.png){kind=icon}
潘
潘全科 (Quan-Ke Pan)
H指数:87
被引数:2.1万
个人简介
潘全科，上海大学机自学院教授、博士生导师，入选上海市优秀学术带头人、教育部新世纪优秀人才、楚天学者特聘教授、中国高被引学者、全球高被引科学家。完成国家自然科学基金等项目10余项，发表SCI期刊论文170篇，出版学术专著2部，获发明专利授权8项，获教育部自然科学奖等省部级奖励5项。主讲《智能优化理论与方法》课程。2014年获教育部自然科学奖一等奖（典型车间调度问题的理论与智能优化方法研究，位次2）。
教育背景
暂无内容
工作经历
暂无内容
荣誉奖项
暂无内容
CA-DE：用于长期时间序列预测的异构组件感知和对抗性依赖增强双路径
<span class="math"> <math> <msup is="true"><mrow is="true"> <mi is="true">S</mi> </mrow><mrow is="true"> <mn is="true">2</mn> </mrow></msup> </math></span>-CoGNN：基于谱-空间协同和可靠结构蒸馏的异构图表示学习框架
基于自适应群体迭代贪婪优化算法的级联分布式和混合流水车间联合调度
Applied Intelligence
IF3.5
异质图注意力网络辅助的双种群协同进化网络化云制造调度
分支深度Q网络增强的智人算法在技能工人约束的柔性作业车间调度问题中的应用
多目标优化用于除草机器人部署：一种自适应局部搜索的混合DABC方法
深度强化学习引导的元启发式算法在农业除草机器人编队多目标协同调度中的应用
基于分解的多目标迭代贪婪算法用于拣选机器人的协同任务分配与路径规划
AHLLNS：一种用于多目标异构农业机器人作业调度问题的自动化算法
动态多目标优化用于集成煤矿能源系统，并考虑流式约束
使用变体表示协同共进化算法调度约束性混合流水车间
鲁棒级联流水车间联合调度的场景-目标转换：一种多目标优化框架
跨域电池SOH和RUL估计的域自适应Transformer方法
Energy
IF9.4
基于多智能体深度强化学习的动态协同调度方法，面向分布式与可重构制造系统
多修剪机器人与多施肥无人机协作任务分配的多类教学-学习优化
多车间AGV运输集成调度问题的多目标两阶段级联memetic算法
Memetic Computing
IF2.3
使用BTGE增强电池SOC估计: 滤波，变压器和ELM的新型协同作用
