CN106919998B - 一种基于aoe网络的物流模型及方法 - Google Patents
一种基于aoe网络的物流模型及方法 Download PDFInfo
- Publication number
- CN106919998B CN106919998B CN201511001569.0A CN201511001569A CN106919998B CN 106919998 B CN106919998 B CN 106919998B CN 201511001569 A CN201511001569 A CN 201511001569A CN 106919998 B CN106919998 B CN 106919998B
- Authority
- CN
- China
- Prior art keywords
- logistics
- product
- network
- node
- aoe
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000012856 packing Methods 0.000 claims description 12
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000004806 packaging method and process Methods 0.000 claims 8
- 238000010276 construction Methods 0.000 abstract description 7
- 238000013507 mapping Methods 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种基于AOE网络的物流模型及构建、物流统计、追溯、优化方法。通过抽象物流中的实体为AOE网络中的节点,对AOE网络中的节点和边与现实的物流模型进行相互映射,抽象了边的权重集合并映射为物流模型的多个属性,构建了基于AOE网络的物流模型,并提供了基于AOE网络的物流模型的统计、追溯、优化等方法和策略,实现其统计、追溯,查询,可以有效做到物流成本、线路的优化,达到负载均衡的目的。
Description
技术领域
本发明涉及物流领域,尤其涉及一种基于AOE网络的物流模型及构建、物流统计、追溯、优化方法。
背景技术
随着现代电子商务的发展,物流环节的优化、监管、追溯越来越受到重视,如何有效利用时间空间,快速统计查询,产品的快速准确追溯,以及对物流点的合理利用都是当前研究的热点问题。
现有技术中,有专利号CN200310119152.5的发明专利,其中该专利通过对企业物流、资金流的分析,从生产工艺入手掌握生产中的物流走向,并在物流中融入反映生产成本的资金流,建立反映生产成本递增的正向综合物流模型和反映盈利能力递减的逆向综合物流模型。而本发明针对物流成本的估计和优化采用基于AOE网络进行。
针对物流模型的三个主要特点,要有足够的精度,简单易用,借鉴标准方式的原则,本发明提出基于AOE网络的物流模型。首先,其具有通用性,可读性,可实现追溯和回溯;其次,其可用于估算和统计,对不同对象进行推荐或预测。
本发明主要研究利用AOE网络构建物流模型图,充分利用AOE网络的节点和边的属性,满足物流环节的多个功能,实现其统计,追溯,查询,有效的对物流环节进行优化。
发明内容
本发明的实施例提供了一种基于AOE网络的物流模型及构建、物流统计、追溯、优化方法,以有效做到物流成本、线路的优化达到负载均衡的目的。
本发明提供了如下方案:
一种基于AOE网络的物流模型,包括:
物流产品物流起始节点,其表示即将进入物流环节的各个产品pi最初状态的节点,其中,产品P={pi,i是正整数};
节点间的有向边,其表示对产品的每次操作,所述边具有权描述信息;
中间节点N,其表示每经过一次操作后的实体对象的节点;
物流产品物流结束节点,其表示若干个结束物流环节的产品pi最终状态的节点。
进一步地,所述的权描述信息具体为一个权的语义集合,包括运输方式R、起始时间ST、结束时间FT、距离D、地点A、操作类型M、成本C,符号化为E={e|e=(r,st,ft,d,a,m,c),r∈R,m∈M}。
进一步地,所述产品P自身的属性包括唯一编码、名称、重量、体积、产地、生产商、数量;所述节点N具有的属性包括重量、地点。
进一步地,所述运输方式R={海运,空运,陆运};所述操作类型M={打包,拆包,上车,下车,进库,出库}。
本发明还提供一种基于AOE网络的物流模型的构建方法,包括:
构建基本物流模型形态图,其中包括:设置物流产品物流起始节点,用于表示即将进入物流环节的各个产品pi最初状态的节点,其中,产品P={pi,i是正整数};设置物流产品物流结束节点,用于表示若干个结束物流环节的产品pi最终状态的节点;
抽象物流模型的中间节点N,其用于表示每经过一次操作后的实体对象;
抽象物流过程属性;
