一种面向智能制造的供应链物流商多任务协同方法

    公开(公告)号:CN116911573B

    公开(公告)日:2023-11-14

    申请号:CN202311148176.7

    申请日:2023-09-07

    Abstract: 本发明属于工业供应链技术领域,公开了一种面向智能制造的供应链物流商多任务协同方法,通过获取物流商任务初始化分配信息,计算物流任务初始分配总成本,然后采用密封递价式拍卖完成智能制造物流任务重新分配,实现供应链物流商多任务协同。本发明通过建立最优物流任务成本模型与自主物流任务分配模型,实现面向智能制造供应链物流商横向高效协作,在物流信息不透明且不引入第三方代理情况下,实现低成本和高满意度的物流商横向协同,实现供应链需求方和供给方之间资源合理高效配置。

    一种基于移动边缘计算的协作系统及方法

    公开(公告)号:CN112540845B

    公开(公告)日:2023-08-04

    申请号:CN202010465274.3

    申请日:2020-05-27

    Abstract: 一种基于移动边缘计算的协作系统及方法,包括设备层和控制层,设备层向控制层提供终端设备和服务器的计算资源信息以及终端设备的任务信息,控制层根据接收到的信息制定任务卸载决策,并将任务卸载决策返回至设备层;本发明通过将部分任务卸载至用户闲置设备进行计算,降低了MEC服务器的负载;将用户闲置设备纳入边缘计算网络中,提升了边缘计算网络的资源利用率,从而提高了边缘计算网络的计算能力。方法采用HAHA优化算法,以能耗与计算代价为目标联合优化卸载决策与资源分配,自适应机制令不同算子能够根据历史经验和环境感知来更新被选择的概率,使得个体进化具有自主性,制定出最好的任务卸载决策,从而提升边缘计算网络的性能。

    一种自动化智能活动图生成方法
    95.
    发明公开

    公开(公告)号:CN116483314A

    公开(公告)日:2023-07-25

    申请号:CN202310018314.3

    申请日:2023-01-06

    Abstract: 本发明公开一种自动化智能活动图生成方法,包括:步骤1,利用语法规则以及神经网络技术对预先获取的需求文本进行规范化,获得规范化后的需求文本;步骤2,使用预先训练获得的AT‑SRnn模型以及依存句法分析的方法对规范化后的需求文本进行处理,获得活动对象以及需求文本词语之间的依存关系;步骤3,利用需求文本词语之间的依存关系和活动图元素识别规则,从需求文本中提取UML元素;步骤4,利用UML元素和活动对象,生成活动图。本发明提出了一种名为GASR的模型做同义词替换,提高了活动图生成的准确性,同时引入AT‑SRnn模型识别活动对象;本发明先对需求文本进行规范化处理,然后根据处理过的需求文本生成活动图,可以提高活动图生成的准确性。

    一种基于节点过往行为分析的Raft共识机制改进方法

    公开(公告)号:CN115022022B

    公开(公告)日:2023-07-18

    申请号:CN202210609471.7

    申请日:2022-05-31

    Abstract: 一种基于节点过往行为分析的Raft共识机制改进方法,包括节点过往行为分析、Raft改进、主节点选举;对Raft进行改进,使其具备对恶意节点的容错能力;在主节点选举过程中,建立一种过往行为分析方法,基于该方法分析结果进行主节点选举;在区块链网络节点同步消息的时间内,充分利用主节点资源,基于过往行为分析方法的结果进行从节点交易合法性预测,并根据预测结果提前进行相应操作,提升整体区块链网络工作效率。

    Shadowsocks代理网络流量检测方法、存储介质和终端

    公开(公告)号:CN110784383B

    公开(公告)日:2023-04-18

    申请号:CN201911233362.4

    申请日:2019-12-05

    Abstract: 一种Shadowsocks代理网络流量检测方法、存储介质和终端,所述方法包括:从终端产生的网络流量中提取对应的终端网络流量特征向量;从所述终端的用户的网络流量中提取用户网络行为特征向量;基于所提取的终端网络流量特征向量和用户网络行为特征向量,判定所述终端的用户是否通过Shadowsocks代理访问外部网络。上述的方案,可以提高Shadowsocks流量检测效率和准确率。

    云边协同分层计算方法及云边协同分层计算系统

    公开(公告)号:CN111611062B

    公开(公告)日:2022-10-25

    申请号:CN202010371990.5

    申请日:2020-05-06

    Abstract: 本发明提供了一种云边协同分层计算方法及云边协同分层计算系统,所述云边协同分层计算方法主要包括以下步骤:设备层随机生成实时任务,对任务进行预处理后,将任务传输到云层或边缘层;引入最大化累积奖赏(QoS)作为评价指标;将QoS代入至深度强化学习模型中进行训练,以获得最优策略;对传入云层的任务直接进行处理;对传入边缘层的任务进行单边计算或边边协同计算。本发明依托深度强化学习相关技术和算法,并且结合了云计算和边缘计算各自的计算优势,有助于集成和充分利用不同的计算资源,达成云边资源协同、高效的最佳利用,在计算能力、任务处理效率以及低延迟的综合层面上,相较于传统的单云或单边计算系统有了很大的提升。

Patent Agency Ranking