-
公开(公告)号：CN103838831B
公开(公告)日：2017-02-22
申请号：CN201410058324.0
申请日：2014-02-21
Applicant: 东南大学
Abstract: 本发明公开一种基于社区划分的在线社交网络海量数据存储方法，从社交网络的图结构出发，首先根据节点度大小将网络分成名人用户层和普通用户层，再对每一层利用模块度优化的方法进行社区划分。设计一种小集团结伴策略对初始网络进行预处理，形成一个超网，采用边权重优先方案逐步合并超节点以提高模块度。社区划分完成之后，优先存储普通用户数据，将同一社区的用户数据存储在相同服务器节点上，对于名人用户数据优先考虑选择存放在粉丝最多的服务器，其次考虑存放在自身社区所在的服务器节点。设计名人用户数据多副本存储，以减少单台服务器的负载。利用社区划分方法存储社交网络数据，可以提高访问的局部性，减少通信耗费。
-
公开(公告)号：CN101714100B
公开(公告)日：2013-10-30
申请号：CN200910232490.7
申请日：2009-11-27
Applicant: 东南大学
Abstract: 动态交互网络环境下网构软件主体系统信任协商构建方法，本方法涉及动态网络环境和结构化情境的网构软件主体系统自动信任协商的方法的构建，提出一种适用动态网络交互情境的网构软件主体自动信任协商方法；该方法的实现方式：每个软件主体都拥有自己的信任信息——信任度与合作度，需要合作的两个主体根据合作的方向选择对应的信任度和合作度(契合度)建立信任关系；信任关系的建立得成功与否需要与参考值比较，该参考值是按照系统中主体拥有的平均信任信息时契合度的计算值；当契合度大于该参考值时建立信任关系，该方法避免了使用证书所带来的麻烦，使得信任关系的建立变得简单和清晰。
-
公开(公告)号：CN119806834A
公开(公告)日：2025-04-11
申请号：CN202411925318.0
申请日：2024-12-25
IPC: G06F9/50
Abstract: 本发明公开了一种针对多重网络结构化工业系统的多模式协同方法及系统，首先根据工业智能体与智能体集群在不同网络层中的多重关系进行建模，将多重网络结构化工业系统建模为多层无向网络；定义智能体及智能体集群负载状态模型和任务模型，输入任务激增量并更新承担该任务的智能体负载状态；为了灵活调整网络层间的资源负载，本方法通过分析任务的异质性以及网络层的实时负载情况，动态确定层间协同负载系数；最后，综合考虑协同成本与关键智能体的风险，选择最优的协同策略，通过不同智能体、集群和网络层之间的动态交互实现多模式的协同，优化系统的负载分配与资源调度，解决工业系统中任务激增导致的异常，实现多模式协同。
-
公开(公告)号：CN119005462A
公开(公告)日：2024-11-22
申请号：CN202411005431.7
申请日：2024-07-25
Applicant: 东南大学
IPC: G06Q10/047 , G06Q10/0631
Abstract: 本发明提出了一种基于分支定价算法的多信息采集机器人避险方法，旨在提高机器人在敌方围捕和攻击下的安全执行任务的能力。在对抗环境中，机器人执行信息采集、战场救援等危险任务。为了提高避险成功率，本发明将问题分解为采集策略和任务分配两个子问题，并提供解决方案。首先，采用分支定价算法为机器人设计避险行为策略；其次，在策略基础上，使用策略图算法优化任务分配，以获得最优避险任务分配策略。这两种算法结合考虑任务完成时间和避险增益，使机器人在相同时段内同一区域执行任务，最大化避险效益。
-
公开(公告)号：CN118966649A
公开(公告)日：2024-11-15
申请号：CN202411005438.9
申请日：2024-07-25
Applicant: 东南大学
IPC: G06Q10/0631
Abstract: 本发明提出了一种大规模无人机集群在线任务调配优化方法，包括一个在线调配框架和三种针对低优先级任务、高优先级任务、混合优先级任务的调配策略。首先，无人机被建模为智能体，大规模集群中的无人机按层次建模为网络层，并对智能体上的任务和新到来的在线任务进行建模。其次，为处理实时任务并降低开销，设计了包含任务输入预处理、计算调度、处理反馈三个阶段的在线调配框架。最后，基于框架，分别设计了被动调配策略应对低优先级任务，主动调配策略应对高优先级任务，以及主被动结合策略应对混合任务集，旨在减少调配对系统影响，提升任务成功率和完成率。
-
Patent Agency Ranking
公开(公告)号：CN118966648A
公开(公告)日：2024-11-15
申请号：CN202411005427.0
申请日：2024-07-25
Applicant: 东南大学
IPC: G06Q10/0631 , G06N3/045 , G06N3/092
Abstract: 本发明提出了一种针对多无人机集群任务迁移的混杂图注意强化学习方法。该算法基于混杂注意力机制的多智能体强化学习，通过使用混杂注意力通信机制来学习群体结构的结构影响。具体而言，每个组的领导智能体首先通过组内注意网络了解组内智能体之间的影响关系，分析在多无人机集群下的策略关联，获得每个组的动态沟通信息。随后，各智能体通过组间注意机制综合多个组间的通信信息，学习组间的动态交互，获取任务迁移策略，最终，引导智能体实现高效的任务迁移和协作。
-
公开(公告)号：CN116932217A
公开(公告)日：2023-10-24
申请号：CN202310925250.5
申请日：2023-07-25
Applicant: 东南大学
IPC: G06F9/50
Abstract: 本发明提供了一种多重网络化产业链中面向智能体动态性的自适应任务迁移方法，以解决网络层与任务不匹配导致负载不均衡、智能体过载风险的问题。首先，将多重网络化产业链上的智能体进行动态性建模，并选择网络层内的后备智能体来替换故障智能体；其次，为了解决网络层间出现负载不均衡问题，计算各网络层间的状态势场，随着势场降低的方向进行网络层间任务迁移；最后，为了减少智能体的过载风险，计算网络层内各智能体的状态势场，通过势场梯度进行网络层内的任务迁移。与传统基于单一方法任务迁移策略相比，本方法研究网络层内与网络层间任务迁移的特性，实现网络层间的负载平衡，同时能有效减少智能体过载风险，提高产业链的稳定性。
-
公开(公告)号：CN116882698A
公开(公告)日：2023-10-13
申请号：CN202310909670.4
申请日：2023-07-21
Applicant: 东南大学
IPC: G06Q10/0631 , G06Q10/1093 , G06Q50/04 , G06Q30/0201
Abstract: 本发明提供了一种多重网络化产业链中任务处理系统粗时间粒度调配优化方法，以解决其在生产过程中存在的无法满足多个网络之间的任务约束，不能有效实现多重网络产业链的全局最优解的问题。首先，根据数据规模的不同选取不同的调配方法。在小规模场景中将任务在组件中执行的决策变量构建出一棵树，通过剪枝与递归搜索得到一个最优解；在大规模场景中通过元启发式级联自适应算法对解集中的随机解进行邻域插入和交换操作，不断迭代后取得一个较优解。与传统的单层网络调度算法相比，本方法重点研究多重网络产业链的特征和数据规模的差异，尽可能降低任务处理的最大完成时间和所需要的能源成本，能在多重网络产业链结构中取得更好的调度结果。
-
公开(公告)号：CN116843108A
公开(公告)日：2023-10-03
申请号：CN202210363602.8
申请日：2022-04-11
Applicant: 广州博通信息技术有限公司 , 东南大学
IPC: G06Q10/0631 , G06Q10/04 , H02J3/06
Abstract: 随着工业任务的日趋精细复杂，以往的工业任务从单层网络向多流程化网络发展，多个工业任务流程网络即多重工业网络下的组件速率调整策略，开始呈现复杂化、动态变化的特征。在当前的多重工业网络背景下，传统单一网络根据电价波动对组件的速率调整策略，已无法实现多个网络层协作的任务成本最优目标。仅考虑单层最优的组件速率调整策略会因为忽略网络层间的关联关系而导致整体任务超时的结果。本方法解决的技术问题是：提出一种解决多重工业网络下的组件速率调度方法，针对波动的电价，考虑网络层间的约束关系并给出各网络层组件的速率调整策略，对任务时限内的执行成本进行优化。
-
公开(公告)号：CN113112362A
公开(公告)日：2021-07-13
申请号：CN202110372079.0
申请日：2021-04-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于关联信息的大宗商品价格波动风险态势演化分析方法与系统，包括数据准备阶段，获取大宗商品价格波动关联信息数据；数据处理阶段，采用大宗商品价格波动关联信息数据构造大宗商品相关性表与关联信息时间序列；风险计算阶段，以关联信息时间序列作为输入，基于隐马尔可夫模型和GARCH模型计算历史价格波动风险值和预测第二天价格波动风险值；系统设计阶段，以报表的形式展示出大宗商品价格波动风险态势演化结果。本发明将价格波动的其他关联信息应用于价格波动风险态势演化之中，提高了价格波动风险预警的准确率。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.032 seconds)