构建AOE物流网络模型,其中包括使用有向边表示节点间对产品的每次操作,并为所述边添加权描述信息。
进一步地,所述的权描述信息具体为一个权的语义集合,包括运输方式R、起始时间ST、结束时间FT、距离D、地点A、操作类型M、成本C,符号化为E={e|e=(r,st,ft,d,a,m,c),r∈R,m∈M}。
进一步地,所述产品P自身的属性包括唯一编码、名称、重量、体积、产地、生产商、数量;所述节点N具有的属性包括重量、地点;所述运输方式R={海运,空运,陆运};所述操作类型M={打包,拆包,上车,下车,进库,出库}。
本发明还提供一种基于AOE网络的物流模型的物流统计方法,包括在使用上述基于AOE网络的物流模型的构建方法构建完基于AOE网络的物流模型后,对该AOE网络进行物流参数的统计。
本发明还提供一种基于AOE网络的物流模型的物流追溯方法,包括在使用上述基于AOE网络的物流模型的构建方法构建完基于AOE网络的物流模型后,利用任意两个节点间路径的唯一性特点,通过搜索对产品从物流起始到结束的整个环节进行追溯。
本发明还提供一种基于AOE网络的物流模型的物流优化方法,包括在使用上述基于AOE网络的物流模型的构建方法构建完基于AOE网络的物流模型后,通过计算最关键路径对物流网络进行优化。
由上述提供的本发明的技术方案可以看出,本发明通过提出基于AOE网络的物流模型,抽象物流中的实体为AOE网络中的节点,对AOE网络中的节点和边与现实的物流模型进行相互映射,抽象了边的权重集合并映射为物流模型的多个属性,此外基于构建的AOE网络的物流模型,提出了物流模型的统计、追溯、优化等方法和策略,实现其统计、追溯,查询,可以有效做到物流成本、线路的优化,达到负载均衡的目的。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种物流模型的形态图;
图2为本发明实施例一提供的一种基于AOE网络的物流模型图;
图3为本发明实施例一提供的一种带有权重的基于AOE网络的物流模型图;
图4为本发明实施例二提供的一种基于AOE网络的物流模型的构建、物流统计、追溯、优化方法流程图。
具体实施方式
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例作进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
实施例一:
本发明实施例提供了一种基于AOE网络的物流模型,并结合图1-3对AOE网络的物流模型各部分及其含义作了详细介绍。
图1简化了物流模型,将产品进入物流环节后的走向进行了抽象,图1中圆形代表物流模型中的产品个体,方框代表打包过程,箭头所指的方向代表了物流行进的方向,经过中间框起来的步骤后,单品成功结束物流过程。
观察图1可以看到,在单品进行操作过程中,每进行一次操作就会引发一些属性的变化,如对象的运输方式、打包还是拆包、操作的起止时间、操作地点等等,这些属性从语义角度对物流的过程进行了描述。对其进行抽象,假设每个原子产品是一个节点,每经过一次操作后的实体对象也是一个节点,而每次操作可以当作是节点间的有向边,边具有权描述信息即上述的语义属性。因此可以将物流模型用AOE网络图抽象表示,生成过程为:每经过一次打包或拆包,就增加一个方形的节点,根据产品在现实中的打包,扫描,上车下车流程,每经过一次打包操作,都存在着运输方式、打包时间、打包地点、从上一个过程到该过程的距离、其他消耗等属性,抽象的示例图如图2表示。
图2将图1的物流模型形态图抽象为基于AOE网络的物流模型图。图2中所有有向边代表了物流环节中产品pi的行进方向,以产品p1为例,经历了e1的打包过程,在节点b1处转运,后又经历e2的拆包过程,在c2节点经过e3打包后进行拆包e4操作,完成运输。
从上述分析可知,对比AOE网络和现实状态下的物流环节,用边表示执行其操作所产生的属性,图2的边具有一个权的语义集合,两类节点圆形节点代表产品表示为P,分别为物流产品物流起始节点、物流产品物流结束节点,其具有自身的属性包括唯一编码、名称、重量、体积、产地、生产商、数量等,方形节点是对上一级节点操作后的节点记为N,其具有属性重量、地点等属性,这些信息都可以在AOE网络上进行表示。
因此,本实施例中的基于AOE网络的物流模型,包括:物流产品物流起始节点,其表示即将进入物流环节的各个产品pi最初状态的节点,其中,产品P={pi,i是正整数};节点间的有向边,其表示对产品的每次操作,所述边具有权描述信息,所述的权描述信息具体为一个权的语义集合,包括运输方式R{海运,空运,陆运}、起始时间ST、结束时间FT、距离D(公里)、地点A、操作类型M{打包,拆包,上车,下车,进库,出库}、成本C(元),符号化为E={e|e=(r,st,ft,d,a,m,c),r∈R,m∈M};中间节点N,其表示每经过一次操作后的实体对象的节点;物流产品物流结束节点,其表示若干个结束物流环节的产品pi最终状态的节点。
