多智能体在物理空间中的成形方法

    公开(公告)号:CN113936115B

    公开(公告)日:2024-10-29

    申请号:CN202111241097.1

    申请日:2021-10-25

    Applicant: 北京大学

    Abstract: 本发明公开了一种多智能体在物理空间中的成形方法,应用于智能体系统的分布式控制技术领域,具体步骤包括如下:将连续的物理空间离散化为网格空间,并定义多智能体成形问题;每一个智能体向协调器报告在网格空间中的位置;在接收到每个智能体的位置后,协调器获取每个位置的系统状态;开始迭代,在每一轮迭代中,每一个智能体顺序执行1)局部光场计算;2)优先级队列生成;3)确定下一时刻的位置;4)移动到下一位置;当所有智能体都占据目标形状中的一个网格;或者目标形状中的每一个网格都被一个智能体占据,迭代结束。本发明公开了一种高效、可拓展和稳定的多智能体在物理空间中的成形方法。

    一种迭代式图对齐方法
    22.
    发明公开

    公开(公告)号:CN114187457A

    公开(公告)日:2022-03-15

    申请号:CN202111544072.9

    申请日:2021-12-16

    Applicant: 北京大学

    Abstract: 本发明公开了一种迭代式图对齐方法,涉及图结构数据自动对齐相关技术领域,具体步骤为:获取拓扑图,获得任意两幅待对齐的拓扑图之间的初始对齐关系;计算任意两幅待对齐的拓扑图中任一节点关于初始对齐关系的上下文;求取任意两幅待对齐的拓扑图中任意一对相同类型的节点之间的相似度;计算任意两幅待对齐的拓扑图中任一类型的节点的平均相似度;获得任意两幅待对齐的拓扑图中任一类型的节点之间的对齐关系;形成任意两幅待对齐的拓扑图的对齐关系;判断是否继续进行迭代计算;本申请显式考虑拓扑图中节点的类型信息以及节点与拓扑图中其他节点之间的关系,提高了拓扑图对齐的准确度。

    多智能体在物理空间中的成形方法

    公开(公告)号:CN113936115A

    公开(公告)日:2022-01-14

    申请号:CN202111241097.1

    申请日:2021-10-25

    Applicant: 北京大学

    Abstract: 本发明公开了一种多智能体在物理空间中的成形方法,应用于智能体系统的分布式控制技术领域,具体步骤包括如下:将连续的物理空间离散化为网格空间,并定义多智能体成形问题;每一个智能体向协调器报告在网格空间中的位置;在接收到每个智能体的位置后,协调器获取每个位置的系统状态;开始迭代,在每一轮迭代中,每一个智能体顺序执行1)局部光场计算;2)优先级队列生成;3)确定下一时刻的位置;4)移动到下一位置;当所有智能体都占据目标形状中的一个网格;或者目标形状中的每一个网格都被一个智能体占据,迭代结束。本发明公开了一种高效、可拓展和稳定的多智能体在物理空间中的成形方法。

    非功能需求实现策略的量化选择方法

    公开(公告)号:CN104765602B

    公开(公告)日:2019-01-18

    申请号:CN201510119570.7

    申请日:2015-03-18

    Applicant: 北京大学

    Abstract: 本发明提供一种非功能需求实现策略的量化选择方法,其包括:建立一量化选择平台,该平台的支撑工具分为四层:界面层、数据层、功能层和接口层;问题图建模,通过鼠标点击平台的工具绘图区域,选取相应的建模元素,然后点击画布生成相应建模元素,在画布上进行问题框架方法中问题图的建模;在建模得到问题图的基础上,实现系统行为模型的建模;非功能需求驱动的系统行为扩展,采用基于模式的方法来在非功能需求的驱动下进行系统行为扩展;操作策略的量化选择,根据非功能需求,针对操作策略进行选择。本发明可以根据多种量化的因素,在非功能需求的指导下,从众多备选的实现策略中选取一组实现策略,使得非功能需求的满足程度达到最优。

