-
公开(公告)号：CN113112361B
公开(公告)日：2025-04-22
申请号：CN202110361436.3
申请日：2021-04-02
Applicant: 东南大学
IPC: G06Q40/04 , G06Q10/0635 , G06F16/245 , G06N5/04
Abstract: 本发明公开了一种大宗商品交易中的监管主体联盟形成方法与系统，用于大宗商品电子商务交易背景下，对交易中存在的风险形成具体的监管任务，为执行监管任务形成可提供稳定高效监管资源的监管主体联盟，根据大宗商品交易中单笔交易的基本信息与所需监管服务类型形成监管任务，通过学习历史风险交易事件建模监管资源及监管主体；针对具体的监管任务根据资源匹配求解任务分配问题，寻找可执行该任务且监管收益最高的监管主体，所有监管主体协作执行监管任务即可视为一个监管联盟，以达到对交易中风险事件执行监管以降低损失的目的。
-
公开(公告)号：CN116776963A
公开(公告)日：2023-09-19
申请号：CN202310637974.X
申请日：2023-05-31
Applicant: 东南大学
Abstract: 本发明提出了针对对抗场景下不确定性辅助任务的分层强化学习方法。首先进行上层的任务分配阶段，智能体先获取全局环境信息，然后提取出其中对自身重要的辅助任务信息，再基于此提取出重要的主要任务信息，最后结合其它智能体的信息学习出任务分配策略；然后进行下层的任务执行阶段，智能体先根据分配结果构建专属子环境，然后在子环境内学习出任务执行顺序，最后执行具体动作。本专利提出的分层强化学习算法可以更高效地帮助多智能体系统学习如何执行不确定辅助任务，通过先学习上层的多智能体不确定辅助任务分配策略，再学习下层的单智能体不确定辅助任务执行策略，分别解决不确定辅助任务对群体和个体的影响，可以有效降低问题的复杂度。
-
公开(公告)号：CN113111935A
公开(公告)日：2021-07-13
申请号：CN202110372411.3
申请日：2021-04-07
Applicant: 东南大学
Abstract: 本发明公开了一种大宗商品电子商务市场中基于交易数据实时聚类的相同交易主体判定方法，所述方法用于判断两个交易主体是否为相同交易主体，所述方法包括：对于实时到来的交易数据基于交易品种、交易时间和交易规模进行实时聚类；基于聚类结果中相同簇中的相似交易比例获得两个交易主体的交易相似度；若所述交易相似度大于相似度阈值，则判定所述两个交易主体是同一交易主体，本发明解决了传统的基于交易主体的注册信息判定相同主体的方法难以应用在大宗商品跨平台交易情景的问题，有效利用交易信息，聚集相似交易，实现从相似交易角度进行相同主体判定。
-
公开(公告)号：CN119005462A
公开(公告)日：2024-11-22
申请号：CN202411005431.7
申请日：2024-07-25
Applicant: 东南大学
IPC: G06Q10/047 , G06Q10/0631
Abstract: 本发明提出了一种基于分支定价算法的多信息采集机器人避险方法，旨在提高机器人在敌方围捕和攻击下的安全执行任务的能力。在对抗环境中，机器人执行信息采集、战场救援等危险任务。为了提高避险成功率，本发明将问题分解为采集策略和任务分配两个子问题，并提供解决方案。首先，采用分支定价算法为机器人设计避险行为策略；其次，在策略基础上，使用策略图算法优化任务分配，以获得最优避险任务分配策略。这两种算法结合考虑任务完成时间和避险增益，使机器人在相同时段内同一区域执行任务，最大化避险效益。
-
公开(公告)号：CN118966649A
公开(公告)日：2024-11-15
申请号：CN202411005438.9
申请日：2024-07-25
Applicant: 东南大学
IPC: G06Q10/0631
Abstract: 本发明提出了一种大规模无人机集群在线任务调配优化方法，包括一个在线调配框架和三种针对低优先级任务、高优先级任务、混合优先级任务的调配策略。首先，无人机被建模为智能体，大规模集群中的无人机按层次建模为网络层，并对智能体上的任务和新到来的在线任务进行建模。其次，为处理实时任务并降低开销，设计了包含任务输入预处理、计算调度、处理反馈三个阶段的在线调配框架。最后，基于框架，分别设计了被动调配策略应对低优先级任务，主动调配策略应对高优先级任务，以及主被动结合策略应对混合任务集，旨在减少调配对系统影响，提升任务成功率和完成率。
-
Patent Agency Ranking
公开(公告)号：CN118966648A
公开(公告)日：2024-11-15
申请号：CN202411005427.0
申请日：2024-07-25
Applicant: 东南大学
