CN110365546A - 节点数据流的监控方法、存储介质和计算设备 - Google Patents
节点数据流的监控方法、存储介质和计算设备 Download PDFInfo
- Publication number
- CN110365546A CN110365546A CN201910779193.8A CN201910779193A CN110365546A CN 110365546 A CN110365546 A CN 110365546A CN 201910779193 A CN201910779193 A CN 201910779193A CN 110365546 A CN110365546 A CN 110365546A
- Authority
- CN
- China
- Prior art keywords
- node
- value
- rich
- poor
- local value
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0681—Configuration of triggering conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种节点数据流的监控方法、存储介质和计算设备,根据各对象的全局值选取出代表对象和异常对象;确定节点性质,在不满足第一条件的情况下跟踪监控代表对象和异常对象在各节点上的数据流,在代表对象在各节点上的局部值不为最大局部值的情况下,通过初始调整因子设定方法使代表对象在各节点上具有最大局部值;然后控制各节点实时监测其自身数据流,当代表对象在各节点上的局部值不为最大局部值时,若代表对象不具有最大全局值,则重新选取代表对象,若代表对象具有最大全局值,则通过运行调整因子设定方法使代表对象在各节点上具有最大局部值;本发明方法可以有效降低监控节点数据流的通信开销和功耗。
Description
技术领域
本发明涉及物联网技术领域,特别涉及一种节点数据流的监控方法、存储介质和计算设备。
背景技术
近年来,随着物联网技术的不断发展,物联网广泛应用于制造业供应链管理、生产线过程监控、生产设备监控、环保监测和工业生产管理等方面。无线传感网络作为物联网的主要感知网络,往往具有大量的分布式传感器节点,无线传感网络中节点的数据常常以数据流的形式源源不断传输到总控节点上,通过监测节点数据流可及时准确地发现突发事件、监测工作状况以及工作环境等。
在目前的基于物联网的资产和库存管理、工业生产中的用电量监控等监控系统中,通常是监控各个传感器节点的数据流,再由总控节点计算出监控系统总体的监控值是否已经超出安全基线,安全基线即为保证监控系统安全设定的范围。当监控值较小时,用户不关心其具体值,而只需要知道其位于安全基线以下;只有当监控值超过安全基线时,系统才跟踪其具体值。由于无线传感网络分布区域的不确定性以及传感器节点资源有限,通信开销和功耗问题往往成为限制监控系统功能和性能的主要因素,因此研究如何降低监控节点数据流的通信开销和功耗具有重要意义。
为降低节点数据流监控的通信开销,目前已有的相关研究如下:(1)Simple-value监控法:将全局基线平均分配给各个远程节点,每个远程节点维持T/n的局部基线;仅当对象的局部值超出了局部基线时,远程节点才需要与总控节点通信,然后总控节点主动获取其它远程节点上的局部值,从而可以判断全局值是否超出了全局基线。(2)Simple-rate监控法:与Simple-value监控法类似,只是远程节点不再监控局部值,而是监控局部值的变化情况。与上一个时间周期相比,若局部值的变化值超过了预设的范围则进行报告,否则就用上一个周期值和允许变化的范围进行估计,从而达到降低通信开销的目的。(3)档位监控法:为每个远程节点分配多个局部基线,代表了不同的“档”;集中式节点只需知道每个局部值所处的“档”,便可根据其上下界估算出满足精度要求的全局值。因此,只有当对象局部值从一个“档”变到另外的“档”时,远程节点才需要与集中节点通信,从而很大程度上降低通信开销。具体的档位划分方法可以是均匀档位法、按比例划分、动态档位调整等思路,尽量减少各个分布式节点超过档位的情况,进而用以进一步降低全局监控任务中的通信开销。
