-
公开(公告)号:CN113495981A
公开(公告)日:2021-10-12
申请号:CN202110653288.2
申请日:2021-06-11
Applicant: 东北大学秦皇岛分校
IPC: G06F16/901 , G06F30/18 , G06F30/20
Abstract: 本发明提供一种复杂网络脆弱性和弹性关系的分析方法,涉及信息和控制技术领域。本发明在得到脆弱性与弹性的关系后,对于网络的性能多了一个衡量标准。现有的研究工作中并没有指出通过对网络加边可以降低网络的脆弱性,而通过得到的脆弱性和弹性的关系(加边使得弹性增加,脆弱性降低)这样提供了降低网络脆弱性的一种方法。此外,增强网络弹性和降低网络脆弱性都是对提高网络性能很好的指标,通过得到这个关系发现二者都可以通过对网络的轻微改动(即加少量边)实现性能的提高,这是个很好的发现。
-
公开(公告)号:CN113467242A
公开(公告)日:2021-10-01
申请号:CN202110762606.9
申请日:2021-07-06
Applicant: 东北大学秦皇岛分校
IPC: G05B13/04
Abstract: 本发明提供一种受牵制控制的时滞耦合网络系统同步域分岔分析方法,涉及复杂网络同步控制技术领域。本发明利用主稳定函数方法,分析了受牵制控制的耦合时滞网络的主稳定函数,在此函数的基础上分析了受牵制控制的耦合时滞网络的同步域的分岔行为。可应用于电力系统、因特网、神经网络、交通网络以及万维网等,还能解决社会实践中各个领域存在的问题,给人们日常生活带来便利。因此,此本发明对于复杂网络同步域的研究不仅有深刻的理论价值,而且还具有丰富的实践价值。
-
公开(公告)号:CN113009822A
公开(公告)日:2021-06-22
申请号:CN202110200402.6
申请日:2021-02-23
Applicant: 东北大学秦皇岛分校
IPC: G05B13/02
Abstract: 本发明提供一种基于权重不平衡有向网络的分布式平均跟踪方法,涉及控制和信息技术领域。首先构造描述多智能体系统的网络拓扑结构图,使每个节点代表一个智能体,每条边代表智能体间的信息交互,并获得网络拓扑结构图的权重邻接矩阵;再建立多智能体的离散时间状态方程;根据网络拓扑结构图的权重邻接矩阵、多智能体的离散时间状态方程和时变参考信号设计离散时间分布式平均跟踪算法;然后再设定每个智能体的初始状态值信息和时变参考信号信息;最后根据每个智能体的时变参考信号调节离散时间分布式平均跟踪算法中的可变参数,使每个智能体运行离散时间分布式平均跟踪算法,实现多智能体系统中所有智能体能够跟踪上一组时变参考信号的平均值。
-
公开(公告)号:CN112583633A
公开(公告)日:2021-03-30
申请号:CN202011154250.2
申请日:2020-10-26
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于粗糙信息的有向多智能体网络的分布式优化方法,涉及控制与信息技术领域。本发明只考虑了相邻节点之间的粗糙信息,且每个节点只需知道入度邻居的状态信息,尽量减少了必要条件,增强算法在实际应用中的可行性。该算法在仅获取智能体与其入度邻居之间粗糙的状态信息的情况下,仍能很好融合相邻节点信息,使节点状态收敛趋于一致,且最终收敛到近似最优解。
-
公开(公告)号:CN111884849A
公开(公告)日:2020-11-03
申请号:CN202010717851.3
申请日:2020-07-23
Applicant: 东北大学秦皇岛分校
IPC: H04L12/24
Abstract: 本发明提供一种基于谱矩的随机网络系统牵制同步稳定性分析方法,涉及控制与信息技术领域。本发明基于随机矩阵理论,从实际网络结构动态演化角度研究复杂网络的牵制同步稳定性问题,通过分析受牵制控制的随机网络的矩阵C的期望谱矩和网络结构参数,建立了随机网络系统的牵制同步与节点自身动力学、网络结构以及控制策略之间的定性与定量关系,进一步丰富和完善了复杂网络控制理论,有助于我们进一步理解现实世界中复杂网络系统结构的演化规律及其动力学机制,进而为我们设计满足期望条件的实际网络和改善实际网络系统的各种性能提供理论和方法上的指导,具有重要的经济和社会意义。
-
公开(公告)号:CN111385155A
公开(公告)日:2020-07-07
申请号:CN202010194188.3
申请日:2020-03-18
Applicant: 东北大学秦皇岛分校
IPC: H04L12/24
Abstract: 本发明提供一种基于韧性协议的分布式平均跟踪方法,涉及控制和信息技术领域。本发明在网络中攻击性智能体数量未知或者部分智能体故障的情况下,对智能体进行定义、分类,包括普通智能体、可信任智能体以及带有攻击性的智能体,普通智能体成功跟踪上可信任智能体时变参考输入信号的平均值。相比较传统的分布式平均跟踪算法,该方法具有较强的抗干扰能力和鲁棒性,免受带有攻击性智能体的干扰,普通智能体最后跟踪可信任智能体时变参考输入信号平均值的状态,使系统具有较高的安全性。
-
-
-
-
-