-
公开(公告)号：CN113988570A
公开(公告)日：2022-01-28
申请号：CN202111233508.2
申请日：2021-10-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多目标进化算法的旅游大巴车调度优化方法，该方法以旅游大巴车数量、总行驶距离、总工作量、等待时间和延误时间构建了旅游大巴车调度优化模型，然后采用NSGA‑Ⅱ和基于R2的局部搜索对旅游大巴车辆多目标调度模型进行求解，最终可以满足旅游大巴车调度的实际需求。本发明提出的基于R2的多目标进化算法原理简单、实现容易，在进化过程中能有效地进行局部搜索，保证解的收敛性和多样性，并能快速地求解出最优的可行解；并且本发明针对旅游智能交通规划的实际需求，建立了完善的旅游大巴车调度优化模型，并能求解出最优的可行解，对提高游客满意度、降低交通运输成本和降低旅客出行成本有着重要意义。
-
公开(公告)号：CN112217641A
公开(公告)日：2021-01-12
申请号：CN202011132274.8
申请日：2020-10-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于ADD支持读写功能的密文策略属性基加密方法，首先构造ADD访问结构，然后确定ADD访问结构中的有效路径，最后实现基于ADD的CP‑ABE方案，该方案实现过程共涉及4个实体：授权中心、数据加密方即数据拥有者、数据解密方即数据使用者、云服务器，其中授权中心负责执行Setup算法以及Keygen算法，分别实现系统建立以及用户私钥生成的功能；数据加密方执行Encrypt算法，完成明文加密；数据解密方执行Decrypt算法，实现对密文数据的读、写；云服务器负责密文数据的存储；该方法充分利用ADD在伪布尔函数描述方面的优势实现高效的密文共享及访问控制，并引入PV操作解决多个用户在进行密文数据读、写操作时存在的资源访问冲突问题。
-
公开(公告)号：CN119514826A
公开(公告)日：2025-02-25
申请号：CN202411612129.8
申请日：2024-11-12
Applicant: 桂林电子科技大学
IPC: G06Q10/047 , G01C21/20 , G06N3/006 , A63F5/00 , G06F30/20 , G06F111/06
Abstract: 本发明提出了一种基于改进的蚁群算法的路径规划方法，该方法主要用于优化和提升蚁群算法在路径规划中的效率和准确性。传统的蚁群算法，存在收敛速度慢、容易陷入局部最优等问题。针对这些问题，本发明提出了一系列改进措施。首先，本发明使用非均匀初始化信息素浓度。其次，使用增强的方向引导机制，加快算法收敛速度。此外，本发明还将待选节点到目标点的距离加入到启发式函数中，提高了路径搜索的目的性和效率。最后，本发明采用多种转移策略相结合的策略进行转移，最终可以更快地得到距离更短且路径相对平滑的最优路径。
-
公开(公告)号：CN117236424A
公开(公告)日：2023-12-15
申请号：CN202311211734.X
申请日：2023-09-19
Applicant: 桂林电子科技大学
IPC: G06N3/126 , G06F30/27 , G06F111/06
Abstract: 近几年，提出了尝试估计Pareto前沿来引导搜索方向。例如基于模型的MOEA和估计ParetoFront的形状。仍然，很少有工作致力于研究局部PF形状。本发明提出了一种新的基于局部Pareto凹凸性的识别算法LPFE_M，它通过局部的方式估计整体几何的凹凸信息。首先，利用一组均匀分布的权重向量将目标空间划分为独立的子区域。再结合最小曼哈顿距离算法，找到几个关键的解决方案。选取每个子区域的最大曲率信息，如图1所示，设计了一种自适应函数来指导搜索方向。最后，在WFG测试集上对MOEA/D‑M2M、MOEA/D、MOEA/D‑Pas、NSGAII、PeEA和oneByoneEA等常用MOEA算法进行比较。发现它们在WFG测试集上的性能有很大的差异，证明了本发明基于局部Pareto凹凸性的识别算法LPFE_M的有效性。
-
公开(公告)号：CN119416871A
公开(公告)日：2025-02-11
申请号：CN202411288106.6
申请日：2024-09-13
Applicant: 桂林电子科技大学
IPC: G06N3/126 , G06Q10/047 , G06Q10/0835 , G06N5/01
Abstract: 最近，许多研究证明了解决具有不确定性数据的车辆路径问题时，通过自适应大邻域搜索策略来引导解的搜索方向以及多目标进化算法在邻域中进行解的选择，从而找到一组满足不确定环境约束下的最优解是可行的。然而，自适应大邻域搜索策略在求解后期会出现大量重复且无效操作使得方法效率降低。本发明提出了一种基于自适应禁忌大邻域搜索策略的鲁棒多目标进化方法，在该方法中，使用自适应禁忌大邻域搜索方法生成新一代解群体，利用禁忌列表减少算法后期重复操作的出现频率，将该方法结合蒙特卡洛模拟方法模拟出在确定分布下的车辆路径问题的若干个场景，并以此求解出具有鲁棒性的最优解群体，从而解决具有不确定性数据的车辆路径问题，如图1所示。最后，本发明在Solomon数据集上进行测试。结果表明在求解具有不确定性的车辆路径问题中，本方法具有有效性。
