-
公开(公告)号：CN119806834A
公开(公告)日：2025-04-11
申请号：CN202411925318.0
申请日：2024-12-25
IPC: G06F9/50
Abstract: 本发明公开了一种针对多重网络结构化工业系统的多模式协同方法及系统，首先根据工业智能体与智能体集群在不同网络层中的多重关系进行建模，将多重网络结构化工业系统建模为多层无向网络；定义智能体及智能体集群负载状态模型和任务模型，输入任务激增量并更新承担该任务的智能体负载状态；为了灵活调整网络层间的资源负载，本方法通过分析任务的异质性以及网络层的实时负载情况，动态确定层间协同负载系数；最后，综合考虑协同成本与关键智能体的风险，选择最优的协同策略，通过不同智能体、集群和网络层之间的动态交互实现多模式的协同，优化系统的负载分配与资源调度，解决工业系统中任务激增导致的异常，实现多模式协同。
-
公开(公告)号：CN118114004A
公开(公告)日：2024-05-31
申请号：CN202410317006.5
申请日：2024-03-20
Applicant: 东南大学
IPC: G06F18/20 , G06Q10/067
Abstract: 本发明公开了一种适用于多重产业链企业关系网络的关键节点识别系统及方法，其中系统主要分为四个计算模块：节点影响范围、网络层重要程度、基于联盟的节点重要程度以及节点综合重要程度。具体方法为：节点影响范围计算模块基于企业节点间的拓扑连接情况计算出每个企业的影响范围，在此基础上得到各节点基于动态影响范围的重要程度；网络层重要程度模块计算各个企业关系网络层的重要程度；基于联盟的节点重要程度模块根据节点的连接关系和企业间存在的联盟现象计算各节点的重要程度；节点综合重要程度模块定义了以上三个结果的综合计算公式，得到各企业节点总体的重要程度，从而识别出多重产业链企业关系网络上的关键企业节点。总体来说，本发明对企业关系的多重性和企业节点的异构性进行了建模，并在识别过程中充分考虑了联盟现象，增强了多重产业链企业关系网络上关键企业节点的识别能力。
-
公开(公告)号：CN119647037A
公开(公告)日：2025-03-18
申请号：CN202411785231.8
申请日：2024-12-06
Abstract: 本发明公开了一种针对多重网络化工业软件的关键组件识别方法及系统，首先计算各网络层上所有组件的影响半径，对每个组件计算基于动态影响范围的重要程度#imgabs0#再使用余弦相似性算法计算各组件在不同关系网络层上的多重特征向量之间的相似度#imgabs1#使用隐变量模型计算不同组件之间在不同关系网络层上的关联强度#imgabs2#再计算各网络层Gα的重要度LIα；最后基于动态影响范围的重要程度#imgabs3#不同组件间的关联强度#imgabs4#网络层Gα的重要程度LIα构造重力中心性模型，计算各组件的重要程度。并根据重要程度值排序，从而识别出多重网络化工业软件系统上的关键组件。本发明方法高效可靠，增强了多重网络化工业软件系统上关键组件的识别能力。
-
公开(公告)号：CN118227990A
公开(公告)日：2024-06-21
申请号：CN202410317011.6
申请日：2024-03-20
Applicant: 东南大学
IPC: G06F18/20 , G06Q10/067 , G06F16/901
Abstract: 本发明提供了一种适用于具有群结构的多重产业链网络中关键节点发现方法，首先，通过图论技术建模多重产业链网络为多层无向网络，企业群建模为无向子网络；其次，定义群结构模块度和群密度的计算公式；接着，由具备群落桥梁作用的节点获得全局子网络，并根据节点单群落和多群落属性划分节点局部子网络，获得节点的层内影响力；然后，定义网络层复杂性和重要度计算公式；最后，得出多层无向网络中所有节点的影响力，发现多重产业链网络中的关键企业。与传统关键节点发现方法相比，本方法综合考量了企业之间的多重连接关系以及企业群的协同效果，更符合具有企业群结构的多重产业链网络这一实际场景，从而能更准确地发现具有较高影响力的关键企业。
-
-
-
Search Results
4
records
(took 0.012 seconds)
