-
公开(公告)号：CN119476872B
公开(公告)日：2025-04-04
申请号：CN202510042301.9
申请日：2025-01-10
Applicant: 杭州电子科技大学
IPC: G06Q10/0631 , G06Q10/087 , G06Q10/047
Abstract: 本发明公开了一种立体仓库任务调度方法、装置、设备及介质，包括：获取立体仓库中多个货位的货位信息、多台堆垛机的堆垛机信息以及堆垛机的多个预设工作模式；基于货位信息、堆垛机信息以及多个预设工作模式，建立以堆垛机执行多个任务的运行时间和堆垛机执行至少一个出库任务的延迟时间为目标的多目标优化模型；获取多个待分配任务的任务信息、多个货位的货位状态信息以及多台堆垛机的堆垛机状态信息；将任务信息、货位状态信息以及堆垛机状态信息输入多目标优化模型进行求解，得到最佳任务调度方案。实现了以数学模型的方式描述了出入库任务组合、堆垛机调度以及入库货位分配三个决策过程，找到高质量的解，以满足企业的多目标需求。
-
公开(公告)号：CN115795034A
公开(公告)日：2023-03-14
申请号：CN202211475381.X
申请日：2022-11-23
Applicant: 杭州电子科技大学
IPC: G06F16/35 , G06F40/216 , G06F18/21 , G06F18/2113 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06F18/25
Abstract: 本发明涉及基于分类器和特征集成的影评情感分析方法及系统，其中方法包括以下步骤S1、将影评转换为可识别的数字向量；S2、将可识别的数字向量输入特征选择集成FSE模型，以识别关键影评特征；S3、将关键影评特征输入基于META‑DES框架的动态集成选择DES模型中，以进行情感分析预测。本发明对影评特征采用特征选择集成，并在分类阶段采用动态集成选择融合meta‑learning，相较于其他通用的机器学习情感分析技术，取得更高的分类准确率。
-
公开(公告)号：CN118536912B
公开(公告)日：2024-10-29
申请号：CN202411000502.4
申请日：2024-07-25
Applicant: 杭州电子科技大学
IPC: G06Q10/087 , G06Q10/0631 , G06N3/092
Abstract: 本公开提供了一种基于Q‑Learning算法的自动化仓库出入库调度方法及装置，具体包括：首先建立仓库货架模型，根据订单总延迟时间和堆垛机总行程距离建立仓库出入库目标函数；然后根据仓库货架模型确定仓库货架模型的系统状态数据；并根据仓库货架模型设计基于Q‑Learning算法的仓库出入库分配模型；接着对仓库出入库分配模型进行训练，得到训练好的仓库出入库分配模型；最后将其应用于自动化仓库，并根据仓库状态数据确定所述自动化仓库的目标出入库调度策略。本公开中得到的仓库出入库分配模型可以根据自动化仓库的状态的变化采取合适的出入库调度策略，不仅可以缩短任务完成时间以提高出入库效率；还能减少堆垛机运行距离，从而降低设备能耗成本。
-
公开(公告)号：CN119476872A
公开(公告)日：2025-02-18
申请号：CN202510042301.9
申请日：2025-01-10
Applicant: 杭州电子科技大学
IPC: G06Q10/0631 , G06Q10/087 , G06Q10/047
Abstract: 本发明公开了一种立体仓库任务调度方法、装置、设备及介质，包括：获取立体仓库中多个货位的货位信息、多台堆垛机的堆垛机信息以及堆垛机的多个预设工作模式；基于货位信息、堆垛机信息以及多个预设工作模式，建立以堆垛机执行多个任务的运行时间和堆垛机执行至少一个出库任务的延迟时间为目标的多目标优化模型；获取多个待分配任务的任务信息、多个货位的货位状态信息以及多台堆垛机的堆垛机状态信息；将任务信息、货位状态信息以及堆垛机状态信息输入多目标优化模型进行求解，得到最佳任务调度方案。实现了以数学模型的方式描述了出入库任务组合、堆垛机调度以及入库货位分配三个决策过程，找到高质量的解，以满足企业的多目标需求。
-
公开(公告)号：CN114418197B
公开(公告)日：2024-11-26
申请号：CN202111658328.9
申请日：2021-12-30
Applicant: 杭州电子科技大学
IPC: G06Q10/04 , G06Q10/087 , G06Q30/0201 , G06Q50/04
Abstract: 本发明公开了一种基于模型预测控制的可重构系统实时生产提前期的优化方法，步骤S1：通过时间研究采集待优化生产系统流水线中材料和作业的实时数据以及工作站状态的实时数据，确定模型计算所需要的参数；步骤S2：考虑到预测性多阶段过渡和可重构行为，用max‑plus代数来描述这个可重构的生产系统，通过对多个工作站之间的计划和实时离散事件的时变建立时变过渡模型、时变状态空间方程和状态转移矩阵；步骤S3：以最小化在制品库存、最终产品库存和延期惩罚的总预期成本的实时作业发布计划为目标，建立可重构系统实时生产提前期的优化模型来进行预测控制；步骤S4：对该优化模型，利用隐枚举算法进行求解，最终得到总预期成本较小的实时作业发布计划。
-
Patent Agency Ranking
