S4、判断当前迭代次数是否达到最大迭代次数，若是，输出最优可行的选址方案解集；否则，执行步骤S2，如此，最终获得电动汽车充电站选址不同需求下的最优可行方案。

公开(公告)号：CN117455348A

公开(公告)日：2024-01-26

申请号：CN202311471831.2

申请日：2023-11-07

Applicant: 安徽大学

Inventor： 江浩 ,  宋博文 ,  张兴义 ,  王朝 ,  项小书

IPC: G06Q10/0835 ,  G06Q10/0631 ,  G06N3/006

Abstract: 本发明公开了一种带有不确定性车辆配送任务的路线规划方法，应用于由单个仓库、K辆运输车和L个配送任务节点所构成的车辆配送任务中，并包括：1确定当前场景次数，初始化相应参数；2在当前切换的场景下，随机生成初始种群并进行个体评价；3对种群进行交叉和变异操作，生成临时子代；4据环境选择策略对交叉后的种群及子代进行比较，获得下一代种群；5根据鲁棒评价值评价当前种群，较鲁棒的子代进行存档；6若达到当前环境切换条件，执行步骤7；否则，返回步骤3；7若达到终止条件，输出最终种群；否则，执行场景切换。本发明能权衡路线规划方案的最优性和鲁棒性，从而能获得适应多种场景的路线规划方案。

公开(公告)号：CN117371898A

公开(公告)日：2024-01-09

申请号：CN202311395204.5

申请日：2023-10-25

Applicant: 安徽大学

Inventor： 江浩 ,  王镜鉴 ,  张兴义 ,  王朝 ,  项小书

IPC: G06Q10/0835 ,  G06Q10/0631 ,  G06Q30/0601 ,  G06N3/006

Abstract: 本发明公开了一种基于双种群的城市物品运输规划方法，是应用于由存放物品的仓库D、K辆物品运输车和N个客户点所构成的城市物品运输路线中，并包括：1构建城市物品运输路线的数学问题模型；2对第一种群和第二种群进行初始化操作；3通过双种群协同进化方法得到更好的解；4对两个种群分别进行基于不同方法的交叉变异，再依据环境选择策略对交叉变异后的子代进行比较，获得下一代种群；5若达到终止条件，则对最终种群的所有个体进行非支配排序，选出最优路线规划方案。本发明能根据物品种类拆分运输来提高车辆装载率，从而能减少运输距离和运输成本，并能降低燃油消耗。