-
公开(公告)号：CN118573685A
公开(公告)日：2024-08-30
申请号：CN202410471382.X
申请日：2024-04-18
Applicant: 南京理工大学
IPC: H04L67/1008 , H04L67/1014 , H04L67/12 , H04L41/16
Abstract: 本发明公开了一种基于纳什均衡智能博弈的多模态云计算网络资源管理方法，步骤为：首先使用纳什均衡智能博弈理论对多模态云计算网络资源管理问题进行建模，确定纳什均衡智能博弈参与者，纳什均衡智能博弈策略，纳什均衡智能博弈目标函数，纳什均衡智能博弈效益；多模态云计算网络中多模态中央处理服务器收集用户终端的虚拟资源使用申请；其次收集底层网络中各节点的可用资源；最后采用量子生物方法进行虚拟资源分配：初始化量子生物方法参数及群体中每个蛋白质的量子计算向量；检验每个蛋白质编码向量是否满足底层节点的流守恒和最大容量限制、虚拟流量和带宽容量限制、及资源分配解的可行性限制；确定每个蛋白质的期望繁殖概率，并从群体中提取父代群体和记忆库群体；采用量子旋转门操作方法得到新群体中蛋白质，并合并记忆库中蛋白质构成新一代群体；重复多次，输出多模态云计算网络虚拟资源分配的最优解。本发明能够高效利用虚拟资源，并保障用户终端的服务质量要求。
-
公开(公告)号：CN110046810B
公开(公告)日：2022-08-16
申请号：CN201910261488.6
申请日：2019-04-02
Applicant: 南京理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种基于赋时Petri网的车间制造系统多目标调度方法，包括以下步骤：利用Petri网对多目标车间制造系统进行建模；读取Petri网模型中各个库所对应的属性值，并求取Petri网模型中库所与变迁之间的关联矩阵；基于关联矩阵和A*搜索算法，从起始节点开始扩展子节点直至找到所有的目标节点，即完成系统多目标调度。本发明以车间制造系统赋时Petri网模型为对象，采用多目标启发式调度方法，通过对目标的多个属性的综合判断，找出最符合要求的非支配调度方案，此方法能针对不同属性求得所有非支配解，且采用启发式多目标A*算法，无需扩展系统所有的节点，即可获得满足要求的系统调度方案。
-
公开(公告)号：CN110716522B
公开(公告)日：2022-05-27
申请号：CN201911066140.8
申请日：2019-11-04
Applicant: 南京理工大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于任意时间A*启发式搜索的制造企业车间调度优化方法，包括：构建车间制造系统的Petri网模型；将Petri网模型转化为输入文件；构建标识向量、关联矩阵等相关变量用于Petri网演化和启发函数构建；构建任意时间A*算法的启发函数；采用系统初始状态标识作为任意时间A*算法的起始状态，向终止状态开展搜索，搜索从Petri网系统起始状态到终止状态的变迁发射序列即获得制造企业车间调度方案。相比于普通A*搜索算法，本发明的任意时间A*启发式搜索允许在搜索时间和解决方案质量之间进行灵活的权衡，且能在有限时间内减少节点扩展的数量，快速查找出模型变迁发射序列，进而快速获得企业车间作业调度方案。
-
公开(公告)号：CN110347827A
公开(公告)日：2019-10-18
申请号：CN201910561157.4
申请日：2019-06-26
Applicant: 南京理工大学
Abstract: 本发明提供了一种面向异构文本运维数据的事件提取方法，包括以下步骤：步骤1，定义泛化类型正则表达式；步骤2，基于正则表达式的类型检测；步骤3，基于多维度相似性的文本运维数据聚类；步骤4，事件类型生成和文本运维数据类型标注。本发明所提供的事件提取方法的目的在于以复杂IT系统运行时产生的日志文件、工作票等文本类运维数据为研究对象，提供一种面向异构文本运维数据的事件提取方法，具备处理异构文本运维数据的适应性和较高的准确性。
-
公开(公告)号：CN110110402A
公开(公告)日：2019-08-09
申请号：CN201910318045.6
申请日：2019-04-19
Applicant: 南京理工大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于二叉决策图的资源分配系统可达状态的快速求解方法，包括以下步骤：利用Petri网对资源分配系统进行建模；利用布尔变量对Petri网中的库所进行表示，获得标识向量；基于标识变量，获取标识向量集合M的特征函数，之后根据该特征函数对Petri网中库所、弧权值以及Petri网的状态标识进行压缩表示；求解变迁的使能条件的特征函数；通过镜像计算求取Petri网的可达状态集。本发明的方法能缓解在系统模型分析中存在的状态爆炸问题，以较小的时间和空间，快速求解系统可达集，对于较大规模该类系统的应用具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN106569472B
公开(公告)日：2019-05-07
