Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 成都理工大学杨冬营获国家专利权

成都理工大学杨冬营获国家专利权

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!

龙图腾网获悉成都理工大学申请的专利基于种群和非线性梯度的铁路纵断面线形高维优化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:CN120124476B

龙图腾网通过国家知识产权局官网在2025-12-26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:202510239846.9,技术领域涉及:G06F30/27;该发明授权基于种群和非线性梯度的铁路纵断面线形高维优化方法是由杨冬营;何安静;王洪辉;姚光乐;彭鹏;曹子君;周萌设计研发完成,并于2025-03-03向国家知识产权局提交的专利申请。

基于种群和非线性梯度的铁路纵断面线形高维优化方法在说明书摘要公布了:本发明公开了一种基于种群和非线性梯度的铁路纵断面线形高维优化方法,属于计算机辅助设计技术领域,包括步骤S1,根据铁路起点和终点的纵断面图,建立纵断面线形高维优化模型;S2,将纵断面线形按预设里程间隔分段,为每个分段构建一路基代理模型,所路基区段的分段路基综合费之和构成纵断面线形高维优化模型中的路基工程费;S3,融合并行JADE优化算法和非线性梯度优化算法求解纵断面线形高维优化模型。本发明将种群算法的全局搜索能力与非线性梯度算法的局部优化效率结合,解决高维铁路纵断面优化问题。提出了路基代理模型,用于计算每个分段的路基综合费,从而快速计算总工程造价中的路基工程费。

本发明授权基于种群和非线性梯度的铁路纵断面线形高维优化方法在权利要求书中公布了:1.一种基于种群和非线性梯度的铁路纵断面线形高维优化方法,其特征在于:包括以下步骤; S1,根据铁路纵断面图,建立纵断面线形高维优化模型; 其中,纵断面图中的纵断面线形包括起点、终点和两点间至少2个变坡点; 纵断面线形高维优化模型包括目标函数和约束条件,其中目标函数为与纵断面线形相关的总工程造价,包括桥梁工程费Cb、隧道工程费Ct、路基工程费Cs、桥梁征地费用Cl、纵断面特征区域相关费用Cf、纵断面线形相关的运营成本Co; S2,将纵断面线形按预设里程间隔分段,为每个分段构建一计算其路基综合费的路基代理模型,所有分段的路基综合费之和构成路基工程费Cs,其中一分段的路基代理模型构建方法包括步骤S21~S24; S21,按预设里程间隔将起点到终点的地面线划为数个分段,为每个分段生成一矩形的空间范围; S22以轨面标高为变量,在空间范围最低点~最高点均匀采样,得到t个采样点x1~xt,计算采样点为x1~xt时,该分段对应的路基综合费y1~yt; S23,根据下式计算x1~xt对应的权重w1~wt,生成权重向量; , 式中,为其所在矩阵中第i行j列的高斯核函数,,为高斯函数,i、j分别为所在矩阵的行索引和列索引,1≤i≤t,1≤j≤t; S24,生成分段的路基代理模型; 其中,x为该分段空间范围内任一轨面标高,为轨面标高取x时,该分段对应的路基综合费; S3,融合并行JADE优化算法和非线性梯度优化算法求解纵断面线形高维优化模型,包括S31~S34; S31,在纵断面线形上以预设的第一间距增设数个变坡点,为每个变坡点分配变量和控制矩形,所述变量为变坡点坐标M,E,其中M、E分别为变坡点的里程和高程,所述控制矩形用于控制变量的变化范围; S32,将起点依次连接变坡点至终点形成的低维纵断面线作为个体,随机生成多个个体作为初始种群; S33,将初始种群拆分多个子种群,预设迁移条件和迭代终止条件; S34,基于并行JADE优化器,每个子种群独立执行进化过程且自适应动态调整参数比例因子F和交叉因子Cr,在满足迁移条件时,每个子种群随机选择一个体按照环形拓扑结构迁移至相邻子种群,在满足迭代终止条件后,选择目标函数值最小的个体,作为最优纵断面线形; 所述进化过程包括变异、交叉、评价和选择,所述评价和选择包括步骤Sa1~Sa3; Sa1,当前子种群个体间经变异、交叉后生成试验子种群,将当前子种群与试验子种群中对应个体分别标注为个体1、个体2,进行约束冲突数对比; Sa2,若约束冲突数不都为0,选择约束冲突数少的个体为优势个体,若约束冲突数均为0,执行Sa3; Sa3,采用非线性梯度优化器优化个体2对应的纵断面线形,生成对应的高维线形,带入纵断面线形高维优化模型中计算目标函数值,并选择目标函数值小的个体1或个体2为优势个体; Sa3中,采用非线性梯度优化器优化纵断面线形生成高维线形的方法包括步骤Sb1~Sb6; Sb1,将纵断面线形按变坡点分为数个竖曲线段和夹坡段,在纵断面线形夹坡段上以预设的第二间距增设数个变坡点; Sb2,对每个夹坡段,计算其负梯度方向; Sb3,计算夹坡段的投影面和下降方向; Sb4,在竖缓不重叠的条件下,一维搜索找到该下降方向上的最佳步长,将当前夹坡段的线形移动至下一状态; Sb5,若连续5代的最佳步长小于0.2,则终止迭代,得到优化后夹坡段线形,否则返回步骤Sb1; Sb6,将所有优化后夹坡段线形与竖曲线段合并,得到高维线形。

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成都理工大学,其通讯地址为:610059 四川省成都市成华区二仙桥东三路1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。

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。