进一步地,所述产品P自身的属性包括唯一编码、名称、重量、体积、产地、生产商、数量等属性;所述节点N具有的属性包括重量、地点等属性。
进一步地,所述运输方式R={海运,空运,陆运};所述操作类型M={打包,拆包,上车,下车,进库,出库}。
图3在图2的基础上增加了边的权重信息,其中eij=(rij,stij,ftij,dij,aij,mij,cij),以不同属性作为权重可实现不同的功能。
通过图3,可以以成本作为边的权重时可以估算其整个物流网络的成本;以其起止时间作为权重信息可以对整个网络的最长时间和最短时间进行估计,实施优化;以地点作为权重信息时可以进行负载均衡。
实施例二:
本发明实施例提供了一种基于AOE网络的物流模型的构建、物流统计、追溯、优化方法,并结合图4对上述方法的具体流程步骤作了详细介绍。
一种基于AOE网络的物流模型的构建方法,包括以下步骤:
开始;
(一)、构建基本物流模型形态图,其中包括:设置物流产品物流起始节点,用于表示即将进入物流环节的各个产品pi最初状态的节点,其中,产品P={pi,i是正整数};设置物流产品物流结束节点,用于表示若干个结束物流环节的产品pi最终状态的节点。位于物流起始节点、物流结束节点之间的部分为物流环节。
(二)、抽象物流模型的中间节点N,其用于表示每经过一次操作后的实体对象。将物流环节中的每次操作后的实体对象抽象出来,以便使物流环节具体化。
(三)、抽象物流过程属性。将物流过程中的运输方式R{海运,空运,陆运}、起始时间ST、结束时间FT、距离D(公里)、地点A、操作类型M{打包,拆包,上车,下车,进库,出库}、成本C(元)等物流参数抽象出来,使其构成一个权的语义集合符号化为E={e|e=(r,st,ft,d,a,m,c),r∈R,m∈M}。抽象产品P、节点N的属性,如产品P自身的属性包括唯一编码、名称、重量、体积、产地、生产商、数量等,节点N具有的属性包括重量、地点等。
(四)构建AOE物流网络模型,其中包括使用有向边表示节点间对产品的每次操作,并为所述边添加权描述信息。此处的权描述信息可使用步骤(三)中抽象出来的权的语义集合E进行表示。
(五)进行物流统计、追溯、优化。
结束。
其中,上述步骤(五)中的物流统计,主要包括对该AOE网络进行物流参数的统计。例如,利用AOE网络可以完成最小成本的子树,即哪些产品的运输过程耗费成本最低,耗时最短,运输路径最小等。也可找出哪些地点是最关键地点,做到有效控制物流网络的复杂。由此解决产品物流中的统计问题。
其中,上述步骤(五)中的物流追溯,主要包括在使用上述基于AOE网络的物流模型的构建方法构建完基于AOE网络的物流模型后,利用任意两个节点间路径的唯一性特点,通过搜索对产品从物流起始到结束的整个环节进行追溯。基于从物流起始到结束的整个环节信息,可以得到深度优先搜索得到任意产品的追溯信息,并由此解决产品物流中的物流追溯问题。
其中,上述步骤(五)中的物流优化,主要包括通过计算最关键路径对物流网络进行优化。例如,根据图联通特性查询任意两节点是否联通,平衡线路的繁忙还是空闲使得负载均衡。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.一种基于AOE网络的物流模型,其特征在于,包括:
物流产品物流起始节点,其表示即将进入物流环节的各个产品pi最初状态的节点,其中,产品集合记为P={pi,i是正整数};
物流产品物流结束节点,其表示结束物流环节的各个产品pi最终状态的节点;
所述产品P自身的属性包括唯一编码、名称、重量、体积、产地、生产商、数量;
产品在现实中包括打包、扫描、上车、下车等流程;
中间节点N,其表示每经过一次操作后的实体对象的节点;所述中间节点N具有的属性包括重量、地点;
节点间的有向边,其表示对所述产品的每次操作,所述边具有权描述信息;
所述的权描述信息具体为一个权的语义集合,包括运输方式R、起始时间ST、结束时间FT、距离D、地点A、操作类型M、成本C,所述运输方式R={海运,空运,陆运};所述操作类型M={打包,拆包,上车,下车,进库,出库},并符号化为E={e|e=(r,st,ft,d,a,m,c),r∈R,m∈M};
其中,与每一次打包操作对应的节点间的有向边,其权描述信息包括运输方式、打包时间、打包地点、从上一个过程到该过程的距离等属性。
2.一种基于AOE网络的物流模型的构建方法,其特征在于,包括:
构建基本物流模型形态图,其中包括:
设置物流产品物流起始节点,用于表示即将进入物流环节的各个产品pi最初状态的节点,其中,产品集合记为P={pi,i是正整数};
设置物流产品物流结束节点,用于表示若干个结束物流环节的所述产品pi最终状态的节点;
所述产品P自身的属性包括唯一编码、名称、重量、体积、产地、生产商、数量;
产品在现实中包括打包、扫描、上车、下车等流程;
抽象物流模型的中间节点N,其用于表示每经过一次操作后的实体对象的节点;
抽象物流过程属性;
构建AOE物流网络模型,其中包括使用有向边表示节点间对所述产品的每次操作,并为所述边添加权描述信息;
