-
公开(公告)号：CN115757897A
公开(公告)日：2023-03-07
申请号：CN202210695058.7
申请日：2022-06-20
申请人： 东北大学
IPC分类号： G06F16/9035 , G06F16/36 , G06N3/0464 , G06N3/042 , G06N3/08
摘要： 一种基于知识图卷积网络的文化资源智能推荐方法，涉及推荐系统技术领域；通过建立将知识图谱与图卷积网络算法结合的图卷积模型。自动捕获知识图谱中的高阶信息和语义信息，通过使用图卷积网络算法来自动聚合知识图谱中节点的邻域特征，知识图谱中的邻居通过用户对于关系的分数来进行加权操作，表现出知识图谱中的语义信息和用户对于关系的个性化兴趣。根据项目之间的相关性来探索它们之间的潜在联系提高推荐系统的整体性能；合理扩展用户的兴趣，增加推荐项目的多样性；知识图谱中联系用户历史浏览信息和收藏信息，为推荐提供可解释性。
-
公开(公告)号：CN115689412A
公开(公告)日：2023-02-03
申请号：CN202211038505.8
申请日：2022-08-29
申请人： 东北大学
IPC分类号： G06Q10/083 , G06Q30/0202
摘要： 本发明提供一种多周期运费定价和物流网络规划方法，涉及物流定价及网络规划技术领域。该方法获取物流规划数据库中相关业务信息；对所述业务信息进行预处理，得到模型输入数据；根据所述模型输入数据确定多周期运费定价和物流网络规划模型；根据粒子群算法和差分进化算法，得到混合元启发式算法；利用混合元启发式算法求解多周期运费定价和物流网络规划模型，得到物流规划方案；根据所述物流规划方案确定最终运费定价和物流网络规划实施方案。本发明能够在物流网络规划中根据不同类型客户行为决策运费价格，并兼顾物流运输商的选择，提高物流网络规划的实用性；并可以在保证求解质量的前提下提高规划效率，提高企业的利润。
-
公开(公告)号：CN115222127A
公开(公告)日：2022-10-21
申请号：CN202210845826.2
申请日：2022-07-19
申请人： 东北大学
摘要： 本发明提供一种考虑碳排的双目标车货匹配方法，首先获取某一时间段内货主方的订单信息和车主方的订单信息，构建车货匹配数据集，然后建立考虑碳排的双目标车货匹配优化模型，最后利用异步变化的粒子群算法求解双目标优化模型，得到最小化碳排放和最大化平台收益的车货匹配方案；本发明针对最小化总碳排量和最大化车货匹配平台收益的双目标优化模型，利用异步变化的多目标粒子群算法对解空间进行探索，将车货信息进行合理匹配，平衡好碳排放和平台收益之间的关系。使用方法简单，成本较低，可为现实中车货匹配平台的决策者提供参考意见。
-
公开(公告)号：CN115204992A
公开(公告)日：2022-10-18
申请号：CN202210830159.0
申请日：2022-07-15
申请人： 东北大学
摘要： 本发明提供一种面向物流供应链的真实多单位多属性双向拍卖方法，涉及物流供应链技术领域。本发明在全球供应链的环境下，基于可视化的第三方平台，设计一个真实的拍卖机制，为客户和物流公司提供分配方案和定价策略。平台根据历史的投标数据，为客户和物流公司提供多种投标方案；采用预匹配非价格属性的方式，解决客户对运输服务的不同需求和物流公司提供多样化运输服务问题，即多属性拍卖问题。同时，为在第一次拍卖中被淘汰的客户设置退出机制，使所有客户购买到所需的运输服务。拍卖机制满足个体理性、预算均衡和激励相容，同时满足渐进效率。本发明实现跨境的物流运输服务，使物流服务趋于自动化、便捷化。
-
公开(公告)号：CN115081989A
公开(公告)日：2022-09-20
申请号：CN202210793570.5
申请日：2022-07-07
申请人： 东北大学
摘要： 本发明提供了基于时间敏感需求在线学习的平台物流运输路径规划方法，涉及物流技术领域。该方法考虑了时间敏感需求中履约时间和需求量均值的关系、平台运作过程中产生的在线数据，能够基于在线数据实现客户时间敏感需求的在线学习，并进一步利用学习得到的时间敏感需求函数进行平台物流运输路径规划。相较于传统的运输路径规划方法，能够有效地刻画客户需求量与履约时间的关系，使得对客户需求的刻画更加精准，更有利于设计使得平台收益最大的运输路径规划方案，以及避免由于履约时间改变导致的运输路径规划方案失准；该方法与传统的运输路径规划方法相比可以不断适应变化的客户时间敏感需求，适用范围更广。
-
公开(公告)号：CN115062237A
公开(公告)日：2022-09-16