-
Patent Agency Ranking
公开(公告)号：CN119130308A
公开(公告)日：2024-12-13
申请号：CN202411287997.3
申请日：2024-09-13
Applicant: 桂林电子科技大学
IPC: G06Q10/0835 , G06Q10/047 , G06N3/126
Abstract: 本发明公开了一种基于拐点引导差分进化算法的车辆路径规划方法，包括：根据车辆路径问题的数据集或实际问题，建立客户点数据模型；计算并构建距离矩阵，将最小化车辆路径距离作为目标函数一；建立时间窗违反惩罚规则，将最大化客户满意度作为目标函数二；构建带时间窗的车辆路径问题模型，确定约束条件；通过基于拐点引导差分进化算法，对带时间窗的车辆路径规划模型进行优化，求解最佳配送序列。本发明利用拐点作为最优解的特性，使用差分进化算法围绕拐点进行搜索，引导搜索向最优解靠近，加快算法收敛速率，增强算法搜索能力，帮助决策者从大量候选的解决方案中选择更优且可行的方案，能够在有效的时间内提供更优的车辆路径解决方案，有利于降低物流配送成本、提高服务质量。
-
公开(公告)号：CN118999614A
公开(公告)日：2024-11-22
申请号：CN202411282138.5
申请日：2024-09-13
Applicant: 桂林电子科技大学
IPC: G01C21/34
Abstract: 本发明公开了一种基于拐点多目标进化算法的车辆路径规划方法，包括：根据带时间窗车辆路径规划问题的数据集或实际问题，建立客户点数据模型；计算并构建客户点之间的距离矩阵；建立时间窗惩罚规则，构建时间惩罚函数；将最小化车辆使用成本和最小化距离成本、时间惩罚作为模型的目标函数，确定约束条件，构建车辆路径问题模型；通过基于拐点多目标进化算法，对模型进行优化，采用自适应策略调整拐点邻域大小，提高拐点识别的准确性，利用拐点作为最优解的特性，引导算法的搜索迭代，求解最佳配送序列，为实际的车辆路径问题提供可参考的解决方案。
-
公开(公告)号：CN116502779A
公开(公告)日：2023-07-28
申请号：CN202310480834.6
申请日：2023-04-28
Applicant: 桂林电子科技大学
IPC: G06Q10/047 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及神经组合优化技术领域，具体涉及一种基于局部注意力机制的旅行商问题生成式求解方法，包括搭建基于局部注意力机制的旅行商问题生成式求解模型；基于可变情节长度和改进的策略算法对所述旅行商问题生成式求解模型进行训练，得到最优模型；将城市节点集合输入所述最优模型后使用带有基于旅行商问题数据的改进遮蔽操作的局部注意力机制进行注意力权重以及注意力输出计算，得到决策结果，本发明利用旅行商问题数据在逻辑上的排列顺序，改进了原本Transformer中使用的遮蔽方法，实现了一种局部注意力机制，降低了模型的训练成本，从而适用于对旅行商数据的处理，解决了深度学习数据处理方法对于旅行商数据不适用的问题。
-
公开(公告)号：CN112217641B
公开(公告)日：2022-09-27
申请号：CN202011132274.8
申请日：2020-10-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于ADD支持读写功能的密文策略属性基加密方法，首先构造ADD访问结构，然后确定ADD访问结构中的有效路径，最后实现基于ADD的CP‑ABE方案，该方案实现过程共涉及4个实体：授权中心、数据加密方即数据拥有者、数据解密方即数据使用者、云服务器，其中授权中心负责执行Setup算法以及Keygen算法，分别实现系统建立以及用户私钥生成的功能；数据加密方执行Encrypt算法，完成明文加密；数据解密方执行Decrypt算法，实现对密文数据的读、写；云服务器负责密文数据的存储；该方法充分利用ADD在伪布尔函数描述方面的优势实现高效的密文共享及访问控制，并引入PV操作解决多个用户在进行密文数据读、写操作时存在的资源访问冲突问题。
-
公开(公告)号：CN117764144A
公开(公告)日：2024-03-26
申请号：CN202311811250.9
申请日：2023-12-26
Applicant: 桂林电子科技大学
IPC: G06N3/092 , G06N3/0985
Abstract: 本发明提出了一种基于元梯度算法对强化学习中多折扣因子的优化方法，用来处理单一折扣因子不能对折扣回报不同状态下进行分别优化的问题。将单一的折扣因子转换成多折扣因子，将对单一折扣因子的优化转换成对多折扣因子的优化，实现对折扣回报各个状态之间的分别优化，能够使得折扣回报的计算更加精确，同时由于折扣回报的计算精确，也会使得价值网络得到更有效的更新，优势函数也会计算的更加精确。由于优势函数计算更加精确，也会使得策略网络得到更有效的更新。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.035 seconds)
