-
公开(公告)号：CN116797252A
公开(公告)日：2023-09-22
申请号：CN202211355516.9
申请日：2022-11-01
Applicant: 西南大学
Inventor： 李华青 , 范旅铭 , 夏大文 , 郑祖卿 , 李哲 , 李松阳 , 郑李逢 , 李骏 , 冯丽萍 , 李永福 , 石亚伟 , 王慧维 , 李传东 , 张伟 , 冉亮 , 高澜 , 陈孟钢 , 纪良浩 , 董滔 , 吕庆国 , 王政 , 杜镇源
IPC: G06Q30/0201 , G06Q30/0202 , G06Q50/06
Abstract: 本发明提供一种基于求解广义纳什均衡算法的热电联产的策略生成方法，包括以下步骤：构建相关约束下的热电联产系统；其中，考虑每个消费者的热舒适性的上限和消费者效用和能源消耗关系；考虑所有能源公司的决策信息确定每个公司待解决的问题；其中，根据每个公司的生产效率有上限和下限、公司的生产计划要遵循保持功率平衡和热平衡以及每个公司待解决的问题确定热电联产系统模型的目标函数；当获取其他公司的全局决策信息，通过全局决策信息下基于边的分布式广义纳什均衡算法，求解获得每个公司的决策，包括每轮拍卖中热能和电能的需求以及价格。
-
公开(公告)号：CN115659596A
公开(公告)日：2023-01-31
申请号：CN202211181048.8
申请日：2022-09-27
Applicant: 西南大学
Inventor： 李华青 , 牛友成 , 郑李逢 , 李骏 , 冉亮 , 吕庆国 , 王政 , 冯丽萍 , 夏大文 , 石亚伟 , 王慧维 , 李传东 , 张伟 , 纪良浩 , 董滔 , 陈孟钢 , 杜镇源
IPC: G06F30/20 , G06F111/04 , G06F111/08
Abstract: 本发明提供了一种面向通信网络的即插即用分布式优化求解方法，包括步骤：S1.建立在无向连接网络G＝{ν,ε}中局部节点成本之和最小时对应的的数学模型；S2.将建立的数学模型转化为拉格朗日对偶形式；S3.建立分布式算法，求出局部成本之和最小时对应的该算法采用一般的边缘链接来实现信息融合，而不需要先验网络结构的双重随机矩阵；此外，该算法是为即插即用而设计的，允许快速部署节点，只需要节点索引的知识，且该算法允许每个节点采用网络独立的局部恒定步长；与大多数现有算法相比，该算法每个节点的步长条件与全网络结构解耦，并且仅依赖于局部代价函数和邻居的属性。
-
公开(公告)号：CN111865678A
公开(公告)日：2020-10-30
申请号：CN202010669680.1
申请日：2020-07-13
Applicant: 西南大学
IPC: H04L12/24 , H04L12/801
Abstract: 本发明涉及一种基于连续凸逼近的分布式异步优化方法，属于网络通信领域。该方法包括：S1：构建问题模型，即选择实际问题全局目标函数；S2：初始化每个节点所持局部变量，并设置最大迭代次数；S3：搭建有向强连通的非平衡源网络，并在其基础上添加虚拟节点搭建增广网络；S4：设置时延阈值、迭代次数以及系统参数；S5：确定的激活节点以及与之相关联的时延值的关系；S6：清除系统中过时信息；S7：选取代理函数，设置合适的步长和动量参数；S8：激活节点通过与近邻通信或者利用时延值变量更新，非激活节点保持当前变量值进入下一个迭代更新，直到达到迭代次数阈值。本发明对异步网络具有强鲁棒性和容错性，提高通信链路利用效率。
-
公开(公告)号：CN112000920B
公开(公告)日：2024-09-24
申请号：CN202010793221.4
申请日：2020-08-07
Applicant: 西南大学
