一种基于李雅普诺夫优化的能量收集与任务卸载方法

    公开(公告)号:CN118828703A

    公开(公告)日:2024-10-22

    申请号:CN202410795896.0

    申请日:2024-06-19

    Abstract: 本发明公开了一种基于李雅普诺夫优化的能量收集与任务卸载方法,适用于由多个具备能量收集(EH)功能的移动设备和配备边缘服务器的基站组成的多访问边缘计算(MEC)系统。该方法包括建立一个综合任务计算模型、任务卸载和能量收集的系统模型,目的是最小化系统的总成本,该成本定义为总能耗与任务丢弃率的加权和。通过应用李雅普诺夫随机优化理论,将原始优化问题分解为多个独立的子问题。本发明进一步通过联合优化移动设备的本地处理CPU周期频率和任务卸载到服务器的传输功率,并应用遗传算法解决在多用户多服务器环境下的任务分配和卸载决策问题。该方法有效降低了移动设备的总开销,同时确保系统的能量队列稳定性。

    基于排序的双种群进化算法求解柔性作业车间调度问题的方法

    公开(公告)号:CN118627785A

    公开(公告)日:2024-09-10

    申请号:CN202410607512.8

    申请日:2024-05-15

    Abstract: 一种基于排序的双种群进化算法求解柔性作业车间调度问题的方法。本发明针对如何优化柔性车间调度的最大完工时间,最大机器负荷,所有机器总负荷问题提出了基于排序的双种群进化算法。该算法首先用两种初始化方法生成两个种群,其次分别对两个种群分别进行精英选择,堵轮盘选择策略选择出父代种群;之后分别对父代种群进行变异、交叉等操作对种群进行进化迭代;最后,当达到最大迭代次数,返回最优种群集,并显示其收敛曲线图,输出最有调度方案的甘特图。对比发现,在相同迭代次数下,该优化算法具有更快的收敛速度,容易跳出局部最优获得更好的解集。因此,本发明具有一定的可行性和有效性。

    一种基于帕累托最优的非线性工作流多目标调度方法

    公开(公告)号:CN116466670A

    公开(公告)日:2023-07-21

    申请号:CN202310493539.4

    申请日:2023-05-05

    Abstract: 一种基于帕累托最优的非线性虚拟工作流多目标调度方法。本发明针对非线性工作流参数相互制约难以平衡、加工路线复杂难以调度的问题,提出了一种以最小化生产费用、生产时间和最大化生产精度为求解目标的多目标优化调度方法。该算法分为三个阶段,虚拟化阶段将任务与服务抽象为虚拟结点,通过虚拟重构将非线性制造工艺转化为线性虚拟工作流模型;虚拟调度阶段根据循环加工特征将工作流划分为多个优化段,通过逆向归约迭代获得局部可行解集;生成阶段通过正向调度获得帕累托解集,根据帕累托支配关系生成调度路径。数据分析证明,通过调整截止日期、任务数量和循环数量三种影响因素,能够有效提升算法性能,本算法较传统算法具有显著优化效果,在实际制造工程中具有可行性与可操作性。

    一种基于多阶段攻防信号的网络防御方法

    公开(公告)号:CN114024738A

    公开(公告)日:2022-02-08

    申请号:CN202111291636.2

    申请日:2021-11-03

    Abstract: 一种基于多阶段攻防信号的网络防御方法。当前大多数的防御技术,都是静态被动防御,然而在面对网络中未知攻击、瞬时攻击时,无法有效地完成动态的安全保障。这种网络安全研究虽然很重要,但很少有人关注攻击者和防御者之间的动态交互。针对网络攻防环境下防御策略选择的安全性问题,基于攻防双方的有限理性,本文建立了不完全信息场景下的贝叶斯进化博弈模型。博弈过程经过多次迭代,最终达到动态均衡状态。同时,我们将纳什均衡的静态分析扩展到动态演化过程。主要目的是选择最优的安全防御策略,提高防御决策的动态分析效率,增强防御态势的预测能力。

    一种基于混沌映射的二维码并行生成方法

    公开(公告)号:CN109858588A

    公开(公告)日:2019-06-07

    申请号:CN201910013696.4

    申请日:2019-01-08

    Abstract: 本发明提供了一种基于混沌映射的二维码并行生成方法,客户端与服务器端通过消息传递接口函数(MPI)进行交互。客户端通过MPI函数向服务器发出QR码请求并通过MPI函数将信息源传送给服务器;服务器受理客户端请求并将信息源接收完毕后,先通过处理器核心的两个线程以及Logistic混沌映射和分段线性混沌映射将包含信息源的数据码字进行干扰从而并行生成混沌随机比特序列,然后,通过处理器核心的多个线程对QR码的不同区域并行填充,在填充数据与纠错码区域时,将所述区域分成左区和右区,与剩下的区域一同并行填充,最后,将组装成的QR码存放到动态缓冲区中,通过MPI函数将QR码发送给客户端。