IPC: G06Q10/0631 , G06N3/045 , G06N3/092
Abstract: 本发明提出了一种针对多无人机集群任务迁移的混杂图注意强化学习方法。该算法基于混杂注意力机制的多智能体强化学习，通过使用混杂注意力通信机制来学习群体结构的结构影响。具体而言，每个组的领导智能体首先通过组内注意网络了解组内智能体之间的影响关系，分析在多无人机集群下的策略关联，获得每个组的动态沟通信息。随后，各智能体通过组间注意机制综合多个组间的通信信息，学习组间的动态交互，获取任务迁移策略，最终，引导智能体实现高效的任务迁移和协作。
-
公开(公告)号：CN116932217A
公开(公告)日：2023-10-24
申请号：CN202310925250.5
申请日：2023-07-25
Applicant: 东南大学
IPC: G06F9/50
Abstract: 本发明提供了一种多重网络化产业链中面向智能体动态性的自适应任务迁移方法，以解决网络层与任务不匹配导致负载不均衡、智能体过载风险的问题。首先，将多重网络化产业链上的智能体进行动态性建模，并选择网络层内的后备智能体来替换故障智能体；其次，为了解决网络层间出现负载不均衡问题，计算各网络层间的状态势场，随着势场降低的方向进行网络层间任务迁移；最后，为了减少智能体的过载风险，计算网络层内各智能体的状态势场，通过势场梯度进行网络层内的任务迁移。与传统基于单一方法任务迁移策略相比，本方法研究网络层内与网络层间任务迁移的特性，实现网络层间的负载平衡，同时能有效减少智能体过载风险，提高产业链的稳定性。
-
公开(公告)号：CN116882698A
公开(公告)日：2023-10-13
申请号：CN202310909670.4
申请日：2023-07-21
Applicant: 东南大学
IPC: G06Q10/0631 , G06Q10/1093 , G06Q50/04 , G06Q30/0201
Abstract: 本发明提供了一种多重网络化产业链中任务处理系统粗时间粒度调配优化方法，以解决其在生产过程中存在的无法满足多个网络之间的任务约束，不能有效实现多重网络产业链的全局最优解的问题。首先，根据数据规模的不同选取不同的调配方法。在小规模场景中将任务在组件中执行的决策变量构建出一棵树，通过剪枝与递归搜索得到一个最优解；在大规模场景中通过元启发式级联自适应算法对解集中的随机解进行邻域插入和交换操作，不断迭代后取得一个较优解。与传统的单层网络调度算法相比，本方法重点研究多重网络产业链的特征和数据规模的差异，尽可能降低任务处理的最大完成时间和所需要的能源成本，能在多重网络产业链结构中取得更好的调度结果。
-
公开(公告)号：CN116843108A
公开(公告)日：2023-10-03
申请号：CN202210363602.8
申请日：2022-04-11
Applicant: 广州博通信息技术有限公司 , 东南大学
IPC: G06Q10/0631 , G06Q10/04 , H02J3/06
Abstract: 随着工业任务的日趋精细复杂，以往的工业任务从单层网络向多流程化网络发展，多个工业任务流程网络即多重工业网络下的组件速率调整策略，开始呈现复杂化、动态变化的特征。在当前的多重工业网络背景下，传统单一网络根据电价波动对组件的速率调整策略，已无法实现多个网络层协作的任务成本最优目标。仅考虑单层最优的组件速率调整策略会因为忽略网络层间的关联关系而导致整体任务超时的结果。本方法解决的技术问题是：提出一种解决多重工业网络下的组件速率调度方法，针对波动的电价，考虑网络层间的约束关系并给出各网络层组件的速率调整策略，对任务时限内的执行成本进行优化。
-
公开(公告)号：CN114820173B
公开(公告)日：2025-02-18
申请号：CN202210512588.3
申请日：2022-05-12
Applicant: 东南大学
IPC: G06Q40/03 , G06Q40/04 , G06Q30/0601
Abstract: 本发明公开了大宗商品交易市场中的交易主体违约风险评估方法与系统，将交易网络中各主体之间的关系和网络溢出效应整合进对交易主体违约风险的评估。首先，系统基于市场交易数据和交易主体数据，构建交易网络；随后，分别使用单交易主体特征和交易网络特征，构建单交易主体评估模型和交易网络溢出效应评估模型；最后，对使用到的单交易主体特征和交易网络特征进行整合和选取，并基于选取出的特征构造混合模型作为最终模型，应用于系统中。基于此最终模型的交易主体违约风险评估系统，综合主体内部因素和外部市场因素，摒除了传统评估方法仅基于单交易主体特征的局限性，提升了评估效果，并能更好地适应交易市场的动态性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.022 seconds)