但是,上述已有的节点数据流监控方法存在如下问题:(1)监控通信量与安全基线之间存在线性关系,当监控对象非常多时(如当今物联网传感网监控对象数量非常庞大),调整量和调整频率都很大,因此通信开销还是很高。(2)当安全基线发生变化时,已有方法都是基于安全基线分配的,需要对安全基线进行重新分配并分发到各个远程监控节点,即整个监控系统都需要进行调整。因此,当监控系统的安全基线需要经常调整或者需要根据实际情况实时变化时,已有方法的代价还是很大。(3)各种监控方法有一定的适用范围,现有方法无法对监控系统自己的适用情况进行判断,当监控系统超过监控方法的适用范围时,容易造成不必要的通信开销。
发明内容
本发明的第一目的在于克服现有技术的缺点与不足,提供一种节点数据流的监控方法,该方法可以有效降低监控节点数据流的通信开销和功耗。
本发明的第二目的在于提供一种存储介质。
本发明的第三目的在于提供一种计算设备。
本发明的第一目的通过下述技术方案实现:一种节点数据流的监控方法,包括如下步骤:
步骤S1、获取无线传感网络中各节点上对象的初始局部值;
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象;
步骤S3、针对于代表对象所在的每个节点,确定节点的性质,节点的性质包括富裕、一般和贫困:
判断代表对象在各节点上的当前局部值是否为该节点上的最大局部值,若否,则将该节点定义为贫困节点;
若是,则获取到各节点上局部值第二大的对象,定义为比较对象;计算各节点上代表对象与比较对象两者的局部值差值;根据该局部值差值的大小确定节点为富裕节点或者一般节点;
步骤S4、计算富裕节点个数和贫困节点个数,判定是否满足以下第一条件:富裕节点个数小于第一设定值,或者贫困节点个数大于第二设定值;
若否,对代表对象和异常对象在各节点上的数据流进行跟踪监控,并且进入步骤S5;
步骤S5、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过初始调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S6;
若是,则进入步骤S6;
步骤S6、控制各节点实时监测其自身数据流,针对于每一节点,实时获取到各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S7;
步骤S7、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则返回步骤S2;
若是,则通过运行调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,然后进入步骤S6。
优选的,还包括如下步骤:设定代表对象局部值的超量β;
在步骤S3中,根据节点上代表对象与比较对象两者的局部值差值大小确定节点为富裕节点或者一般节点的具体过程如下:
将节点上代表对象与比较对象两者的局部值差值与超量β进行比较,若前者大于或等于后者,则将对应节点判定为富裕节点,若前者小于后者,则将对应节点判定为一般节点。
优选的,还包括如下步骤:所述步骤S5中通过初始调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值的具体过程如下:
步骤S51、计算全局贫困值,具体如下:
步骤S511、针对于每个贫困节点,计算局部贫困值:
B1,k=Vk,sec+β-Vk,max;
其中,B1,k为贫困节点k的局部贫困值,Vk,max为代表对象在贫困节点k上的局部值,Vk,sec为贫困节点k上比较对象的局部值,即贫困节点k上的第二大局部值;
步骤S512、将所有贫困节点的局部贫困值相加得到全局贫困值B1:
其中贫困节点的总数为K;
步骤S52、寻找需要参与调整的富裕节点,具体如下:
步骤S521、针对于每个富裕节点,计算富裕值:
B2,q=Vq,max-Vq,sec-β;
q=1,2,3,...,Q;
其中,B2,q为富裕节点q的富裕值,Vq,max为代表对象在富裕节点q上的局部值,Vq,sec为富裕节点q上比较对象的局部值;Q为富裕节点的总数;
