针对多重网络结构化工业系统的多模式协同方法及系统

    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

    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。

    一种带有隐私保护的多重产业链网络中企业收益评估方法

    公开(公告)号:CN118115041A

    公开(公告)日:2024-05-31

    申请号:CN202410317009.9

    申请日:2024-03-20

    Applicant: 东南大学

    Abstract: 本发明提供了一种带有隐私保护的多重产业链网络中企业收益评估方法,可在保护敏感数据的前提下,获得多重产业链中各企业的收益值。首先,依据企业供应、合作和竞争关系将产业链分为三层网络,其中供应和合作层有企业联盟,联盟内部可以共享敏感数据,竞争层没有联盟,只共享公开数据;然后,为了挖掘企业收益特征,对有联盟层使用模糊聚类和水平联邦学习,对无联盟层基于共享数据使用模糊聚类,结果用隶属度矩阵表示;最后,聚合三个网络层的隶属度矩阵获得企业总隶属度矩阵,并训练TSK型模糊推理规则,得到企业收益评估模型。本发明仅在联盟内部使用敏感数据,可以实现最大限度地利用已知信息并且保护数据隐私,同时达到准确预测企业收益值的目的。

    一种适用于多重产业链的企业协作团体发现系统及方法

    公开(公告)号:CN116776180A

    公开(公告)日:2023-09-19

    申请号:CN202310633896.6

    申请日:2023-05-31

    Applicant: 东南大学

    Inventor: 蒋嶷川 胡相慧

    Abstract: 本发明公开了一种适用于多重产业链的企业协作团体发现系统及方法,其中系统包括企业特征提取模块和多视图聚类模块,企业特征提取模块通过非负矩阵因子分解技术实现;多视图聚类模块包含固有特征和拓扑特征的两类可见‑隐形视图的加权整合、基于个体的空间拓扑关系以及通过模糊划分得到的个体的从属模式趋向的多视图学习约束。本发明可同时挖掘企业两类可见‑隐形视图信息,包括固有特征视角特有(可见的)和共享(隐形的)信息,以及企业连接关系带来的拓扑特征视角特有(可见的)和共享(隐形的)信息,并完成了两类视角的合作学习,获得较好的企业协作团体发现结果。

    针对多重网络化工业软件的关键组件识别方法及系统

    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。

    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

    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

    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。

    针对多重工业链网络中工业智能体的可靠联盟形成方法及系统

    公开(公告)号:CN120031524A

    公开(公告)日:2025-05-23

    申请号:CN202510178451.2

    申请日:2025-02-18

    Abstract: 本发明公开了一种针对多重工业链网络中工业智能体的可靠联盟形成方法及系统,首先建立多重工业链可信度影响模型,使用情境可信度对当前工业智能体的可信度进行评估,利用情境资源满足度衡量该工业智能体的任务匹配度;再计算每个工业智能体的联盟优先级,根据联盟成功率最大化这一启发式因子,依次对联盟进行优化扩展,直至满足任务资源需求;最后根据任务的执行结果,调整工业智能体的可信度。本发明方法具有很强的自适应性和鲁棒性,达到提高了工作效率,降低了联盟合作成本,提升了联盟的可靠性。

    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

    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

    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。

Patent Agency Ranking