申请号：CN202210679722.9
申请日：2022-06-16
申请人： 东北大学
IPC分类号： G06F16/9536 , G06F16/958 , G06N3/04 , G06N3/08 , G06N5/02
摘要： 本发明公开了基于图神经网络和知识图谱结合的文化资源推荐方法，包括构建推荐模型MKB，将用户集U和物品集V输入至推荐模型MKB中，得到输入用户和物品交互数据和知识图谱数据，并对其进行数据预处理，获取用户、物品和知识图谱三元组信息；利用二部图神经网络提取用户向量矩阵和物品初始化向量矩阵，深度挖掘用户和物品交互数据，增强特征向量表示，同时使用知识图谱特征学习实现物品信息与知识图实体信息的交互，解决实际应用中冷启动和稀疏性问题。本发明在提取特征向量时，同时考虑用户和物品交互数据的显示和隐式关系，使得特征向量表示更加准确，并结合知识图谱技术，丰富物品特征向量信息，从而有效提高了推荐系统的性能。
-
公开(公告)号：CN112491619B
公开(公告)日：2022-04-05
申请号：CN202011366760.6
申请日：2020-11-25
申请人： 东北大学
摘要： 本发明公开了一种基于SDN的服务定制网络资源自适应分配技术，设计了基于SDN的服务定制网络资源分配机制的系统框架，主要包括拓扑管理、资源监测、服务定制和路由管理模块，并详细说明了各个模块的功能。针对网络状态动态变化的特点，设计了自适应机制，根据检测到的网络资源状况进行自适应调整，以提高网络资源利用率并适应用户更细粒度的需求情形，提高网络资源利用率，改善体验质量，实现整个网络的优化。本发明方法能够降低丢包率，提高带宽利用率，减少时间开销，提高网络资源利用率。
-
公开(公告)号：CN113050422B
公开(公告)日：2022-02-22
申请号：CN202110254680.X
申请日：2021-03-09
申请人： 东北大学
IPC分类号： G06Q10/06
摘要： 本发明提供一种基于maximin函数多目标优化算法的多机器人调度方法，涉及多机器人调度技术领域。该方法首先将多机器人任务调度问题转化为四个目标函数，并获取仓库内任务清单和机器人所处位置情况，建造数据集；根据数据集创建新型的组合染色体模型；利用maximin函数对种群中的个体进行评估，确定下一代种群的选择范围；通过maximin函数和逐一选择策略对种群进行优化；针对组合染色体模型的顺序交叉操作和单点变异操作也为种群迭代提供了更快的收敛速度；在优化过程中通过逐一选择策略改善种群中解的收敛性和多样性；通过小生境技术提供了更进一步的选择方案，实现更深入地寻找了更适合多机器人调度问题的方案。
-
公开(公告)号：CN113596868A
公开(公告)日：2021-11-02
申请号：CN202110684284.0
申请日：2021-06-21
申请人： 东北大学
摘要： 本发明公开了一种基于SDN和NFV的5G网络切片资源管理机制，主要包括如下步骤:步骤1计算综合效益；步骤2创建性能监测模块；步骤3创建网络切片，基于图论的初始解获取算法，以及基于PSO和DE算法得到启发式优化算法；步骤4在运行已创建好的网络切片过程中，根据切片运行状态适时调整网络切片；步骤5当网络切片达到生存周期，或者租户因其他原因不再需要某个切片时，采用切片回收决策。本发明能够在5G网络通信环境下兼顾运营商资源效益和用户关注的服务质量两方面综合效益，通过对网络切片资源进行高效管理，比较优选切片初始构造方案、基于实时性能反馈动态调整优化切片结构、延迟回收和复用失效切片，从而获得最大综合效益。
-
公开(公告)号：CN113596138A
公开(公告)日：2021-11-02
申请号：CN202110843043.6
申请日：2021-07-26
申请人： 东北大学
摘要： 本发明公开了一种基于深度强化学习的异构信息中心网络缓存分配方法，涉及网络缓存空间分配技术领域。具体为：将异构ICN抽象为拓扑模型；对异构ICN中动态变化的内容请求进行定义；将异构ICN的缓存空间分配问题转换为网络性能优化问题，构建网络性能优化模型，包括优化目标函数和相应的约束；对每一次内容请求应用Q学习算法，获得每个时刻的内容请求对应的网络性能最优的缓存分配方案：步将深度神经网络与Q学习算法进行接合，利用Q学习算法求解的每个时刻的内容请求对应的网络性能最优的缓存分配方案，训练出适应异构ICN动态变化的内容请求的最优缓存分配方案。可以自适应地求解出网络性能最优的缓存分配方案，更能适应动态变化的网络请求。
-
-
-
-
-
-
-
-
-
搜索结果
95 条记录 (耗时 0.112 秒)
