基于多智能体共识构建的车联网分布资源分配方法

    公开(公告)号:CN119584216A

    公开(公告)日:2025-03-07

    申请号:CN202411802886.1

    申请日:2024-12-09

    Abstract: 基于多智能体共识构建的车联网分布资源分配方法,包括下列操作步骤:(1)在组成车联网的车辆上部署共识构建器和行动器,在中央基站部署评价器;(2)组成车联网的车辆把自己所观测到的车辆网局部网络状态值输入到所述的共识构建器,所述共识构建器输出所述车联网全局网络状态的类别;(3)在中央基站所部署的评价器的指导下,组成车联网的车辆的行动器根据车辆网局部网络状态和车联网全局网络状态的类别,产生车联网分布资源分配策略。本发明方法,进一步提高了车辆间的合作能力,改进了资源分配效果。

    一种用于车联网的区块链分层共识优化方法

    公开(公告)号:CN119364363A

    公开(公告)日:2025-01-24

    申请号:CN202411477512.7

    申请日:2024-10-22

    Abstract: 一种用于车联网的区块链分层共识优化方法,包括如下操作步骤:(1)构造分片方式的区块链共识框架,一个分片的头车代表该分片与该分片的RSU和其他分片进行通信;一个分片内的所有车辆构成一个编队;(2)所述区块链共识框架执行两层共识过程即本地共识和全局共识;所述的本地共识过程是指在同一个分片内的所有车辆间所进行的本地共识达成过程;所述的全局共识过程是指在各分片的RSU之间进行的全局共识达成过程;本发明方法各编队车辆仅需在分片内进行共识,大大降低了通信的复杂度和资源的消耗,提高了整个共识过程的效率。

    一种时序变量预测方法、装置、计算设备和存储介质

    公开(公告)号:CN117671377A

    公开(公告)日:2024-03-08

    申请号:CN202311685679.8

    申请日:2023-12-08

    Abstract: 一种时序变量预测方法、装置、计算设备和存储介质,包括:构建双向预测时间序列表征模型,并获取历史时间序列数据进行训练,过程如下:获取两相邻时序子序列Xl和Xr,然后将Xl和Xr进行季节‑趋势分解,获得季节和趋势分量,再将季节和趋势分量经过编码器获得表征序列,最后使用两个季节分量表征序列、两个趋势分量表征序列进行双向预测;构建并训练时序变量预测模型,输入时间序列表征向量,输出时序变量预测结果;采集时序变量的实时时间序列数据,使用双向预测时间序列表征模型提取特征以获得时间序列表征向量,然后输入时序变量预测模型,获得预测结果。本发明涉及计算机领域,能有效挖掘时序内在逻辑、提升表征在时序变量预测任务上的性能。

    一种用于集群服务器异常检测的系统和方法

    公开(公告)号:CN117556358A

    公开(公告)日:2024-02-13

    申请号:CN202311574438.6

    申请日:2023-11-23

    Abstract: 一种用于集群服务器异常检测的系统和方法,系统包括数据预处理模块、动态分解模块、扩散重构模块和异常检测模块;方法包括如下操作步骤:(1)数据预处理模块对集群服务器的原始指标数据进行预处理;(2)动态分解模块从加扰动指标数据中分解出加扰动指标数据稳定成分和加扰动指标数据趋势成分;(3)扩散重构模块利用噪声扩散得到加噪声指标数据,和受污染指标数据的重构数据,计算原始指标数据的重构数据;(4)异常检测模块接收原始指标数据的重构数据,并与所述的原始指标数据进行对比,做出集群服务器是否异常的判定。

    一种基于图神经网络的跨社交媒体网络的用户对齐方法

    公开(公告)号:CN116681540A

    公开(公告)日:2023-09-01

    申请号:CN202310720755.8

    申请日:2023-06-16

    Abstract: 一种基于图神经网络的跨社交媒体网络的用户对齐方法,包括:获取需对齐的社交媒体网络拓扑图G1、G2;计算G1、G2的节点属性特征:将节点结构特征、输入节点属性和锚链接融合得到属性特征;构建自适应图注意神经网络模型,分别输入G1、G2,并输出各自学习后的节点嵌入向量,该模型根据邻居节点属性特征计算节点的聚合属性特征,然后通过节点属性特征和聚合属性特征确定邻居节点的聚合权重,再根据邻居节点的嵌入向量和聚合权重来更新每个节点嵌入向量;根据G1、G2的节点嵌入向量,计算对齐矩阵,获得两个网络的节点映射关系。本发明涉及计算机领域,能以半监督学习方式通过NA技术解决UIL问题,实现跨社交媒体网络的用户匹配。

    一种自智网络中的多策略冲突规避方法

    公开(公告)号:CN114884821A

    公开(公告)日:2022-08-09

    申请号:CN202210692833.3

    申请日:2022-06-17

    Abstract: 一种自智网络中的多策略冲突规避方法,包括:采集网络状态信息;获取待验证多策略集合;构建包含所有多策略执行顺序的策略排序空间树;对策略排序空间树进行深度优先遍历,提取一条待验证的多策略执行顺序,然后构建一个初始仿真数据平面,将多策略执行顺序中的每条策略按序逐条注入至仿真数据平面中,存储每条策略插入后的仿真数据平面;检测每条策略被执行后生成的仿真数据平面是否存在冲突异常,推理冲突策略顺序中多策略间的依赖关系,对策略排序空间树进行剪枝,以高效挑选避免冲突的多策略执行顺序并下发。本发明属于通信领域,能对多策略下发的网络中间状态异常进行验证,同时根据多策略间的依赖关系高效挑选出避免冲突的正确执行顺序。

    一种基于软件定义网络SDN的数据中心拥塞控制方法及装置

    公开(公告)号:CN108833293B

    公开(公告)日:2021-01-26

    申请号:CN201810636431.5

    申请日:2018-06-20

    Abstract: 本发明实施例提供了一种基于软件定义网络SDN的拥塞控制方法、装置及SDN控制器。该方法包括:获得交换机发送的packet_in消息;确定packet_in消息中包括的数据包;当数据包为用于请求建立TCP连接的握手信息SYN包时,基于SDN控制器所在网络的拓扑结构和链路信息,对网络执行第一拥塞控制处理;当数据包为用于应答断开TCP连接的结束信息FIN包时,基于链路信息,对网络执行第二拥塞控制处理;当数据包为用于请求断开TCP连接的FIN包时,删除数据库中存储的、数据包所对应TCP连接的信息。与现有技术相比,应用本发明实施例提供的方案,SDN控制器可以改善各数据流之间带宽的公平性,并减少高度突发的短流量带来的TCP重传和超时,以实现对数据中心中存在的TCP Incast拥塞的控制。

    一种基于流量识别的网络功能虚拟化智能调度方法

    公开(公告)号:CN110324260A

    公开(公告)日:2019-10-11

    申请号:CN201910543654.1

    申请日:2019-06-21

    Abstract: 一种基于流量识别的网络功能虚拟化智能调度方法,基于置信区域策略优化算法实现,所述方法包括下列操作步骤:(1)对网络数据流进行分类:(2)设置置信区域策略优化算法的状态空间;(3)设置置信区域策略优化算法的动作空间;(4)设置置信区域策略优化算法的奖励函数:(5)设置置信区域策略优化算法的损失函数;(6)在前述步骤的基础上,利用置信区域策略优化算法实现对虚拟网络功能的智能调度。本发明方法,能根据不同流量数据的服务质量需求,实现虚拟网络功能的智能调度,提高了网络利用率和网络服务性能。

Patent Agency Ranking