-
公开(公告)号：CN118760193A
公开(公告)日：2024-10-11
申请号：CN202411084156.2
申请日：2024-08-08
Applicant: 贵州大学
Abstract: 本申请提供一种基于多策略指数分布优化的机器人路径规划方法，涉及机器人技术领域，该方法包括：初始化路径规划模型参数；采用QMEDO算法，对采用路径规划模型确定的初始路径方案进行规划，确定目标路径规划方案。本申请通过对指数分布优化算法可能存在的陷入局部最优和开发弱的问题进行改进，为移动机器人的路径规划提供一种新的求解方法，可提高机器人作业的效率，有效降低成本和能源消耗。
-
公开(公告)号：CN118585341A
公开(公告)日：2024-09-03
申请号：CN202411046424.1
申请日：2024-08-01
Applicant: 贵州大学
Abstract: 本发明提出了一种基于增强美洲狮优化算法的云计算资源调度方法、系统、设备及介质；所述方法包括以下步骤：S1、获取云任务字节大小向量以及虚拟机具备的计算资源向量、负载成本向量及资源带宽向量；然后建立以下最小化总成本的目标函数；S2、利用增强的美洲狮优化算法对目标函数进行优化，得到最优个体；S3、将S2中获取的最优个体映射到二进制的调度矩阵，通过调度矩阵得到任务调度策略，从而进行任务调度；本发明能够减少系统响应时间，提高解的精度，以提升在应对大规模任务调度问题时的性能。进一步提高了云计算任务调度的合理性，能最大化资源利用率，解决了云计算任务调度中的资源浪费或业务性能的下降的问题。
-
公开(公告)号：CN119003135A
公开(公告)日：2024-11-22
申请号：CN202411467773.0
申请日：2024-10-21
Applicant: 贵州大学
Abstract: 本发明提出了一种高精度的人工神经网络优化算法的云任务模型方法，包括：步骤1:初始化；步骤2:初始化完成后，开始基于SCVNNA的最优解搜索过程；步骤3:个体的全局探索和局部开发行为将取决于当前差异调整算子z的值，如果z大于0到1之间的随机数，那么将执行差异调整种群更新它们的位置；步骤4:一旦达到最大迭代次数，搜索过程停止，将个体的位置转换为决策变量，并作为最佳的云计算任务调度方案。本发明具有显著的优点，包括提升任务调度的精度和计算效率，显著减少资源的空闲和浪费。同时，该方案通过全局探索与局部优化相结合，提高了系统的鲁棒性和优化效果，适用于大规模云计算任务的高效调度和管理。
-
公开(公告)号：CN118585341B
公开(公告)日：2024-10-01
申请号：CN202411046424.1
申请日：2024-08-01
Applicant: 贵州大学
Abstract: 本发明提出了一种基于增强美洲狮优化算法的云计算资源调度方法、系统、设备及介质；所述方法包括以下步骤：S1、获取云任务字节大小向量以及虚拟机具备的计算资源向量、负载成本向量及资源带宽向量；然后建立以下最小化总成本的目标函数；S2、利用增强的美洲狮优化算法对目标函数进行优化，得到最优个体；S3、将S2中获取的最优个体映射到二进制的调度矩阵，通过调度矩阵得到任务调度策略，从而进行任务调度；本发明能够减少系统响应时间，提高解的精度，以提升在应对大规模任务调度问题时的性能。进一步提高了云计算任务调度的合理性，能最大化资源利用率，解决了云计算任务调度中的资源浪费或业务性能的下降的问题。
-
公开(公告)号：CN118212480A
公开(公告)日：2024-06-18
申请号：CN202410311709.7
申请日：2024-03-19
Applicant: 贵州大学
IPC: G06V10/771 , G06V10/776 , G06V10/764 , G06N3/006
Abstract: 本发明提出了一种基于增强北方苍鹰优化算法的特征选择方法，包括以下步骤：S1，获取原始图像特征数据集，并定义目标函数f(X)：S2，执行增强北方苍鹰优化算法进行图像的特征选择；S3，选择最后一代种群中目标函数值最小的个体作为最优图像特征子集。本发明能够有效对图像处理数据集的特征进行降维，提高了图像分类准确率，同时加快了处理速度、增强了实时响应度。进而增强了图像处理技术在人脸识别、物体检测、场景分类等重要人工智能场景中的实用性。
-
Patent Agency Ranking
