-
公开(公告)号：CN114611806B
公开(公告)日：2024-05-28
申请号：CN202210260534.2
申请日：2022-03-16
Applicant: 重庆大学
IPC: G06Q10/047 , G06Q10/083 , G06Q10/0631
Abstract: 本发明公开了一种解决多配送中心两级城市协同配送的大邻域搜索方法，包括以下步骤：S1：根据客户点与网点之间的距离，构造初始可行解；S2：对初始可行解进行大邻域搜索，确定最新第二级配送网络；S3：对最新第二级配送网络进行优化；S4：基于优化后的最新第二级配送网络，对市趟运输线路进行重构，得到可行市趟运输线路；S5：对可行市趟运输线路进行优化，并对由配送中心与网点之间的车辆运输线路构成的一级路径进行优化，得到最新可行解；S6：根据最新可行解确定当前解，并根据模拟退火准则判断是否达到算法终止条件，若是则结束大邻域搜索，否则返回步骤S2。本发明通过整体优化两级配送网络中的市趟运输线路、最后一公里线路以及车辆调度，降低了整体网络成本而不仅是某单一配送中心配送网络成本。
-
公开(公告)号：CN116485025A
公开(公告)日：2023-07-25
申请号：CN202310462176.8
申请日：2023-04-26
Applicant: 重庆大学
IPC: G06Q10/04 , G06Q10/30 , G06N3/096 , G06N3/0455 , G06N3/0442 , G06N3/084
Abstract: 本发明提供了一种双重迁移的预测模型生成方法，包括以下步骤：获取基础模型、目标域和多个源域；计算目标域与源域的相似度，筛选符合相似度阈值的源域，基于多任务学习算法对筛选出的源域进行预训练，获得共享层参数；将目标域的数据进行样本迁移获得缺失数据，将缺失数据填充至目标域；基于多源域迁移算法、基础模型和相似度排序完成源域至目标域的迁移，获得中间模型，根据共享层参数对中间模型进行微调获得预测模型。当历史数据稀缺时，提高生成的预测模型的性能和精度。本发明还提供一种废旧家电回收量预测方法，使用上述模型生成方法生成家电预测模型用于废旧家电预测行业，提高家电回收效率，促使生态和经济的积极发展。
-
公开(公告)号：CN116362639A
公开(公告)日：2023-06-30
申请号：CN202310165804.6
申请日：2023-02-23
Applicant: 重庆大学 , 重庆机电职业技术大学
IPC: G06Q10/083 , G06Q10/0836 , G06Q10/0631 , G06F18/22 , G06F18/23213 , G06F40/284
Abstract: 本发明公开了一种基于文本与距离相似性的末端网点归结方法，包括以下步骤：S1，利用预设地图的地址编码API将投递包裹上的地址信息转化为标准地址名，并获取标准地址名对应的GIS坐标；设置标准地址包括标准地址名及对应的GIS坐标；S2，利用文本相似性和空间距离将所有的标准地址进行划分，根据划分结果将所有的标准地址归结到相应的末端网点。本发明基于地址数据同时具备文本属性和地理属性，能够实现较高准确度末端网点归结功能，同时能够以文本和距离的角度挖掘出潜在的末端网点。
-
Patent Agency Ranking
公开(公告)号：CN114493034B
公开(公告)日：2024-05-31
申请号：CN202210135460.X
申请日：2022-02-14
Applicant: 重庆大学
IPC: G06Q10/04 , G06Q50/40 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种面向区域流量预测的时空全局语义表示学习方法，S1建立面向区域流量预测的时空全局语义表示学习模型ST‑GSP，ST‑GSP包括依次排列的语义流编码器、transformer编码器和融合过程；语义流编码器对不同距离的空间依赖关系和外部因素的影响进行编码；transformer编码器用于捕获不同尺度的时间依赖关系之间的相关性；融合过程融合了历史表示和未来时间间隔上的外部因素，以获取最终的表示；S2采用自监督学习的方法对ST‑GSP进行训练；S3将待预测时间点之前的历史数据输入训练好的ST‑GSP，ST‑GSP的输出即为待预测时间点的流量。本发明方法利用了更详细的时间信息作为位置编码，增强了对区域流量预测的准确性。