    基于可扩展精度混沌类遗传性的软件序列码生成方法

    公开(公告)号:CN106033504A

    公开(公告)日:2016-10-19

    申请号:CN201510104571.4

    申请日:2015-03-11

    Abstract: 本发明公开了一种基于可扩展精度混沌类遗传性的软件序列码生成方法,可扩展精度混沌的轨道的基本结构包括根基因位,通用基因位和独立基因位,其步骤为:第一步,确定输出软件序列码的长度,批量序列码的数量,确定根基因位和通用基因位,并转化为小数作为Logistic方程的x0初始值,确定控制参数的数值;第二步,利用低位迭代法进行计算,在没有达到指定精度之前,一直进行迭代;当达到指定精度之后,输出低位迭代法得到的序列;第三步,将相应的输出序列写入软件数据文件中,作为软件序列码,重复第二步,直到满足所指定的批量序列码的数量。本发明利用了独立基因位的稳定周期和随机多样性的特点,适合于保护计算机软件的合法使用。

    基于公有云和混沌序列的程序文档版本管理的方法

    公开(公告)号:CN115221328A

    公开(公告)日:2022-10-21

    申请号:CN202210983364.0

    申请日:2022-08-16

    Abstract: 本发明提供一种基于公有云和混沌序列的程序文档版本管理的方法,具体为:1.程序文档分为全局程序文档和模块程序文档,它们存储在公有云中,合法用户在授权进入公有云后提供存储、转发、收发程序文件功能;2.通过AC串匹配算法自动进行程序文档的内容比对,记录程序文档内容变化,利用Logistic映射产生混沌序列生成程序文档的数字文件指纹;3.程序文档的版本按照技术性、标准化、接口性、兼容性、质量保证分为五级,通过拟合计算获得有效的评价值。本发明通过对程序文档的分类更加明确了软件工程中代码文件管理内容,公有云有利于程序文档的版本维护;本发明实现了程序文档版本的管理与评价,对改进软件系统提供了有益的参考。

    一种基于贝叶斯决策网络的网络态势感知方法

    公开(公告)号:CN114465758A

    公开(公告)日:2022-05-10

    申请号:CN202111568625.4

    申请日:2021-12-14

    Abstract: 一种基于贝叶斯决策网络进行网络态势感知的方法。在进行网络风险管理的过程中,使网络安全级别始终保持在可以接受的范围内是一个难以解决的问题。为了解决这个问题,我们使用了基于贝叶斯决策网络的网络态势感知方法。首先,结合系统日志、IDS监测数据以及一些设备的基础信息,获取影响网络安全状况的网络态势指标,构建贝叶斯决策网络模型。使用固有、时间和环境因素计算漏洞利用概率和漏洞利用对网络资产的影响。在评估网络态势的过程中,即使在预算有限的情况下,也可以使用改进的贝叶斯方法进行成本效益分析,并得到提高网络安全水平的对策的最佳子集。本发明能够通过精确的评估和适当的风险缓解,使网络安全水平得到显著提高。

    一种基于进化博弈论的多阶段动态防御的方法

    公开(公告)号:CN113553591A

    公开(公告)日:2021-10-26

    申请号:CN202110717786.9

    申请日:2021-06-28

    Abstract: 一种基于进化博弈论的多阶段动态防御的方法,在动态对抗网络中,选择最优防御策略是一个困难的问题。要解决这个问题,我们从攻击者和防御者双方的现实有限理性出发。首先,结合不完全信息博弈场景,建立贝叶斯攻防进化博弈模型。同时,将攻防双方的类型集和策略集的能力扩展到任意n,使他们拥有多层次的攻击/防御策略,也考虑到了防御信号的影响作用。攻防双方通过不断学习调整自己的策略。博弈过程经过多次迭代,最终达到动态均衡状态。通过计算攻防策略的成本/收益。得出最优防御策略。本发明能够选择出最优的安全防御策略,提高了防御决策的动态分析效率,增强了防御态势的预测能力。

    一种降低通信次数的高效异步联邦学习方法

    公开(公告)号:CN113095407A

    公开(公告)日:2021-07-09

    申请号:CN202110398414.4

    申请日:2021-04-12

    Abstract: 本发明涉及一种降低通信次数的高效异步联邦学习方法。本发明首先设计了一个随版本陈旧度自适应变化的超参数r,降低了版本陈旧度给异步联邦学习带来的误差并引导模型收敛;并且针对联邦学习通信量大的问题,通过在前期增大学习率和减小本地轮数,然后逐渐减小学习率增大本地轮数,能在有效减少模型训练的总通信回合数的情况下同时保证模型的性能基本不变,使系统更好的进行异步联邦学习。

Patent Agency Ranking