龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：合肥城市云数据中心股份有限公司
申请日：2024-06-03
公开（公告）日：2024-07-05
公开（公告）号：CN118297353A
主分类号：G06Q10/0631
分类号：G06Q10/0631;G06Q10/04;G06Q50/04;G06N3/006;G06F18/20;G06N3/092
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了一种基于分支非支配排序算法的工业生产过程多目标优化方法，首先构建多目标优化模型，根据马尔科夫决策模型、并采用分支非支配排序算法进行多次迭代处理，求解多目标优化模型，得到Pareto最优解集，从Pareto最优解集选出最优个体作为将要实施于实际场景下工业生产过程中的优化方案。本发明的分支非支配排序算法以强化学习为框架，结合三种环境变化程度响应机制，并采用外部存储单元存储每次进化迭代过程中的非支配解，并采用树状结构比较合并，得到适用于工业生产过程多目标优化后的Pareto最优解集，从而优化经典进化算法在不同环境变化程度下的收敛性。
主权项：1.基于分支非支配排序算法的工业生产过程多目标优化方法，其特征在于：首先构建多目标优化模型，根据马尔科夫决策模型、并采用分支非支配排序算法进行多次迭代处理，求解多目标优化模型，得到Pareto最优解集，从Pareto最优解集选出最优个体作为将要实施于实际场景下工业生产过程中的优化方案；所述的求解多目标优化模型的具体步骤为：构建初始种群，初始种群进行非支配排序得到父代种群，父代种群采用不同的遗传方式进行处理得到子代种群，子代种群采用精英策略更新种群，更新后的种群放进马尔科夫决策模型下进行训练，训练后得到的种群作为下一代的初始种群，重复上述步骤多次，多次迭代处理后，采用外部存储单元存储处理每次迭代处理后的局部Pareto最优解集，最终得到Pareto最优解集；所述的精英策略更新种群是计算环境变化的严重程度，根据环境变化的严重程度选择对应的响应机制进行种群更新。
全文数据：
权利要求：
百度查询： 合肥城市云数据中心股份有限公司 基于分支非支配排序算法的工业生产过程多目标优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号