公开(公告)号：CN118210603A
公开(公告)日：2024-06-18
申请号：CN202410264693.9
申请日：2024-03-08
Applicant: 贵州大学
Abstract: 本发明提出了一种基于增强生长优化器的云资源调度方法，包括以下步骤：S1，获取云任务字节大小以及虚拟机具备的带宽大小；然后建立最小化最大执行时间的目标函数fit：S2，采用增强生长优化器，得到最优种群；S3，选择最后一代种群中目标函数值最小的个体作为全局最优分配方案。本发明能够减少搜索时间，提高模型实时响应度，以提升在应对可变规模调度问题时的性能。进一步提高了云资源调度的合理性，能最大化资源利用率，解决了云资源调度中的资源浪费或业务性能的下降的问题。
-
公开(公告)号：CN117632480A
公开(公告)日：2024-03-01
申请号：CN202311463211.4
申请日：2023-11-06
Applicant: 贵州大学
Abstract: 本发明提出了一种具有全局搜索机制快速收敛的云资源规划调度方法，包括以下步骤：S1，获取用户的初始化参数数据，所述参数数据包括任务字节大小和虚拟机带宽；然后建立目标函数；S2，采用改进蛇优化算法，得到最优种群；S3，从最优种群中选择目标函数值最小的个体作为最优资源调度方案。综上所述，由于采用了上述技术方案，本发明能够进一步提高了云资源调度的合理性，能最大化资源利用率，解决了云资源调度中的资源浪费或业务性能的下降的问题。
-
公开(公告)号：CN117234703A
公开(公告)日：2023-12-15
申请号：CN202311021093.1
申请日：2023-08-15
Applicant: 贵州大学
Abstract: 本发明涉及一种基于差分扰动的蜣螂优化算法的云资源调度方法，包括：首先，获取用户的初始化参数数据；然后，根据初始化种群得到对应的拟合函数；再后，建立目标函数，设置约束条件；最后，使用改进的蜣螂优化算法求解云资源调度问题模型，得到算法迭代完成后输出的目标函数值和最优资源调度方案。本发明通过引入差分策略和高斯混沌扰动策略对蜣螂优化算法的性能进行提升，通过采用DGTDBO算法该算法有效的提高了原始蜣螂算法的种群多样性，同时兼顾开采性能。本发明通过DGTDBO算法增强了算法的探索能力与局部搜索能力，并使全局探索与局部搜索达到平衡，进一步提高了云资源调度的合理性，解决了云资源调度中的资源浪费或业务性能的下降的问题。
-
公开(公告)号：CN120085996A
公开(公告)日：2025-06-03
申请号：CN202510575217.3
申请日：2025-05-06
Applicant: 贵州大学
Abstract: 本发明提出了一种基于多策略人工旅鼠算法的云‑边‑端任务调度方法；所述方法包括以下步骤：对云边端架构任务调度设定损耗模型；基于所述损耗模型设立云边端任务调度的目标函数；采用多策略人工旅鼠算法使得所述目标函数最小化，从而得到调度方案；本发明旨在缩减系统在进行云‑边‑端任务调度时的负荷成本，并提升最优解的精确度，从而优化处理云‑边‑端任务调度时的性能。此外，它还显著提升了云‑边‑端任务调度的合理性，确保资源得以最大化利用，有效解决了云‑边‑端任务调度过程中可能出现的资源浪费及业务性能下滑的问题。
-
公开(公告)号：CN119292754B
公开(公告)日：2025-02-25
申请号：CN202411826503.4
申请日：2024-12-12
Applicant: 贵州大学
Abstract: 本发明提出了一种基于改进徒步旅行优化算法的云计算任务调度方法；所述方法包括以下步骤：S1、收集任务所需和虚拟机所具备的计算资源向量、负载成本向量及资源带宽向量，然后建立总成本函数；S2、利用改进徒步旅行算法对目标函数进行优化，得到最优个体；S3、将S2中获取的最优个体映射到二进制的调度矩阵，通过调度矩阵得到任务调度策略，从而进行任务调度；本项发明旨在缩减系统在进行任务调度时的任务执行时长，并提升最优解的精确度，从而优化处理大规模任务调度时的性能。此外，它还显著提升了云计算任务调度的合理性，确保资源得以最大化利用，有效解决了云计算任务调度过程中可能出现的资源浪费及业务性能下滑的问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.047 seconds)
