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！

龙图腾网获悉安徽大学申请的专利基于多目标进化和传统优化方法协同的质子调强多目标优化方法及其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：CN116341182B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202211597273.X，技术领域涉及：G06F30/20；该发明授权基于多目标进化和传统优化方法协同的质子调强多目标优化方法及其系统是由曹瑞芬;李雪松;陈伟;司朗春;张兴义;郑春厚设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本基于多目标进化和传统优化方法协同的质子调强多目标优化方法及其系统在说明书摘要公布了：本发明公开了一种基于多目标进化和传统优化方法协同的质子调强多目标优化方法，包括：1数据导入，导入贡献度矩阵及每个感兴趣区域中采样点的位置序列；2质子调强多目标优化模型的构建，将医生对靶区的期望剂量通过建模转化为包含三个目标的多目标优化的模型，作为进化算法优化的目标函数；3将医生对所有感兴趣区域的剂量目标及约束限值，通过加权的方式转化为一个单目标优化问题，作为传统优化方法优化的目标函数；4多目标进化算法和传统优化方法的协同优化；5将协同进化得到的非劣解集输出给用户，用户从中挑选符合临床治疗要求的治疗方案。还公开了一种基于多目标进化和传统优化方法协同的质子调强多目标优化系统。

本发明授权基于多目标进化和传统优化方法协同的质子调强多目标优化方法及其系统在权利要求书中公布了：1.一种基于多目标进化和传统优化方法协同的质子调强多目标优化方法，其特征在于，包括以下步骤： S1：数据输入：导入贡献度矩阵A、每个感兴趣区域中采样点的位置序列B，输入医生对靶区的期望剂量、对周围危及器官的剂量约束限值及每个设置的优先级，并计算某个感兴趣区域内采样点i所受的剂量； S2：构建多目标优化模型：将医生对靶区的期望剂量通过建模转化为包含三个优化目标的多目标优化问题，即医生给定的处方剂量包括每个靶区的均匀性剂量、最大剂量、最小剂量，将其转化为三个目标的多目标优化模型； S3：构建单目标优化模型：将医生对靶区的期望剂量和对周围危及器官的剂量约束限值，通过加权的方式转化为一个单目标优化问题，作为传统优化方法优化的目标函数； S4：多目标进化和传统优化方法协同进化的多目标优化： S4.1：将多目标算法中的种群根据贡献度矩阵A中值的大小进行随机初始化； S4.2：种群进行交叉变异，在变异过程中，以一定概率采用传统优化方法进行变异，若使用传统优化方法进行变异则转至步骤S4.3； S4.3：根据当前种群信息更新权重，传统优化方法使用新的权重对种群中随机取得的一个解进行优化，将优化后的解加入多目标算法的种群中；权重更新的方法包括以下步骤： S4.3.1：根据以下公式计算临床目标值： 7 其中，是k个临床目标的平均值，是第i个体素上第k个目标的临床目标值，N为种群个数； S4.3.2：权重更新公式为： 8 其中，是决定权重值首要因素，是第k个目标的优先级，由步骤S1导入得到，优先级约束违反程度影响最终权重值； S4.4：根据种群的适应度大小来选择种群，种群的适应度大小由步骤S2转化的三个优化目标得到，适应度值小的种群进入下一代； S4.5：当前迭代次数如果达到设置的最大迭代次数结束优化，否则转至步骤S4.2继续进行优化； 其中，所述传统优化方法包括梯度法、共轭梯度法、牛顿法； S5：将协同进化得到的非劣解，自动筛选出若干个代表性的解对应的剂量分布，包括等剂量线、剂量云、剂量体积直方图，通过可视化的方式，供用户选择。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。