-
公开(公告)号：CN114611806A
公开(公告)日：2022-06-10
申请号：CN202210260534.2
申请日：2022-03-16
Applicant: 重庆大学
Abstract: 本发明公开了一种解决多配送中心两级城市协同配送的大邻域搜索方法，包括以下步骤：S1：根据客户点与网点之间的距离，构造初始可行解；S2：对初始可行解进行大邻域搜索，确定最新第二级配送网络；S3：对最新第二级配送网络进行优化；S4：基于优化后的最新第二级配送网络，对市趟运输线路进行重构，得到可行市趟运输线路；S5：对可行市趟运输线路进行优化，并对由配送中心与网点之间的车辆运输线路构成的一级路径进行优化，得到最新可行解；S6：根据最新可行解确定当前解，并根据模拟退火准则判断是否达到算法终止条件，若是则结束大邻域搜索，否则返回步骤S2。本发明通过整体优化两级配送网络中的市趟运输线路、最后一公里线路以及车辆调度，降低了整体网络成本而不仅是某单一配送中心配送网络成本。
-
公开(公告)号：CN116151504A
公开(公告)日：2023-05-23
申请号：CN202310156629.4
申请日：2023-02-23
Applicant: 重庆大学 , 重庆机电职业技术大学
IPC: G06Q10/047 , G06Q10/0835 , G06N5/01
Abstract: 本发明公开了一种物流配送路径规划方法，涉及物流配送技术领域，本发明将路径路规划问题划分为单频次路径规划和多频次路径规划两个子问题，针对单频次路径优化问题，采用改进禁忌搜索算法获取单频次内的最优投递路径和最优揽收路径，同时，考虑拼接可行性和最优性对最优投递路径和最优揽收路径进行拼接，得到了最优车辆路径，提高了车辆使用率；针对多频次运输路径规划，考虑套开可行性和套开最优性对最优车辆路径进行套开，进一步提高了车辆使用率，极大降低了配送成本。
-
公开(公告)号：CN114493034A
公开(公告)日：2022-05-13
申请号：CN202210135460.X
申请日：2022-02-14
Applicant: 重庆大学
Abstract: 本发明涉及一种面向区域流量预测的时空全局语义表示学习方法，S1建立面向区域流量预测的时空全局语义表示学习模型ST‑GSP，ST‑GSP包括依次排列的语义流编码器、transformer编码器和融合过程；语义流编码器对不同距离的空间依赖关系和外部因素的影响进行编码；transformer编码器用于捕获不同尺度的时间依赖关系之间的相关性；融合过程融合了历史表示和未来时间间隔上的外部因素，以获取最终的表示；S2采用自监督学习的方法对ST‑GSP进行训练；S3将待预测时间点之前的历史数据输入训练好的ST‑GSP，ST‑GSP的输出即为待预测时间点的流量。本发明方法利用了更详细的时间信息作为位置编码，增强了对区域流量预测的准确性。
-
公开(公告)号：CN112035745A
公开(公告)日：2020-12-04
申请号：CN202010903794.8
申请日：2020-09-01
Applicant: 重庆大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于对抗学习与双向长短期记忆网络的推荐算法，其包括以下步骤：第一步、预先定义符号A1)异构信息网络定义；A2)异构信息网络中的路径定义；A3)在异构信息网络G中，定义用户u到物品i的节点连接序列作为路径，定义为p＝[v1,v2,…,vl],p∈P；第二步、建模如下：S1、建模嵌入层，用初始化节点向量表示；S2、构建序列建模层，将第S1步骤中初始化得到的向量表示作为输入，并应用到现有的利用基于注意力机制的双向LSTM模型中来优化节点的向量表示并学习模型中系数矩阵和偏移向量；S3、设置预测层、最终计算概率；S4、构建对抗学习模型。本发明通过学习对抗性正则化项，加入到损失函数中，优化模型，缓解异构网络中节点关系噪声的问题，提高节点嵌入的鲁棒性，保证推荐的准确度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