Abstract: 本发明涉及一种基于迭代处理的主对偶分布式加速优化方法，属于大规模机器学习分布式优化技术领域。该方法基于迭代处理的分布式计算方式，采用Nesterov梯度加速技术，主要包括以下步骤：S1：确定目标函数；S2：搭建通信网络；S3：变量初始化；S4：选取合适的步长和动量参数；S5：变量更新。本方法采用分布式计算方式，具有广泛的应用领域，例如：机器学习、信号与信息处理、资源分配等；同时，采用Nesterov梯度加速技术，极大地提高了所提算法的收敛速度。本方法为无向通信网络下的分布式优化的应用奠定了理论基础，扩大了其应用范围。
-
公开(公告)号：CN116797251A
公开(公告)日：2023-09-22
申请号：CN202211355513.5
申请日：2022-11-01
Applicant: 西南大学
Inventor： 李华青 , 冉亮 , 郑李逢 , 李哲 , 黄廷文 , 夏大文 , 李骏 , 冯丽萍 , 李永福 , 石亚伟 , 王慧维 , 李传东 , 张伟 , 高澜 , 陈孟钢 , 纪良浩 , 董滔 , 吕庆国 , 王政 , 杜镇源
IPC: G06Q30/0201 , G06Q30/0202 , G06Q50/04
Abstract: 本发明提供一种基于异步分布式纳什均衡算法的供应市场生产调控方法，包括以下步骤：S1确立生产制造商在供应市场中私有的最小化目标函数，并基于市场需求构建生产决策的广义纳什博弈模型；S2构建博弈模型的变分问题，并利用拉格朗日理论获取KKT条件；S3基于网络化系统构建供应市场的时滞通信模型，建立异步分布式纳什均衡算法；S4根据建立的异步分布式纳什均衡算法，获取市场制造商的最佳生产数量。本发明能够解决因制造商生产差异性而影响供应市场中产品生产效率的问题，能够在制造商寻求自身代价最小化的同时实现供应市场的最佳生产与调控。
-
Patent Agency Ranking
公开(公告)号：CN115691675B
公开(公告)日：2023-06-06
申请号：CN202211405253.8
申请日：2022-11-10
Applicant: 西南大学
Inventor： 唐佳龙 , 李华青 , 程胡强 , 吕庆国 , 王政 , 冉亮 , 郑李逢 , 李哲 , 黄廷文 , 夏大文 , 李骏 , 冯丽萍 , 李永福 , 石亚伟 , 王慧维 , 李传东 , 张伟 , 高澜 , 陈孟钢 , 纪良浩 , 董滔
Abstract: 本发明提供一种基于异步分布式优化算法的高效蕈菌毒性识别方法，包括：通过将蕈菌毒性识别结果转换为有向网络上多智能体的异步分布式优化问题，采用基于异步分布式非精确性梯度推送优化算法，对异步分布式优化问题进行求解，得到蕈菌毒性识别结果，基于异步鲁棒梯度跟踪机制，对蕈菌毒性识别结果进行处理，获取蕈菌毒性梯度的平均值，作为蕈菌毒性识别的目标结果。本发明能够使得每个蕈菌均能够线性收敛到精确的最优解，确保蕈菌毒性识别的高精度，且提高了蕈菌毒性识别的效率。
-
公开(公告)号：CN116090731A
公开(公告)日：2023-05-09
申请号：CN202211437941.2
申请日：2022-11-16
Applicant: 西南大学
Inventor： 李华青 , 李哲 , 冉亮 , 范旅铭 , 郑李逢 , 李骏 , 李松洋 , 夏大文 , 吕庆国 , 王政 , 石亚伟 , 李传东 , 王慧维 , 张伟 , 陈孟钢 , 冯丽萍 , 董滔 , 纪良浩
IPC: G06Q10/0631 , G06Q50/06 , G06F30/20 , G06F113/04 , G06F111/04 , G06F119/02
