-
公开(公告)号：CN118433127A
公开(公告)日：2024-08-02
申请号：CN202410683077.7
申请日：2024-05-29
Applicant: 南京理工大学
IPC: H04L47/35 , H04L47/215 , H04L47/2425
Abstract: 本发明公开了一种基于业务感知流量控制方法，该方法包括以下步骤：向多服务应用发送包含特定请求头的业务负载；通过Jaeger收集、Elasticsearch存储每一条请求的信息；使用Java‑Client连接Kubernetes集群、Elasticsearch‑Java‑Client连接Elasticsearch后端存储；在Java端获取并处理每一层服务的性能指标；将收集到的指标用于动态流量调整算法BPTA(Business Priority Traffic Adjustment)的模型训练；向训练好的模型输入指标，模型给出相应的动作；将动作按比例分为两个值，较小的值用于低优先级业务的速率限制，允许更多高优先级的业务请求得到及时处理；最后执行流量调整动作。相对于目前的限流方法，本发明的限流策略更为细致，可在高负载下，使高优先级业务得到优先处理，实现业务感知，同时提高系统性能和用户体验。
-
公开(公告)号：CN116775282A
公开(公告)日：2023-09-19
申请号：CN202310619469.2
申请日：2023-05-29
Applicant: 南京理工大学
Abstract: 本发明提出一种Spark集群参数自动优化的方法，可以根据任务类型以及数据规模自动的对集群参数进行优化以发挥集群的最优性能。该方法主要包括以下步骤：1、数据采集。使用不同的参数组合启动集群并提交Spark任务，统计不同类型的任务在不同参数组合下的运行时间。任务类型主要分为IO密集型任务、计算密集型任务、内存密集型任务以及迭代密集型任务。2、参数筛选。使用机器学习算法中的决策树模型，以不同类型的任务与数据规模在默认参数配置下的运行时间作为基准，对运行性能高于默认参数配置的参数组合进行筛选。3、性能预测。使用深度神经网络模型，将筛选出的参数组合与任务类型、数据规模等信息作为模型输入，预测任务的执行时间。4、参数优化。使用强化学习中的Q‑Learning算法，对筛选出的参数组合进行优化，得到一个最优参数配置。通过参数筛选可以有效的降低状态空间，使Q‑Learning算法具有更好的收敛性。
-
公开(公告)号：CN116582340A
公开(公告)日：2023-08-11
申请号：CN202310619226.9
申请日：2023-05-29
Applicant: 南京理工大学
IPC: H04L9/40 , H04L41/16 , G06F18/2415 , G06N3/042 , G06N3/0442 , G06N3/047 , G06N3/048 , G06N3/0985 , G06N3/088 , G06N3/09
Abstract: 本发明公开了一种基于边特征提取的循环图神经网络的入侵检测模型，涉及入侵检测和神经网络领域，方法包括获取构造网络流的结构特征图；根据所述网络流特征使用基于边特征提取的循环图神经网络的入侵检测模型进行特征提取，得到边特征和时间联系特征；所述的循环图神经网络的入侵检测模型包括图神经网络和循环神经网络；将所述边特征和时间联系特征进行融合，得到融合特征；根据所述融合特征得到网络行为检测结果。本发明提高网络行为识别性能。
-
Patent Agency Ranking
公开(公告)号：CN110110402B
公开(公告)日：2023-04-18
申请号：CN201910318045.6
申请日：2019-04-19
Applicant: 南京理工大学
IPC: G06F30/22 , G06F119/18
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。
-
公开(公告)号：CN110059378B
公开(公告)日：2022-09-06
申请号：CN201910261540.8
申请日：2019-04-02
Applicant: 南京理工大学
IPC: G06F30/22
Abstract: 本发明公开了一种基于GPU并行计算的自动制造系统Petri网状态生成方法，包括以下步骤：将待求解的Petri网模型、Petri网系统初始状态M0转化为输入文件；初始化一个普通数组或链表结构的表，用于表示新产生的状态集合OPEN；初始化一个红黑树结构的表，用于表示已生成的状态集合CLOSED；从Petri网系统初始状态M0开始，搜索Petri网所有的可达状态构成可达状态集；输出可达状态集中每个可达状态的状态标号、状态向量、该状态具体由哪些状态通过发射哪些变迁获得。本发明的方法通过利用GPU并行计算与优化数据结构，能够极大地提高计算Petri网可达集的速度，且在可达状态数不断增大时具有越来越好的效果，在对大型Petri网模型的分析时，可以有效缓解状态空间爆炸问题。
-
公开(公告)号：CN110716522A
公开(公告)日：2020-01-21
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：CN110059378A
公开(公告)日：2019-07-26
申请号：CN201910261540.8
申请日：2019-04-02
Applicant: 南京理工大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于GPU并行计算的自动制造系统Petri网状态生成方法，包括以下步骤：将待求解的Petri网模型、Petri网系统初始状态M0转化为输入文件；初始化一个普通数组或链表结构的表，用于表示新产生的状态集合OPEN；初始化一个红黑树结构的表，用于表示已生成的状态集合CLOSED；从Petri网系统初始状态M0开始，搜索Petri网所有的可达状态构成可达状态集；输出可达状态集中每个可达状态的状态标号、状态向量、该状态具体由哪些状态通过发射哪些变迁获得。本发明的方法通过利用GPU并行计算与优化数据结构，能够极大地提高计算Petri网可达集的速度，且在可达状态数不断增大时具有越来越好的效果，在对大型Petri网模型的分析时，可以有效缓解状态空间爆炸问题。
-
公开(公告)号：CN109615188A
公开(公告)日：2019-04-12
申请号：CN201811385884.1
申请日：2018-11-20
Applicant: 南京理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种预分配结合匈牙利算法的多机器人任务分配方法，包括以下步骤：对多机器人系统建模；建立所有机器人承担不同任务的效益值矩阵；优化多机器人系统；对效益值矩阵进行简化；根据每个任务所需机器人的数量对效益值矩阵进行变形；对任务进行预分配，并进一步简化效益值矩阵；利用匈牙利算法进行任务分配，获得最终的分配矩阵T，完成任务分配。本发明以多机器人多任务分配系统为对象，采用预分配结合匈牙利算法的策略进行分配，有效地解决了多机器人多任务系统的分配与优化问题，缓解了在效益矩阵复杂时运用单一匈牙利算法可能造成的时间消耗过大、甚至算法无限循环的问题，具有有效简化模型表示方式、加快模型分析速度的优点。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.039 seconds)