步骤S522、针对富裕节点的富裕值按照从大到小的顺序进行排序;
步骤S523、按照富裕值从大到小的排序,将各富裕值依次累加,得到全局富裕值;在当前次累加后,若得到的当前全局富裕值大于或者等于步骤S51计算的全局贫困值,则累加计算结束,进入步骤S522;
步骤S522、将参与计算得到当前全局富裕值的富裕节点作为参与调整的富裕节点;
步骤S53、进行全局调整:
对步骤S522确定的参与调整的富裕节点上的代表对象分配调整因子:εq′=Vq′,sec+β-Vq′,max,q′∈q;其中εq′为分配给参与调整的富裕节点q′上的代表对象的调整因子,Vq′,max为代表对象在参与调整的富裕节点q′上的局部值,Vq′,sec为参与调整的富裕节点q′上比较对象的局部值;根据上述调整因子对参与调整的富裕节点上的代表对象的局部值进行调整,得到各参与调整的富裕节点上代表对象调整后的局部值:Vq′,max+εq′;
将各参与调整的富裕节点上调整时所减少的局部值作为待分配值,根据待分配值对各贫困节点上的代表对象分配调整因子:εk=B1,k;其中εk为分配给贫困节点k上的代表对象的调整因子;根据上述调整因子对各贫困节点上的代表对象的局部值进行调整,得到各贫困节点上代表对象调整后的局部值:Vk,max+εk。
更进一步的,还包括如下步骤:根据步骤S51中计算的全局贫困值和步骤S52中计算的全局富裕值计算结余值ε0,ε0为全局富裕值与全局贫困值之差,将结余值ε0预留在无线传感网络的总控节点上。
更进一步的,所述步骤S7中通过运行调整因子设定方法调整代表对象在各节点上的当前局部值的具体过程如下:
步骤S71、针对于各贫困节点,根据步骤S6实时获取到的代表对象在各贫困节点上的局部值,通过步骤S51的方式计算全局贫困值;
步骤S72、将步骤S71计算得到的全局贫困值与预留在无线传感网络的总控节点上的结余值作比较,若前者小于或者等于后者,则进入步骤S73,否则进入步骤S74;
步骤S73、将预留在无线传感网络的总控节点上的结余值减去第一值后作为预留在无线传感网络的总控节点上的新的结余值,其中第一值的大小和步骤S71中全局贫困值的大小相同;同时将在无线传感网络的总控节点上的结余值所减去的第一值作为待分配值;
根据上述待分配值为各贫困节点上的代表对象分别分配调整因子,其中分配给各贫困节点上的代表对象各调整因子分别对应等于各贫困节点上的局部贫困值;根据上述调整因子对各贫困节点上的代表对象的局部值进行调整,具体为将代表对象上局部值加上上述分配得到的调整因子;
步骤S74、通过步骤S52的方式寻找需要参与调整的富裕节点;然后通过步骤S53的方式进行全局调整;
将上述寻找参与调整的富裕节点过程中计算得到的全局富裕值减去步骤S71中得到的全局贫困值,得到结余值,将预留在无线传感网络的总控节点上的结余值更新为上述计算到的结余值。
优选的,还包括如下步骤:在对代表对象在各节点上的数据流进行跟踪监控时,判定代表对象的当前全局值是否大于预设基线T时,若是,将其定义为异常对象;然后重新执行步骤S2重新获取到代表对象;
在对各异常对象的数据流进行跟踪监控时,判定异常对象的当前全局值是否小于或者等于预设基线T时,若是,则将其重新定义为正常对象,然后重新执行步骤S2重新获取到代表对象。
更进一步的,还包括如下步骤:构建正常监控集合和异常监控集合;
在步骤S2中,将当前全局值小于或者等于预设基线T的对象定义为正常对象,加入到正常监控集合;在正常监控集合中获取到代表对象;
将定义为异常对象的对象加入到异常监控集合中;
将全局值小于预设基线T的异常对象移出异常监控集合,加入到正常监控集合中。
优选的,所述步骤S4中,若满足第一条件,即富裕节点个数小于第一设定值,或者贫困节点个数大于第二设定值,则采用档位监控法对节点的数据流进行监控。
本发明的第二目的通过下述技术方案实现:一种存储介质,存储有程序,所述程序被处理器执行时,实现本发明第一目的所述的节点数据流的监控方法。
