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！

龙图腾网获悉南京信息工程大学申请的专利基于GA-PSO混合算法的生成对抗网络架构搜索方法及系统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：CN120124685B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510580529.3，技术领域涉及：G06N3/0475；该发明授权基于GA-PSO混合算法的生成对抗网络架构搜索方法及系统是由彭博艺;薛羽;于小兵;杨强;申晓宁;金婷;王修来设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本基于GA-PSO混合算法的生成对抗网络架构搜索方法及系统在说明书摘要公布了：本发明公开了基于GA‑PSO混合算法的生成对抗网络架构搜索方法及系统，属于深度神经网络技术领域，该方法构建生成对抗网络超网架构，利用遗传算法全局探索架构种群，结合粒子群优化对精英架构进行局部参数调整，动态平衡惯性权重与学习因子，通过离散化编码约束确保架构合规性；最终基于帕累托最优性集成多目标评估结果，主次协同比例循环优化解集。与传统架构搜索相比，本发明通过混合优化机制解决早熟收敛问题，结合权重共享评估与分层编码实现全局和局部协同，在提升生成质量的同时显著缩短搜索周期。

本发明授权基于GA-PSO混合算法的生成对抗网络架构搜索方法及系统在权利要求书中公布了：1.基于GA-PSO混合算法的生成对抗网络架构搜索方法，其特征在于，包括如下步骤： 步骤1，构建生成对抗网络的超网架构，包括全连接层、上采样层、下采样层和多个卷积模块，多个卷积模块构成搜索空间，定义搜索空间的候选操作； 步骤2，以超网架构作为种群中的个体，采用NSGA-II算法进行全局搜索，得到非支配层； 步骤3，通过非支配排序和拥挤度距离对种群进行分层筛选，得到精英子代； 步骤4，使用粒子群优化算法对前n0精英子代进行局部参数调整，其中； 步骤5，判断是否满足迭代终止条件，若不满足则跳转至步骤2；否则终止搜索，输出满足收敛条件的最优超网架构； 分别在CIFAR-10和STL-10两个基准数据集上进行训练和测试，其中，CIFAR-10数据集由十类自然图像构成，STL-10数据集由十类图像构成，通过生成对抗网络架构搜索方法，获取具有生成能力的最优超网架构，利用已知图像和该最优超网架构生成新的图像； 步骤2包括： 步骤201，随机生成由超网架构组成的初始种群P0，每个超网架构对应的个体编码为整数矩阵； 步骤202，每个超网架构通过预训练的Inceptionv3网络计算双目标指标：IS和FID，IS表示最大化图像质量，FID表示最小化与真实分布的差距； 步骤203，计算每个超网架构的目标函数值，计算公式为： ， ， ， 式中，表示超网架构参数，表示超网最优架构参数，是一个多目标优化函数，表示最小化生成样本与真实样本的分布差异，表示最大化生成样本的多样性与质量，是超网生成器的权重，是最优超网生成器的权重，表示对随机噪声变量z的期望计算，在生成器Gz的输入噪声分布上计算统计期望，即生成器通过噪声向量生成假样本的期望性能衡量，是生成器的对抗损失；表示超网鉴别器的权重，是最优超网鉴别器的权重，表示对真实数据样本x的期望计算，计算鉴别器Dx对真实数据分布下样本的响应期望，是鉴别器D对真实数据的判别损失，鉴别器D需最大化真实样本x被判定为真实的概率Dx，生成器试图让生成样本被鉴别器D判为真实的概率趋近于0； 步骤204，通过精英保留策略筛选解，根据目标函数值筛选出前n1个体直接进入下一代，重组交叉子代和变异后的个体生成新种群，其中； 步骤205，通过非支配排序将新种群划分为不同的非支配层。

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南京信息工程大学，其通讯地址为：211899 江苏省南京市江北新区华富路1号数智溪谷4号楼；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”。