所述的权描述信息具体为一个权的语义集合,包括运输方式R、起始时间ST、结束时间FT、距离D、地点A、操作类型M、成本C,所述运输方式R={海运,空运,陆运};所述操作类型M={打包,拆包,上车,下车,进库,出库};并符号化为;E={e|e=(r,st,ft,d,a,m,c),r∈R,m∈M};
与每一次打包操作对应的节点间的有向边,其权描述信息包括运输方式、打包时间、打包地点、从上一个过程到该过程的距离等属性。
3.一种基于AOE网络的物流模型的物流统计方法,其特征在于,
包括在使用权利要求2所述的基于AOE网络的物流模型的构建方法构建完基于AOE网络的物流模型后,对该AOE网络进行物流参数的统计,包括:
以成本作为边的权重,估算其整个物流网络的成本;
利用AOE网络完成最小成本的子树,以确定哪些产品的运输过程耗费成本最低,耗时最短,运输路径最小;
利用AOE网络,找出哪些地点是最关键地点。
4.一种基于AOE网络的物流模型的物流追溯方法,其特征在于,
包括在使用权利要求2所述的基于AOE网络的物流模型的构建方法构建完基于AOE网络的物流模型后,利用任意两个节点间路径的唯一性特点,通过搜索对产品从物流起始到结束的整个环节进行追溯,包括:
基于从物流起始到结束的整个环节信息,深度优先搜索得到任一产品的追溯信息,以解决产品物流中的物流追溯问题。
5.一种基于AOE网络的物流模型的物流优化方法,其特征在于,
包括在使用权利要求2所述的基于AOE网络的物流模型的构建方法构建完基于AOE网络的物流模型后,通过计算最关键路径对物流网络进行优化,包括:
根据图联通特性查询任意两节点是否联通,平衡线路的繁忙还是空闲使得负载均衡;
以起止时间作为权重信息可以对整个网络的最长时间和最短时间进行估计,实施优化;以地点作为边的权重时,进行负载均衡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511001569.0A CN106919998B (zh) | 2015-12-28 | 2015-12-28 | 一种基于aoe网络的物流模型及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511001569.0A CN106919998B (zh) | 2015-12-28 | 2015-12-28 | 一种基于aoe网络的物流模型及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106919998A CN106919998A (zh) | 2017-07-04 |
CN106919998B true CN106919998B (zh) | 2021-07-06 |
Family
ID=59455267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511001569.0A Active CN106919998B (zh) | 2015-12-28 | 2015-12-28 | 一种基于aoe网络的物流模型及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106919998B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175799B (zh) * | 2019-05-05 | 2022-06-07 | 武汉理工大学 | 一种应急物资配送路径支路限流方案生成方法 |
JPWO2021054054A1 (zh) * | 2019-09-19 | 2021-03-25 | ||
CN111784246B (zh) * | 2020-07-01 | 2023-04-07 | 深圳市检验检疫科学研究院 | 物流路径的估测方法 |
CN112036932B (zh) * | 2020-08-03 | 2023-02-03 | 华人运通(上海)云计算科技有限公司 | 基于用户行为的运营推荐方法、装置、设备及存储介质 |
CN113869591A (zh) * | 2021-09-30 | 2021-12-31 | 浙江创邻科技有限公司 | 一种基于图技术的物流管理系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003069345A3 (de) * | 2002-02-12 | 2004-06-03 | Biotesys Gmbh | Analyse von proteinexpressionsmuster |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8433770B2 (en) * | 2005-07-29 | 2013-04-30 | Broadcom Corporation | Combined local and network storage interface |