公开(公告)号：CN119151089A
公开(公告)日：2024-12-17
申请号：CN202411641597.8
申请日：2024-11-18
Applicant: 杭州电子科技大学
IPC: G06Q10/04 , G06Q10/067 , G06Q10/063 , G06Q10/20 , G06Q50/04
Abstract: 本发明涉及双部件设备在基本质保期内的预防性维护策略优化技术领域，具体涉及具有故障交互性的双部件维护策略优化方法及系统。方法包括以下步骤：（1）使用役龄减少及故障率增加模型、故障率相关性模型描述双部件的独立故障率函数和交互故障率函数；（2）根据部件故障率函数和可靠性函数，并结合预防性维护相关参数，确定预防性维护和故障维修策略实施方法；（3）以最小化质保期全程的维护总成本为目标建立维护优化模型；（4）使用蒙特卡洛仿真及网格搜索确立最优维护方案。本发明优化技术方案对质保期内的双部件设备预防性维护策略进行优化，一定程度降低部件故障率，降低制造商的维护总成本。
-
公开(公告)号：CN118536912A
公开(公告)日：2024-08-23
申请号：CN202411000502.4
申请日：2024-07-25
Applicant: 杭州电子科技大学
IPC: G06Q10/087 , G06Q10/0631 , G06N3/092
Abstract: 本公开提供了一种基于Q‑Learning算法的自动化仓库出入库调度方法及装置，具体包括：首先建立仓库货架模型，根据订单总延迟时间和堆垛机总行程距离建立仓库出入库目标函数；然后根据仓库货架模型确定仓库货架模型的系统状态数据；并根据仓库货架模型设计基于Q‑Learning算法的仓库出入库分配模型；接着对仓库出入库分配模型进行训练，得到训练好的仓库出入库分配模型；最后将其应用于自动化仓库，并根据仓库状态数据确定所述自动化仓库的目标出入库调度策略。本公开中得到的仓库出入库分配模型可以根据自动化仓库的状态的变化采取合适的出入库调度策略，不仅可以缩短任务完成时间以提高出入库效率；还能减少堆垛机运行距离，从而降低设备能耗成本。
-
公开(公告)号：CN116822646A
公开(公告)日：2023-09-29
申请号：CN202310528035.1
申请日：2023-05-11
Applicant: 杭州电子科技大学
IPC: G06N20/00
Abstract: 本发明涉及一种基于数据质量的联邦学习方法及系统，方法包括：根据联邦学习任务要求，向各个参与方发送数据需求规范；获取各个参与方的参与请求、任务报价及信誉值；根据各个参与方的参与请求、任务报价及信誉值计算被选择参与方；向被选择参与方发送全局模型数据；获取被选择参与方计算的局部模型数据，对全局模型数据进行更新；计算各个被选择参与方的贡献度，更新信誉值。本发明的方法在参与方数据质量不平衡的情况下，能够在每次迭代结束后有效识别和筛选出数据质量高的参与方，并在每次迭代开始时在预算范围内动态选择信誉度最高的若干参与方进行计算，从而作出最大全局模型增益的最佳决策。
-
公开(公告)号：CN114519297A
公开(公告)日：2022-05-20
申请号：CN202111674697.7
申请日：2021-12-31
IPC: G06F30/27 , G06N3/12 , G06Q10/08 , G06Q30/02 , G06Q50/04 , G06F111/04 , G06F111/06 , G06F111/10
Abstract: 本发明公开了一种基于嵌套NSGA‑II的多目标双层交互式优化方法，步骤包括：S1、多目标双层交互式优化模型构建；S2、上层主导者NSGA‑II的实现；S3、下层跟随者NSGA‑II的实现；S4、上下层NSGA‑II交互式迭代。本发明考虑一个多目标主导者和多个多目标跟随者的双层交互式优化问题，可以同时实现分层多目标和上下层多目标的协同和Pareto改善，具有重要的实际应用背景与价值；设计了嵌套NSGA‑II对多目标双层交互式优化问题进行求解，主要技术特点包括隔板法、单点放缩法等处理复杂的等式或不等式约束，多染色体并行下传，下层Pareto前沿解最优组合搜索与上传，上下层NSGA‑II交互迭代式优化，算法流程设计合理，可极大的提高算法搜索效率。
-
公开(公告)号：CN114418197A
公开(公告)日：2022-04-29
申请号：CN202111658328.9
申请日：2021-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于模型预测控制的可重构系统实时生产提前期的优化方法，步骤S1：通过时间研究采集待优化生产系统流水线中材料和作业的实时数据以及工作站状态的实时数据，确定模型计算所需要的参数；步骤S2：考虑到预测性多阶段过渡和可重构行为，用max‑plus代数来描述这个可重构的生产系统，通过对多个工作站之间的计划和实时离散事件的时变建立时变过渡模型、时变状态空间方程和状态转移矩阵；步骤S3：以最小化在制品库存、最终产品库存和延期惩罚的总预期成本的实时作业发布计划为目标，建立可重构系统实时生产提前期的优化模型来进行预测控制；步骤S4：对该优化模型，利用隐枚举算法进行求解，最终得到总预期成本较小的实时作业发布计划。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