Abstract: 本发明提供了一种基于分布式近端梯度算法的充电策略规划方法，通过将电动汽车充电策略规划问题抽象为基于无向连通图上的广义纳什均衡(GNE)问题，结合每个智能体(电动汽车)的目标函数和其约束条件构建广义纳什均衡问题的优化问题，结合拉格朗日乘子法，将优化问题转换为对偶问题，得到对偶问题的KKT条件，通过KKT条件与变分问题建立联系，通过求解变分问题来求解原优化问题。采用基于边的通信模型，采用异构步长以避免保守性，优化问题能够更快、更精确的收敛，能够解决电动汽车充电策略规划问题。
-
公开(公告)号：CN115691675A
公开(公告)日：2023-02-03
申请号：CN202211405253.8
申请日：2022-11-10
Applicant: 西南大学
Inventor： 唐佳龙 , 李华青 , 程胡强 , 吕庆国 , 王政 , 冉亮 , 郑李逢 , 李哲 , 黄廷文 , 夏大文 , 李骏 , 冯丽萍 , 李永福 , 石亚伟 , 王慧维 , 李传东 , 张伟 , 高澜 , 陈孟钢 , 纪良浩 , 董滔
Abstract: 本发明提供一种基于异步分布式优化算法的高效蕈菌毒性识别方法，包括：通过将蕈菌毒性识别结果转换为有向网络上多智能体的分布式异步优化问题，采用基于异步分布式非精确性梯度推送优化算法，对分布式优化问题进行求解，得到蕈菌毒性识别结果，基于异步鲁棒梯度跟踪机制，对蕈菌毒性识别结果进行处理，获取蕈菌毒性梯度的平均值，作为蕈菌毒性识别的目标结果。本发明能够使得每个蕈菌均能够线性收敛到精确的最优解，确保蕈菌毒性识别的高精度，且提高了蕈菌毒性识别的效率。
-
公开(公告)号：CN115423347A
公开(公告)日：2022-12-02
申请号：CN202211149731.3
申请日：2022-09-21
Applicant: 西南大学
Inventor： 李华青 , 郑李逢 , 李骏 , 冯丽萍 , 吕庆国 , 石亚伟 , 王慧维 , 李传东 , 张伟 , 夏大文 , 李永福 , 纪良浩 , 陈孟钢 , 董滔 , 王政 , 冉亮 , 杜镇源
Abstract: 本发明提供一种基于非合作博弈的分布式电动汽车充电管理方法，包括：构建充电站充电模型，充电站充电模型包括配电网、输电馈线、插入式电动汽车和具有多个接口的充电桩，插入式电动汽车存在对应的局部约束和耦合约束；根据随机变量、从配电网购买电能的成本和从插入式电动汽车购买电能的成本，构建成本函数；根据充电站充电模型、驾驶员焦虑程度和成本函数构建非合作随机博弈问题；采用全分布式随机纳什均衡寻求算法，求解非合作随机博弈问题，获取最优充电策略，根据最优充电策略进行充电。本发明能够满足插入式电动汽车的充电需求，减轻突发事件对充电过程的影响，且能够最大限度的降低充电成本。
-
公开(公告)号：CN116227806A
公开(公告)日：2023-06-06
申请号：CN202211562407.4
申请日：2022-12-07
Applicant: 西南大学
IPC: G06Q10/0631 , G06Q30/0283 , G06Q50/06
Abstract: 本发明提供一种基于能源需求响应管理的无模型强化学习方法，包括：构建住宅电器模型；结合居民综合用电成本和电力零售商利润确定社会福利，根据社会福利平衡居民综合用电成本与零售商利润，社会福利表示为基于价格的住宅需求响应管理非凸优化问题；根据电网的传输数据，分别采用基于Q‑表的Q学习算法、深度学习与Q学习相结合的Q‑网络算法和Actor‑Critic算法构建针对基于价格的住宅需求响应管理非凸优化问题的强化学习解决方案；根据三种基于价格的住宅需求响应管理非凸优化问题的强化学习解决方案，确定最优解决方案和最优零售价格序列。本发明能够采用三种算法分别进行建模，实现对未知电力市场环境下的最佳零售价格规划。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.025 seconds)