本发明的第三目的通过下述技术方案实现:一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现本发明第一目的所述的节点数据流的监控方法。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明节点数据流的监控方法,包括:首先根据各对象的全局值选取出代表对象和异常对象;确定节点性质,在不满足第一条件的情况下跟踪监控代表对象和异常对象在各节点上的数据流,在代表对象在各节点上的局部值不为最大局部值的情况下,通过初始调整因子设定方法使代表对象在各节点上具有最大局部值;然后控制各节点实时监测其自身数据流,当代表对象在各节点上的局部值不为最大局部值时,若代表对象不具有最大全局值,则重新选取代表对象,若代表对象具有最大全局值,则通过运行调整因子设定方法使代表对象在各节点上具有最大局部值。本发明监控方法在进行监控之前先通过贫困节点和富裕节点的个数判断无线传感网络是否适用,在判断无线传感网络适用于本发明监控方法的前提下才进行监控,避免无线传感网络不适用本发明监控方法而导致监控效果差和造成不必要的通信开销。在本发明监控方法中,利用对象之间存在的相对关系选取出一个代表对象,实现了将多个对象作为整体进行统一处理,在对所有节点上的数据流进行监控时,只需对代表对象和异常对象在各个节点上的数据流进行跟踪监控,即可实现对所有对象的监控,因此监控更加方便简单;且由于选择出了代表对象进行监控,在进行监控的过程中,只需维护代表对象和其他正常对象之间的相对关系,使代表对象在各节点上具有最大局部值,保证代表对象始终能够代表其他对象即可,因此可以避免所有对象都参与调整,减少调整量,进而达到有效降低监控节点数据流的通信开销和功耗的目的,同时也更适用于监控对象数量庞大的无线传感网络。
(2)本发明节点数据流的监控方法中,先确定各个节点的性质,再通过第一条件判断无线传感网络是否适用于本发明监控方法,在满足第一条件的情况下采用其他监控方法如档位监控法进行监控,从而实现为无线传感网络选择最合适的监控方法。
(3)本发明节点数据流的监控方法中,通过将富裕节点的富裕值按照从大到小的顺序进行排序,按照排序将各富裕值依次累加得到大于或等于全局贫困值的全局富裕值,参与到全局富裕值里的富裕节点即为参与调整的富裕节点,因此只需部分富裕节点即可完成调整,使得尽量少的节点参与到调整过程中,因此减少了调整的节点数量和调整量,有利于降低通信开销和功耗。
(4)本发明节点数据流的监控方法中,在初始调整因子设定方法以及运行调整因子设定方法中,通过将参与调整的富裕节点上所减少的局部值作为待分配值,根据待分配值为贫困节点上的代表对象分配调整因子,使得各贫困节点上的代表对象调整后的局部值增大,而参与调整的富裕节点调整后的局部值减小,从而实现对局部值的合理分配,使得无线传感网络各个节点更能满足监控数据流的通信要求。
(5)本发明节点数据流的监控方法中,在无线传感网络的总控节点上预留了结余值,在运行调整因子设定方法中先判断结余值是否大于全局贫困值,从而判断出是否满足调整的要求,在满足的情况下直接通过总控节点上预留的结余值对贫困节点上代表对象的局部值进行调整,在不满足的情况下才进行重新寻找参与调整的富裕节点,因此可以进一步简化调整,减少调整量。
(6)本发明节点数据流的监控方法中,在对代表对象在各节点上的数据流进行跟踪监控时,通过比较代表对象的全局值、异常对象的全局值与预设基线的大小,将全局值大于预设基线的代表对象定义为异常对象并重新获取代表对象;将全局值小于或者等于预设基线的异常对象重新定义为正常对象并重新获取代表对象,通过实时监测代表对象和异常对象的全局值,有利于及时更新代表正常对象和异常对象的数量,从而选取出能够代表所有正常对象的最佳的代表对象,进一步提高了跟踪监控代表对象和异常对象的数据流的准确性和可靠性。
(7)本发明节点数据流的监控方法中,由于在所有对象中选择出了代表对象进行监控,因此当预设基线发生变化时,只需要向代表对象所在节点分配新调整的预设基线;如果代表对象不超过预设基线,不管预设基线发生什么变化,变大、变小、或者是动态变化的预设基线,都不需要进行全局调整;而已有的基于基线分配方法的监控,当监控基线发生变化时,需要对基线进行重新分配并分发到各个远程监控节点,即整个监控系统都需要进行调整。因此,相比于已有的监控方法,本发明监控方法能进一步减少调整量。
