-
公开(公告)号：CN104683316A
公开(公告)日：2015-06-03
申请号：CN201310641911.8
申请日：2013-11-26
Applicant: 宁波大学
Inventor： 钮俊
Abstract: 本发明涉及一种组合Web服务功能与性能统一的验证方法，包括以下步骤：a.根据组合Web服务需求，进行任务划分，构建侯选服务库；b.根据扩展BPEL4WS，设计组合服务流程脚本模型；依据服务执行情况划分状态空间，计算参数，将脚本描述转化为连续时间Markov回报过程；c.基于扩展asCSL时态逻辑，描述功能与性能统一的验证性质；d.将时态逻辑公式中的正则式转化为非确定有穷自动机，求其与组合Web服务连续时间Markov回报过程的积模型，并对满足正则约束的路径集合进行标注；e.在积模型中运用随机模型检测技术进行可达分析，计算的概率值，从而获得性质的可满足状态集。本发明能在设计时给出组合Web服务功能与性能统一的可信保证。
-
公开(公告)号：CN117113814B
公开(公告)日：2024-08-30
申请号：CN202310974634.6
申请日：2023-08-04
Applicant: 宁波大学
IPC: G06F30/27 , G06N3/126 , G06F111/04 , G06F111/06
Abstract: 本发明涉及选址优化技术领域，具体而言，涉及一种基于差分进化的约束多模态多目标选址优化方法；本申请的方法采用动态物种策略将种群划分为多个物种，每一个物种负责搜索不同的等效选址位置，其中物种数量动态变化可以提升种群的收敛速率；该方法还采用差分进化方法对每一个物种进行演化更新，并采用约束非支配排序方法和拥挤距离处理约束多模态多目标选址优化中的约束条件；为了进一步平衡选址位置的多样性、收敛性与可行性，本申请的方法将每一个物种和其邻居物种构建环形拓扑结构，以搜索更多等效的选址位置，并提供多样且等效的选址方案，解决了现有技术选址过于单一的问题。
-
公开(公告)号：CN117689092A
公开(公告)日：2024-03-12
申请号：CN202311482987.0
申请日：2023-11-09
Applicant: 宁波大学
IPC: G06Q10/047 , G06N3/126
Abstract: 本发明公开了一种基于动态排序的约束多模态多目标路径优化方法，涉及路径优化领域，生成包括可连通的N个路径个体的第一路径种群及第二路径种群，确定当前迭代次数下用于平衡约束质量与收敛质量冲突的第一权重及第二权重，根据预设协同进化策略、第一权重及第二权重对第一路径种群及第二路径种群进行协同迭代，该策略根据待求解模型的目标函数及约束条件设定以迭代出在满足约束条件的基础上更满足目标函数的优化目标的第一路径种群，在达到预设迭代终止条件时，确定此时第一路径种群中的N个路径个体为N条等效最优路径。本申请平衡了路径的可行性与收敛性之间冲突，提供了多条等效最优路径供决策者选择，利于实际路径优化应用。
-
公开(公告)号：CN117113815A
公开(公告)日：2023-11-24
申请号：CN202310974656.2
申请日：2023-08-04
Applicant: 宁波大学
IPC: G06F30/27 , G06F18/23 , G06N3/126 , G06F111/06 , G06F111/04
Abstract: 本发明涉及选址优化技术领域，具体而言，涉及一种基于聚类的约束多模态多目标进化优化方法，本申请采用聚类方法将种群pop自动划分为若干个子种群Ci，而每一个子种群Ci负责搜索不同的约束等效帕累托解集，提升了解集的多样性，其中聚类方法并不涉及任何参数，因此可以减少聚类参数对本申请解决约束多模态多目标优化问题中性能的影响；通过对获取的第一集合和第二集合中每一个个体的总体质量评价指标来对比相应的邻居个体的总体质量评价指标，以筛选优越个体，并通过反复的独立进化迭代搜索帕累托最优解集，即种群pop’，这大大提升了种群的收敛性。
-
公开(公告)号：CN110022360A
公开(公告)日：2019-07-16
申请号：CN201910237244.4
申请日：2019-03-27
Applicant: 宁波大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于软件定义网络架构的工业物联网系统，其特征在于：包括基于软件定义的控制服务器，所述控制服务器包括任务分解与服务编排模块、服务描述库、服务发现模块和服务更新与部署模块，其中任务分解与服务编排模块用于接收任务需求，将任务需求分解成多个子任务，分解后的每个子任务分别一一对应不同的物理实体服务或虚拟实体服务或应用服务，然后根据不同子任务的实现目标，将与其一一对应的物理实体服务或虚拟实体服务或应用服务编排起来，形成完成任务需求指定目标的业务流；服务发现模块找到完成不同子任务所需要的物理实体服务或虚拟实体服务或应用服务。本发明易于实现工业物联网系统中海量实体服务高效管理，且易于构建。
-
Patent Agency Ranking
公开(公告)号：CN108737148A
公开(公告)日：2018-11-02
申请号：CN201710280064.5