申请号：CN201611000252.X
申请日：2016-11-14
Applicant: 南京理工大学
IPC: G05B19/418 , G06F9/52 , G06F17/50
Abstract: 本发明公开了一种基于二叉决策图（BDD）的企业车间死锁的快速预防方法。本发明通过Petri网对企业车间系统进行模拟和分析，利用可以压缩表示布尔函数的数据结构BDD进行求解和统计。包括以下步骤：采用Petri网对企业车间生产系统建模；基于BDD快速求解Petri网模型的极小信标集；基于陷阱定义或者与信标的逆反关系，快速求解Petri网的陷阱集；分析、规划极小信标和陷阱，求解Petri网模型的严格极小信标集；通过对严格极小信标集的分析，获得新的控制库所集和对应的关系弧，以此控制严格极小信标集全都为不被清空的，从而实现对企业车间死锁的预防。本发明具有死锁控制器求解过程需要较少的求解时间和存储空间的优点。
-
公开(公告)号：CN109598949A
公开(公告)日：2019-04-09
申请号：CN201811441452.8
申请日：2018-11-29
Applicant: 南京理工大学
Abstract: 本发明公开了基于赋时Petri网的T形路口紧急车辆抢占控制方法，包括以下步骤：首先设置Petri网中所有库所的最大容量值；之后根据紧急车辆到达T形路口时交通灯的状态，划分出不同的紧急场景；然后利用赋时Petri网建立不同紧急场景对应的Petri网模型；最后将不同紧急场景对应的Petri网模型进行组合构建T形路口紧急车辆抢占控制系统，该系统即实现T形路口紧急车辆抢占控制。本发明以基于三相控制技术的T形交叉路口为对象，采用赋时Petri网模型为建模与分析工具，生成无冲突的紧急车辆抢占控制系统，该方法能有效的避免紧急车辆在T形路口发生冲突的情况，提高交叉路口的通行效率，有效的缩短紧急车辆到达目的地所需的时间。
-
公开(公告)号：CN109190890A
公开(公告)日：2019-01-11
申请号：CN201810845947.0
申请日：2018-07-27
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于用户电力消费数据的用户行为分析方法。方法为：将批量用户单日每小时用电数据训练集作为输入；对输入的用电数据进行预处理，包括提取用电特征，进行归一化处理，通过主成分分析法进行降维；将部分用户的家庭特征信息作为输入；利用约束种子k均值算法，结合部分家庭信息数据，对用户用电数据训练集进行半监督聚类分析，构造出不同类型用户的用电数据模型；将需要检测的用户单日每小时用电数据集作为输入；利用模型对用户异常行为进行检测。本发明能够依据用户实时电力消费数据，对用户行为进行高效的鉴别和检测。
-
公开(公告)号：CN108985517A
公开(公告)日：2018-12-11
申请号：CN201810845924.X
申请日：2018-07-27
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于线性回归的短时交通流量预测方法。方法为：首先对获取到的可能影响交通流量的因子进行特征缩放；初始化经过特征缩放后的各个因子的参数，结合线性回归方法对特征缩放后的因子进行建模；然后根据实际交通流量和建立的模型确定代价函数，对代价函数进行正则化处理；接着利用梯度下降算法求解代价函数最小值，根据代价函数最小值求得的最优参数；最后利用求得的最优参数对该道路的短时交通流量进行预测。本发明通过线性回归算法对短时交通流量进行预测，通过多组特征数据的使用，利用正则化方法进行优化，减少了过拟合的问题，提高了预测的准确性。
-
公开(公告)号：CN118709028A
公开(公告)日：2024-09-27
申请号：CN202410683144.5
申请日：2024-05-29
Applicant: 南京理工大学
IPC: G06F18/241 , G06F18/2431 , G06F18/2321 , G06F18/10 , G06F18/15 , G06F16/2458 , G06F16/29 , G06N3/0442 , G06N3/084 , G01S19/39 , G01S19/42 , G01S19/52 , G06F123/02
Abstract: 本发明公开了一种基于GPS数据的用户移动模式识别方法，该方法包括以下步骤：首先对GPS数据进行了格式转换，然后根据出行标签匹配数据，进行数据清洗和筛选；接着，根据数据的经纬度和时间计算基本特征；随后，根据时间间隔判断数据的连续性，并提取连续的片段；在这些连续片段中，通过聚类技术提取出停留点，进一步细分出连续的轨迹；识别出行方式转换点，将轨迹划分为单一出行方式的片段；最后，将这些出行段转换成RGB格式的数据，用于训练LSTM模型，以提高分类准确率。相比目前常用的用户移动模式识别方法，本发明的方法通过提取连续完整的出行段，将数据转换为RGB格式并应用于LSTM模型训练，取得了优于随机森林、SVC和决策树的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.023 seconds)
