-
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：CN116843048A
公开(公告)日：2023-10-03
申请号：CN202210383256.X
申请日：2022-04-13
Applicant: 广州博通信息技术有限公司 , 东南大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q40/12 , G06Q30/0202 , G06Q50/04
Abstract: 工业生产所调度的各个组件往往处在不同的网络中。因此是一个在多重网络下的调度。如图1所示，多重网络的垂直层各网络存在时间或者模态上的相互影响。在工业4.0中，工业生产往往呈现出复杂化、动态变化的特点。有些组件生产成本随时间动态变化，传统的固定次序或者优先级的生产调度策略，孤立考虑各个网络，追求单一网络利益最大化的调度策略往往陷入局部最优解。根据以上工业软件组件调度存在问题，提出以下调度策略：(1)组件生产成本预测；(2)基于预测的组件生产成本，考虑组件所在网络间的相互影响，决策组件获取调度时间片的时刻以及大小。
-
公开(公告)号：CN116862037A
公开(公告)日：2023-10-10
申请号：CN202210363976.X
申请日：2022-04-08
Applicant: 广州博通信息技术有限公司 , 东南大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06
Abstract: 在垃圾处理系统中，能源管理是指动态调整不同时刻系统对能源的需求情况，在电价高峰期减少能源消耗，低谷期提升能源消耗，可以实现垃圾处理工业系统能源成本的优化。如今现代化的工业系统通常由复杂的多重工业任务网络组成，以往只考虑单层网络单个系统的需求响应技术在应对多重网络环境时无法达到很好的降低能源成本的效果，甚至会带来整体系统任务完成时间推迟等负面效果。提出了一种多重网络化垃圾处理能源管理优化技术，该方法将多重工业网络需求响应能源优化技术分为层间需求响应和层内需求响应阶段，可以在不影响每日任务完成量需求的情况下，在多重网络下的垃圾处理系统中提升总体任务执行效率。
-
公开(公告)号：CN116820731A
公开(公告)日：2023-09-29
申请号：CN202210201046.4
申请日：2022-05-16
Applicant: 广州博通信息技术有限公司 , 东南大学
IPC: G06F9/50
Abstract: 在多重工业网络情境下，各网络层、各组件之间的负载平衡对工业系统完成任务的效率至关重要。本专利提出了一种自适应的组件间任务调配方法解决多重工业网络中的负载平衡问题。在该方法中，如果需要调配的组件及其相邻组件所在层的平均负载小于其所在层的平均负载，则进行层间调配，实现网络层间的负载均衡；如果不需要层间调配且自身负载超过所在层的平均负载，则进行层内的任务调配，实现同层组件间的负载平衡。应用此任务调配方法的工业系统，尽可能避免了由于网络层负载不均衡造成系统完成任务超时的情况。与传统任务调配方法相比，该方法在多重工业网络情境下的适应性更好。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.031 seconds)
