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！

龙图腾网获悉北京理工大学申请的专利一种基于自适应遗传算法的工业控制软件众测资源调度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：CN120631759B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510726216.4，技术领域涉及：G06F11/3668；该发明授权一种基于自适应遗传算法的工业控制软件众测资源调度方法是由黄玮;徐志磊;杨松骏设计研发完成，并于2025-06-03向国家知识产权局提交的专利申请。

本一种基于自适应遗传算法的工业控制软件众测资源调度方法在说明书摘要公布了：一种基于自适应遗传算法的工业控制软件众测资源调度方法，包括任务调度建模、资源约束条件定义、任务依赖关系建构以及动态调度策略制定。通过引入自适应机制，调整遗传算法中的交叉率和变异率，以适应不同阶段的搜索需求，从而提升优化效率与解的多样性。该方法设计了专门针对工业控制软件特点的众测资源调度优化流程，能够有效处理多任务、多约束和资源有限的复杂调度问题。相比传统静态调度策略，本发明显著缩短了测试周期，提高了资源利用率和任务完成率，尤其适用于大规模、多技能要求且任务依赖复杂的工业控制软件众测场景，具有良好的应用前景和推广价值。

本发明授权一种基于自适应遗传算法的工业控制软件众测资源调度方法在权利要求书中公布了：1.一种基于自适应遗传算法的工业控制软件众测资源调度方法包括以下步骤： 第1步、构建多维约束优化的资源调度模型；首先构建一个多维度的资源调度优化模型，结合任务依赖关系、资源约束以及技能匹配要求；模型采用多目标优化框架，旨在同时最小化项目工期并最大化资源的利用效率，通过引入约束条件，资源可用性、任务执行先后顺序及技能需求匹配，确保调度方案不仅满足基本的操作需求，同时优化了整个项目流程的时间和资源分配效率； 第2步、设计自适应遗传算法的动态调整策略；在算法的初期阶段，通过较高的交叉和变异率实现广泛的搜索空间覆盖，避免陷入局部最优解；而在算法的后期，逐步降低这些参数，聚焦于局部最优解的精细化优化；通过结合任务特征与实时适应度反馈，能够在不同调度阶段智能调整参数，提升算法的搜索效率与精度；具体步骤包括： 第2.1步、自适应交叉概率调整：在遗传算法的初期阶段，交叉操作用于增强种群的多样性；为此，初期采用较高的交叉概率，以确保探索过程中广泛覆盖解空间；随着算法迭代的进行，交叉概率逐步降低，使种群向最优解区域收敛；交叉概率的调整公式如下： ， 其中，为当前迭代是的交叉概率；为初始交叉概率；为最大迭代次数；为控制交叉概率递减速率的参数； 第2.2步、自适应变异概率调整：变异操作在遗传算法中的作用是增加解的多样性，并避免局部最优解的困境，为提高变异操作的效率，本方法在算法初期采用较高的变异概率，随着迭代的推进逐步降低变异概率，以便在接近最优解时进行精细调整，变异概率的递减公式如下： ， 其中，为当前迭代时的变异概率；为初始变异概率；为最大迭代次数；为控制交叉概率递减速率的参数； 第2.3步、适应度检测与自适应调整机制：为了进一步提升遗传算法的收敛性和稳定性，采用自适应机制对交叉和变异概率进行实时监测和动态调整，通过分析适应度函数的变化趋势，当适应度函数的提升幅度减小或者迭代达到一定次数后，适应度的变化幅度用于判断是否需要调整交叉和变异概率： ， 若小于预设的阈值，则说明解的优化已经接近饱和，此时降低交叉和变异操作的强度，以提高局部搜索的精度，并增强算法的稳定性； 第3步、引入多层次约束集成与目标函数优化；通过整合任务执行时间、资源消耗、任务依赖因素，构建一个统一的适应度评估框架，并对调度方案进行多重约束的验证和优化；在此框架下，目标函数不仅仅关注单一优化目标，而是通过权衡不同目标之间的冲突，确保最终结果在多个维度上都能够达到最佳性能，同时满足资源分配、任务顺序与技能匹配约束条件； 第4步、生成调度方案并进行多层次性能验证；在算法优化完成后，通过解码遗传算法中的最优解，生成具体的任务调度方案，并计算每个任务的开始时间、结束时间以及资源分配情况；接着，进行多层次的方案验证，确保资源约束、任务依赖、技能匹配约束条件均得到满足；同时，通过与其他调度方法进行对比，系统评估该方法在解决工业控制软件众测资源调度问题中的优势，验证其在复杂场景下的适用性与优越性。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。