申请日：2017-04-18
Applicant: 宁波大学
Inventor： 钮俊
CPC classification number: H04L41/50 , G06F8/313 , H04L41/145 , H04L41/5009 , H04L41/5041 , H04L67/02 , H04L67/16
Abstract: 本发明涉及一种组合物联网服务功能与性能统一的可信验证方法，包括以下步骤：a.根据组合物联网服务需求，进行任务划分，构建侯选服务库；b.基于扩展BPEL，设计组合服务脚本；依据服务执行情况划分状态空间，计算参数，将脚本描述转化为连续时间Markov回报过程；c.基于扩展asCSL时态逻辑，描述功能与性能统一的验证性质；d.将逻辑公式中的正则式转化为非确定有穷自动机，求其与组合物联网服务连续时间Markov回报过程的积模型，并对满足正则约束的路径集进行标注；e.在积模型中运用模型检测技术进行可达分析，计算概率值，从而获得可满足状态集。本发明能在设计时给出组合物联网服务功能与性能统一的可信保证。
-
公开(公告)号：CN119312988A
公开(公告)日：2025-01-14
申请号：CN202411833471.0
申请日：2024-12-13
Applicant: 宁波大学
Abstract: 本发明提供了一种基于强化学习的多模态多目标堆场选址优化方法，包括：步骤S1，获取堆场选址坐标形成第一种群；步骤S2，获取小生境集合和第一数据集种群；步骤S3，判断训练样本数量是否小于预设阈值：若是则转向步骤S4；若否则转向步骤S5；步骤S4，进化更新第一种群并同步更新得到第二数据集种群；步骤S5，建立强化学习模型并利用训练样本进行训练；步骤S6，根据训练结果筛选得到最优小生境策略并进化更新第一种群得到第二种群；步骤S7，判断是否满足进化迭代停止条件：若是则输出第二种群作为多模态多目标堆场选址优化结果；若否则返回步骤S3。有益效果是本发明能够实现根据多模态堆场选址场景进行堆场选址优化，提升堆场选址优化效率。
-
公开(公告)号：CN117689092B
公开(公告)日：2024-11-26
申请号：CN202311482987.0
申请日：2023-11-09
Applicant: 宁波大学
IPC: G06Q10/047 , G06N3/126
Abstract: 本发明公开了一种基于动态排序的约束多模态多目标路径优化方法，涉及路径优化领域，生成包括可连通的N个路径个体的第一路径种群及第二路径种群，确定当前迭代次数下用于平衡约束质量与收敛质量冲突的第一权重及第二权重，根据预设协同进化策略、第一权重及第二权重对第一路径种群及第二路径种群进行协同迭代，该策略根据待求解模型的目标函数及约束条件设定以迭代出在满足约束条件的基础上更满足目标函数的优化目标的第一路径种群，在达到预设迭代终止条件时，确定此时第一路径种群中的N个路径个体为N条等效最优路径。本申请平衡了路径的可行性与收敛性之间冲突，提供了多条等效最优路径供决策者选择，利于实际路径优化应用。
-
公开(公告)号：CN117113814A
公开(公告)日：2023-11-24
申请号：CN202310974634.6
申请日：2023-08-04
Applicant: 宁波大学
IPC: G06F30/27 , G06N3/126 , G06F111/04 , G06F111/06
Abstract: 本发明涉及选址优化技术领域，具体而言，涉及一种基于差分进化的约束多模态多目标选址优化方法；本申请的方法采用动态物种策略将种群划分为多个物种，每一个物种负责搜索不同的等效选址位置，其中物种数量动态变化可以提升种群的收敛速率；该方法还采用差分进化方法对每一个物种进行演化更新，并采用约束非支配排序方法和拥挤距离处理约束多模态多目标选址优化中的约束条件；为了进一步平衡选址位置的多样性、收敛性与可行性，本申请的方法将每一个物种和其邻居物种构建环形拓扑结构，以搜索更多等效的选址位置，并提供多样且等效的选址方案，解决了现有技术选址过于单一的问题。
-
公开(公告)号：CN116684911A
公开(公告)日：2023-09-01
申请号：CN202310507508.X
申请日：2023-05-08
Applicant: 宁波大学
IPC: H04W24/08 , H04L43/0876 , H04L43/0882
Abstract: 本发明提供了一种基于模型检测的网络流量时空特征挖掘方法，包括：步骤S1，以每个蜂窝网络系统小区的宏基站为中心将每个蜂窝网络系统小区分别构建为六边形单元得到闭包空间；步骤S2，基于闭包空间和蜂窝流量数据构建得到多组网络空间模型，并根据每组网络空间模型对应的时空快照构建得到时空快照模型；步骤S3，基于Kripke结构，根据时空快照模型构建得到网络时空模型；步骤S4，为STMCP时空模型检测器添加多个时空性质规约；步骤S5，将网络时空模型输入至STMCP时空模型检测器中得到对应的网络流量异常特征挖掘结果。有益效果是本发明能够简化分析流程并精确寻找到网络流量异常特征。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.04 seconds)