CN102708243A (zh) * | 2012-05-09 | 2012-10-03 | 天津理工大学 | 基于分层有色Petri网(HCPN)的炼铁系统物流能耗模型的建模方法 |
CN103246969B (zh) * | 2013-05-07 | 2016-05-18 | 北京邮电大学 | 一种物流调配的实现方法和装置 |
CN103399868B (zh) * | 2013-07-08 | 2016-08-10 | 哈尔滨工业大学(威海) | 一种外贸物流路径的优化方法 |
CN104036379B (zh) * | 2014-06-26 | 2019-06-25 | 广东工业大学 | 求解带硬时间窗时变关联物流运输车辆路径问题的方法 |
-
2015
- 2015-12-28 CN CN201511001569.0A patent/CN106919998B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003069345A3 (de) * | 2002-02-12 | 2004-06-03 | Biotesys Gmbh | Analyse von proteinexpressionsmuster |
Non-Patent Citations (1)
Title |
---|
Research on Modeling Technology of Virtual Maintenance Process Based on Petri Net and AOE Network;Kang Xingwu;《IEEE》;20130916;第1090-1093页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106919998A (zh) | 2017-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106919998B (zh) | 一种基于aoe网络的物流模型及方法 | |
US11880250B2 (en) | Optimizing energy consumption of production lines using intelligent digital twins | |
CN105488043B (zh) | 基于Key-Value数据块的数据查询方法及系统 | |
CN103605662B (zh) | 一种分布式计算框架参数优化方法、装置及系统 | |
CN105550268B (zh) | 大数据流程建模分析引擎 | |
CN105404634B (zh) | 基于Key-Value数据块的数据管理方法及系统 | |
CN104134159A (zh) | 一种基于随机模型预测信息最大化传播范围的方法 | |
CN103678589B (zh) | 一种基于等价类的数据库内核查询优化方法 | |
CN105808553A (zh) | 数据库迁移方法及其装置 | |
CN112187554B (zh) | 一种基于蒙特卡洛树搜索的运维系统故障定位方法和系统 | |
CN103778304A (zh) | 一种机动车驱动桥的设计方法 | |
CN114730618A (zh) | 用于设计期望有机分子的有机合成途径的系统和方法 | |
CN105760443A (zh) | 项目推荐系统、项目推荐装置以及项目推荐方法 | |
CN105574541A (zh) | 一种基于紧密度排序的网络社区发现方法 | |
CN105095414A (zh) | 用于预测网络搜索量的方法和装置 | |
US20170109631A1 (en) | System and method of multi-objective optimization for transportation arrangement | |
US9020954B2 (en) | Ranking supervised hashing | |
CN104092567A (zh) | 确定用户的影响力排序的方法与装置 | |
CN104158748A (zh) | 一种面向云计算网络的拓扑探测方法 | |
US20130326048A1 (en) | Contextual network access optimizer | |
CN110737779A (zh) | 知识图谱的构建方法、装置、存储介质和电子设备 | |
Koncilia et al. | Interval OLAP: Analyzing interval data | |
CN109977131A (zh) | 一种房型匹配系统 | |
CN104050264A (zh) | 一种生成sql语句的方法和装置 | |
CN103092960A (zh) | 一种基于需求簇构建软件产品特征树模型的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |