-
公开(公告)号:CN104835015A
公开(公告)日:2015-08-12
申请号:CN201510272608.4
申请日:2015-05-25
Applicant: 南京大学
Abstract: 本发明公开了基于前驱任务的工作流挖掘方法,通过分析事件日志中任务,包括对工作流的事件日志中前驱任务进行分析;以事件日志为输入,以Petri网描述的工作流模型为输出结果;该方法使用基于前驱任务的事件日志,前驱任务是指当前任务执行前依赖的需要完成的任务的集合,为当前任务的输入,即在事件日志中包含前驱任务的信息;前驱任务的事件日志的形式化定义为:T是任务集,T*是包含n个任务的任务序列,E=[θ]T是在任务集T基础上的事件集;前驱任务序列表示为σ∈E*,前驱任务的事件日志表示为WE*。本发明在理论上提出了新型挖掘方法,而且在Activiti平台和ProM平台上都实现了实际工具。
-
公开(公告)号:CN104363239A
公开(公告)日:2015-02-18
申请号:CN201410693346.4
申请日:2014-11-26
Applicant: 南京大学
CPC classification number: H04L67/16 , H04L41/5041
Abstract: 本发明公开一种基于物理实体环境感知的服务动态绑定方法,包括以下步骤:注册实体相关的服务:注册web服务的同时在服务注册器中维护一个数据结构,该数据结构对应了物理实体到虚拟服务的映射;动态绑定服务:在具体的服务调用前,暂停过程实例的执行,再根据服务动态绑定算法完成服务的绑定,最后恢复过程实例的执行。本发明引入对物理环境信息的考虑,为服务组合过程中的服务选择提供新的关注维度,有助于提高服务组合的实用性,同时也并不降低服务组合利用现有服务高效组合复杂服务这一特性,具有广泛的应用市场前景。
-
公开(公告)号:CN116029365A
公开(公告)日:2023-04-28
申请号:CN202211685129.1
申请日:2022-12-27
Applicant: 南京大学
Abstract: 本发明公开了一种基于两阶段意图共享的多智能体协作的最优策略生成方法,在每个决策时刻,让各个智能体首先根据自身观测生成意向动作,并将意向动作进行广播,广播结束后智能体收到来自其它智能体的意图信息,接着各个智能体独立计算其它智能体意图信息的重要程度,将其中重要程度足够大的智能体标记为依赖对象,并广播依赖对象集合,广播结束后智能体收到来自其它智能体的依赖对象信息,根据依赖对象信息建立依赖关系图,采用一个贪心算法去除依赖关系图中的循环依赖,最后各个智能体按照依赖关系图根据意向动作信息重新决策。使用该方法可以端到端地自动化生成最优策略。
-
公开(公告)号:CN111400031A
公开(公告)日:2020-07-10
申请号:CN202010135253.5
申请日:2020-03-01
Applicant: 南京大学
Abstract: 本发明公开了面向处理单元部署的基于值函数的强化学习方法,对于基于值函数更新的此类强化学习方法,提供了一种将处理单元图部署在物理节点上的对应框架,充分利用强化学习能够通过多次部署尝试得到处理单元部署的更优方案的优点,得到使处理单元图部署后的响应时间更低的部署方法。本发明根据复杂事件处理在边缘计算环境下的特性,来预测响应时间。并根据复杂事件处理响应时间的特性,针对限制了处理单元图整体响应时间的处理单元进行优先部署,来降低处理单元图整体响应时间。
-
公开(公告)号:CN104462407B
公开(公告)日:2017-10-13
申请号:CN201410765470.7
申请日:2014-12-12
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开一种基于地图轨迹的场景感知模型的前端数据动态集成方法,包括步骤:基于地图轨迹的场景模型重要位置节点实时计算;实时计算位置节点的数据感知范围;以位置节点的数据感知范围为基准的基于地图轨迹的场景数据的实时集成;基于地图轨迹集成的场景数据的用户界面实时展示。本发明将场景数据感知建模技术,网络服务数据动态集成技术(Mashup)与地理位置信息服务(LBS)结合起来,提高了数据服务依照场景感知模型进行动态集成的能力,增加了用户获得数据时对场景感知的感受,极大优化了基于地图的数据展示服务的用户体验,同时提高了数据展示效率。
-
公开(公告)号:CN107018197A
公开(公告)日:2017-08-04
申请号:CN201710240549.1
申请日:2017-04-13
Applicant: 南京大学
IPC: H04L29/08
CPC classification number: H04L67/1002
Abstract: 本发明公开一种支持负载均衡的动态伸缩移动感知复杂事件处理方法,包括以下步骤:步骤1、轮次时间收集与处理:分别收集每个operator所有副本对当前轮次的处理时间;计算出各副本处理时间的平均值和变异系数;步骤2、判断是否有operator计算能力不足而需要动态伸缩或需要负载均衡;步骤3、进行伸缩与负载均衡:当operator进行伸缩,即调整operator副本个数,使operator的计算资源匹配当前负载;当各副本进行负载均衡,即重新分配operator副本之间的负载,直至变异系数小于预设的阈值。本发明的技术方案使移动感知复杂事件处理方法能在运行时刻调整其operator副本数量并均衡副本间负载,从而节省移动感知复杂事件处理技术运行过程中的整体开销,并提升其吞吐率。
-
公开(公告)号:CN106997395A
公开(公告)日:2017-08-01
申请号:CN201710240188.0
申请日:2017-04-13
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开一种移动感知复杂事件并行处理方法。包括以下步骤:步骤1,数据划分:对当前operator产生的数据进行数据映射,将这些数据传输给对应的后续operator;分割属于不同查询范围的数据;步骤2,数据合并:属于同一个划分的数据传输至同一个operator,对数据进行排序,并提交给operator处理模块;步骤3,数据处理:步骤3.1,数据处理,对合并后的数据提交至operator处理模块进行处理;若存在后续operator,将处理后产生的结果转入步骤1;步骤3.2,范围处理结束信号发送,表明operator可以开始处理下一查询范围数据。在移动感知复杂事件处理环境下,通过并行处理来增加系统对输入数据量的负载上限和事件处理的吞吐率时,可以使用本发明。
-
公开(公告)号:CN104462407A
公开(公告)日:2015-03-25
申请号:CN201410765470.7
申请日:2014-12-12
Applicant: 南京大学
IPC: G06F17/30
CPC classification number: G06F17/3087
Abstract: 本发明公开一种基于地图轨迹的场景感知模型的前端数据动态集成方法,包括步骤:基于地图轨迹的场景模型重要位置节点实时计算;实时计算位置节点的数据感知范围;以位置节点的数据感知范围为基准的基于地图轨迹的场景数据的实时集成;基于地图轨迹集成的场景数据的用户界面实时展示。本发明将场景数据感知建模技术,网络服务数据动态集成技术(Mashup)与地理位置信息服务(LBS)结合起来,提高了数据服务依照场景感知模型进行动态集成的能力,增加了用户获得数据时对场景感知的感受,极大优化了基于地图的数据展示服务的用户体验,同时提高了数据展示效率。
-
公开(公告)号:CN103778519A
公开(公告)日:2014-05-07
申请号:CN201410076015.6
申请日:2014-03-04
Applicant: 南京大学
IPC: G06Q10/06
Abstract: 本发明的基于安全状态的工作流实例可迁移性判定方法,步骤一,分别找出实例中在目标模型中的节点集合和不在目标模型中的节点集合;步骤二,对实例中仍在目标模型中的所有节点,根据它的紧邻父结构来判断该节点是否处于安全状态;步骤三,根据实例中仍在目标模型中的节点的状态和它的下一个节点的类型进行可迁移性判定;步骤四,对实例中不在目标模型中的节点集合中的每一个节点,根据该节点和实例已经执行节点的输出变量集作出可迁移性判定;步骤五,对实例中仍在目标模型且不处于安全状态的节点,根据该节点与插入它之前的节点集的输出与输入变量集作出可迁移性判定;步骤六,若判定可迁移性为真则进行实例迁移,否则恢复不可迁移实例的执行。
-
公开(公告)号:CN102332125B
公开(公告)日:2014-03-19
申请号:CN201110349828.4
申请日:2011-11-08
Applicant: 南京大学
IPC: G06F17/00
Abstract: 基于后继任务的工作流挖掘方法,基于事件日志的工作流挖掘,它以事件日志为输入,以Petri网描述的工作流模型为输出结果;该方法引入事件类型使得工作流日志中含有当前任务的后继任务,后继任务是指当前任务执行完成后将执行权限转交给的任务的集合;包含以下步骤:(1) 设置要挖掘的工作流过程模型初值;(2) 分析事件日志W,计算出任务集TW、起始任务TI和结束任务TO;(3) 调用relationPreprocess过程获得因果关系矩阵M2和潜在并发关系与并发关系矩阵M3;(4) 根据矩阵M2和M3,计算出初始任务关系集XW;本发明组成完整的基于后继任务的工作流挖掘方法。
-
-
-
-
-
-
-
-
-