    一个基于强化学习的自适应规则的生成和管理框架

    公开(公告)号:CN105956680A

    公开(公告)日:2016-09-21

    申请号:CN201610239316.5

    申请日:2016-04-18

    Applicant: 北京大学

    CPC classification number: G06Q10/04

    Abstract: 本发明公开了一种基于强化学习的生成和管理自适应规则的框架。该框架在自适应场景和强化学习算法之间建立起映射关系,它包括设计和运行两个阶段的活动:设计阶段使用强化学习算法,针对多个具有代表性的目标设定分别生成自适应规则;运行阶段利用基于案例的推理找到并激活最适合当前目标设定的自适应规则,同时使用强化学习算法不断更新自适应规则。本发明的技术效果在于能够改善传统的基于规则的自适应方法:1、提供了一种自适应规则的自动生成算法,能够保证生成的规则与目标相匹配;2、提供了一种自适应规则的演化算法,能够使得规则集在目标发生变化后进行与之相匹配的演化。

    一种调光玻璃及其制备方法
    26.
    发明公开

    公开(公告)号:CN119126442A

    公开(公告)日:2024-12-13

    申请号:CN202411324988.7

    申请日:2024-09-23

    Applicant: 北京大学

    Abstract: 本申请公开了一种调光玻璃及其制备方法,属于玻璃技术领域。调光玻璃包括第一玻璃基板、第一金属层、第一取向层、染料液晶层、第二取向层、第二金属层、第二玻璃基板和环胶层;第一玻璃基板上设置第一金属层,第一金属层上设置第一取向层得到第一合板;第二玻璃基板上设置第二金属层,第二金属层上设置第二取向层得到第二合板;第一合板的第一金属层和第二合板的第二金属层之间灌注染料液晶层;染料液晶层外圈设置环胶层,环胶层用于将第一合板和第二合板粘结;第一金属层和第二金属层厚度为5nm~20nm,所用金属具有近红外反射效果。本申请的调光玻璃不存在局部黑斑不良,调光均匀,制造时良品率高。

    软件可信度的定量计算方法

    公开(公告)号:CN102982231B

    公开(公告)日:2015-09-02

    申请号:CN201210425731.1

    申请日:2012-10-30

    Applicant: 北京大学

    Abstract: 一种软件可信度的定量计算方法,其包括:定义可信度、服务质量、质量属性、质量属性指标。通过把当前质量属性中包含的每个质量属性指标的实际取值对期望取值的满足程度进行加权求和,产生一个取值范围在[0,1]之间的反映当前质量属性的实际取值对期望取值的满足程度的实数。通过把服务质量中包含的每个质量属性的实际取值对期望取值的满足程度进行加权求和,产生一个取值范围在[0,1]之间的反映软件可信度的实数。本发明可以对同一应用领域中的不同软件系统在特定应用环境中的可信度的高低进行定量比较,为用户对特定软件系统的选择提供依据。

    软件质量需求建模和推理方法

    公开(公告)号:CN103399740A

    公开(公告)日:2013-11-20

    申请号:CN201310306158.7

    申请日:2013-07-19

    Applicant: 北京大学

    Abstract: 本发明提供一种软件质量需求建模和推理方法,用于提供一种面向软件质量需求的形式化建模、自动推理和分析平台rΣ,其包括以下步骤:设定相关概念;图形化建模,点击rΣ绘图区域,选取相应的建模元素,然后点击画布生成相应建模元素;形式化建模,根据面向软件质量需求目标建模语言Σ的语义和语法设计;策略评估,以确定实现策略是否是一个可接受的策略;策略发掘,以检查所有可能的设计选项的组合,并把这些策略按照根节点的满足状态分类;模型扩展,以捕捉不同建模结果之间的关联关系。本发明可以生成文本格式的质量需求建模结果。同时不再需要人工交互。另外支持对质量需求实现策略的多目标决策,可以捕获模型之间的相互依赖关系。

Patent Agency Ranking