买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国石油大学(华东)申请的专利融合A*算法与粒子群优化算法的管路布局求解方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120337458B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510354343.6，技术领域涉及：G06F30/18；该发明授权融合A*算法与粒子群优化算法的管路布局求解方法是由吴磊;高琦航;刘超;肖文生;许登攀;李广鑫;王成伟;张云翔;郭江昊;兰希设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本融合A*算法与粒子群优化算法的管路布局求解方法在说明书摘要公布了：本发明提供一种融合A*算法与粒子群优化算法的管路布局求解方法，涉及管路布局技术领域。包括步骤S1：建立管路布局空间模型；步骤S2：求解管路布局方案；在步骤S2中，将A*算法的启发式搜索特性与粒子群优化算法的全局搜索能力相结合，并引入基于A*算法路径的动态引导机制和基于线性变化的调整策略。基于此，本发明通过利用A*算法提供的路径指导信息可优化粒子群优化算法的种群初始化与粒子搜索过程，解决了现有技术中使用粒子群优化算法来解决管路布局问题时，存在着较多局限性的问题。

本发明授权融合A*算法与粒子群优化算法的管路布局求解方法在权利要求书中公布了：1.一种融合A*算法与粒子群优化算法的管路布局求解方法，其特征在于，包括如下步骤： 步骤S1：建立管路布局空间模型； 步骤S2：求解管路布局方案； 其中，步骤S2具体包括如下子步骤： 步骤S2-1：设置粒子群优化算法的基本参数，并设置待布局管路的起点和终点； 步骤S2-2：利用A*算法生成从起点到终点的初始路径，该初始路径作为粒子群优化算法的初始解，用于后续迭代循环； 步骤S2-3：根据A*算法生成的初始路径，对粒子群进行初始化； 步骤S2-4：对粒子群中的每个粒子进行适应度计算，比较不同粒子的适应度值，初步得到全局最优解； 步骤S2-5：通过迭代循环更新粒子的位置和速度； 步骤S2-6：检查当前迭代次数是否达到预设的最大迭代次数或者全局最优解是否满足要求，若检查结果为是则结束求解，否则继续进行迭代循环； 所述步骤S2-5包括如下子步骤： 步骤S2-5-1：通过持续的迭代循环，将每个粒子的当前适应度值与其历史最优适应度值进行比较，更新每个粒子的个体最优位置； 步骤S2-5-2：比较所有粒子的个体最优适应度值，找出全局最优适应度值对应的粒子位置； 步骤S2-5-3：根据粒子群优化算法的更新公式，迭代更新每个粒子的速度和位置； 所述步骤S2-5-3中，粒子群优化算法的更新公式如下： ； ； 式中，为粒子i在第t代的速度；为粒子i的当前位置；和分别为当前粒子的个体最优解和全局最优解；为惯性权重，用于平衡全局与局部搜索；和为学习因子，控制粒子向个体最优解和全局最优解的移动；r1和r2是随机数； 所述步骤S2-5-3中，引入基于A*算法路径的动态引导机制，该动态引导机制表现为在每一代的粒子群优化算法的更新公式中，加入路径信息作为引导因子，公式如下： ； 式中，表示第i个粒子在当前迭代中的速度，为第i个粒子在当前迭代中的位置，为惯性权重，和分别为当前粒子的个体最优解和全局最优解，和为学习因子，和是随机数，为初始路径结果；λ为引导因子，其初始值强调初始路径为粒子的方向引导；在后期会随着迭代次数逐渐减弱，引导粒子摆脱路径约束； λ的动态调整公式如下： ； 式中，为路径引导因子的最大值，表示当前迭代次数，表示算法的总迭代次数； 所述步骤S2-5-3中，引入基于线性变化的调整策略，该调整策略表现为对学习因子和进行动态调节，公式如下： 式中，和分别为学习因子和的初始值，表示当前迭代次数，表示算法的总迭代次数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国石油大学(华东)，其通讯地址为：266000 山东省青岛市黄岛区长江西路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。