四川启鸣达人科技有限公司白翔宇获国家专利权
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!
龙图腾网获悉四川启鸣达人科技有限公司申请的专利基于改进粒子群算法的冲刺学习时空双层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:CN121391563B 。
龙图腾网通过国家知识产权局官网在2026-03-24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:202511947961.8,技术领域涉及:G06Q50/20;该发明授权基于改进粒子群算法的冲刺学习时空双层调度方法是由白翔宇设计研发完成,并于2025-12-23向国家知识产权局提交的专利申请。
本基于改进粒子群算法的冲刺学习时空双层调度方法在说明书摘要公布了:本发明公开了基于改进粒子群算法的冲刺学习时空双层调度方法,解决冲刺阶段出现重复、无效训练等现象。其包括:对冲刺学习阶段构建由时间层与内容层组成的多目标优化模型;对时间层中的时间分配向量和内容层中的题源选择矩阵进行拼接得到粒子向量;对粒子向量进行初始化与可行解生成处理,生成初始粒子群;根据多目标优化模型对初始粒子群进行目标计算与适应度评估;采用正态衰减惯性权重的改进粒子群算法进行粒子群优化与遗传改进,并在任一次迭代中嵌入遗传交叉与变异操作,结合精英保留策略;预设迭代终止条件,并获得全局最优粒子;对全局最优粒子进行解码获得冲刺学习计划。通过上述方案,本发明具有逻辑简单、准确可靠等优点。
本发明授权基于改进粒子群算法的冲刺学习时空双层调度方法在权利要求书中公布了:1.基于改进粒子群算法的冲刺学习时空双层调度方法,其特征在于,包括以下步骤: 对冲刺学习阶段构建由时间层与内容层组成的多目标优化模型;所述时间层以学生在不同时间段的学习投入量为决策变量,所述时间层的目标函数为:;其中,表示学生a在时间槽b的学习时长的方差;表示学生a在时间槽b的时间代价系数;表示学生a在时间槽b的学习时长;表示时间平衡的权重;表示时段代价的权重; 所述内容层的目标函数的表达式为:;其中,表示学生a从学习题源d获得的单位时间掌握度增益;表示学生a在时间槽b中选择学习题源d的标记;表示学生a在时间槽b所选题源的难度;表示学生a在时间槽b-1所选题源的难度;表示掌握度提升的权重;表示难度平滑的权重; 所述多目标优化模型的表达式为:;并对多目标优化模型构建约束条件;所述约束条件包括可用时间段约束、每日总时长约束、单时段单题源约束、难度平滑约束和题量一致性约束;所述可用时间段约束:;为学生a在时间槽b的可用性指示;为段最大学习时长; 所述每日总时长约束:;为学生a的每日总学习上限; 所述单时段单题源约束:; 所述难度平滑约束:;为时间槽最大难度跳变幅度; 所述题量一致性约束:;表示初始题量;表示学习题源d单题预计用时;表示时长与题量间允许误差; 对时间层中的时间分配向量和内容层中的题源选择矩阵进行拼接得到粒子向量; 对粒子向量进行初始化与可行解生成处理,生成初始粒子群; 根据多目标优化模型对初始粒子群进行目标计算与适应度评估; 采用正态衰减惯性权重的改进粒子群算法进行粒子群优化与遗传改进,并在任一次迭代中嵌入遗传交叉与变异操作,结合精英保留策略;预设迭代终止条件,并获得全局最优粒子; 对全局最优粒子进行解码获得冲刺学习计划。
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四川启鸣达人科技有限公司,其通讯地址为:610000 四川省成都市青羊区敬业路108号9栋1层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。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励