附图说明
图1是本发明节点数据流的监控方法的流程图。
图2是本发明初始调整因子设定方法的流程图。
图3是本发明运行调整因子设定方法的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
本发明公开了一种节点数据流的监控方法,如图1所示,包括如下步骤:
步骤S1、获取无线传感网络中各节点上对象的初始局部值。
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;本实施例具体是通过将对象在各节点上的局部值进行求和,得到该对象的全局值。比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象。
在本实施例中,根据各个对象构建正常监控集合和异常监控集合,其中,
将当前全局值小于或者等于预设基线T的对象定义为正常对象,加入到正常监控集合;在正常监控集合中获取到代表对象;
将定义为异常对象的对象加入到异常监控集合中。
当异常监控集合中的对象发生变化,出现全局值小于或者等于预设基线T的异常对象,将其移出异常监控集合,加入到正常监控集合中;
当正常监控集合中的对象发生变化,出现全局值大于预设基线T的正常对象,将其移出正常监控集合,加入到异常监控集合中。
步骤S3、针对于代表对象所在的每个节点,确定节点的性质,节点的性质包括富裕、一般和贫困:
判断代表对象在各节点上的当前局部值是否为该节点上的最大局部值,若否,则将该节点定义为贫困节点;
若是,则获取到各节点上局部值第二大的对象,定义为比较对象;计算各节点上代表对象与比较对象两者的局部值差值;根据该局部值差值的大小确定节点为富裕节点或者一般节点。
在本实施例中,还包括如下步骤:设定代表对象局部值的超量β;该值设定的目的是使得代表对象在各个节点上的局部值超过各个节点上的第二大局部值即比较对象的局部值至少β;通过设置代表对象局部值的超量β,可以使无线传感网络对各个对象数值波动范围具有一定的容忍度,减少对各个节点进行调整的频率。在本实施例中,代表对象局部值的超量β由用户自行设定,其大小的选择需要考虑到下述初始调整因子设定方法和运行调整因子设定方法在针对代表对象在各节点上的局部值进行调整时的调整频率以及每次调整所需通信开销之间的平衡,具体由用户根据实际情况进行超量β的设定。其中在初始调整因子设定方法和运行调整因子设定方法调整过程中,若把“富裕”部分尽可能分配给其他节点,则更多的调整为局部调整,因此每次调整所需的通信量较小,但这意味着远程节点的约束越严格,因此越容易违反局部约束,即会经常需要重新进行调整因子的分配。反之,把“富裕”部分多预留一部分在本地节点,则调整时可能局部调整满足不了需求,需要进行全局调整(即多个有“富裕”的节点参与调整),则调整时通信开销较大,但是远程节点打破约束的机会就越小,所以不需要经常进行调整因子的重新分配。约束指的是:代表对象在各节点上的局部值为各节点的最大局部值。
在本步骤中,上述根据节点上代表对象与比较对象两者的局部值差值大小确定节点为富裕节点或者一般节点的具体过程如下:
将节点上代表对象与比较对象两者的局部值差值与超量β进行比较,若前者大于或等于后者,则将对应节点判定为富裕节点,若前者小于后者,则将对应节点判定为一般节点。
步骤S4、计算富裕节点个数和贫困节点个数,判定是否满足以下第一条件:富裕节点个数小于第一设定值,或者贫困节点个数大于第二设定值;此处第一设定值和第二设定值均是指无线传感网络预设的限定范围,均可以用于判断无线传感网络是否适用于本实施例的监控方法。在本实施例中,第一设定值可以根据实际应用情况设定该值,一般可以设定为所有节点总数的20%~30%;第二设定值可以根据实际应用情况设定该值,一般可以设定为所有节点总数的5%~10%。
若节点满足第一条件,即富裕节点个数小于第一设定值,或者贫困节点个数大于第二设定值,则说明代表对象不能代表或者是只能暂时代表其他对象,因此无线传感网络不适用本实施例的监控方法,改为采用其他监控方法例如档位监控法对节点的数据流进行监控。
若节点不满足第一条件,即富裕节点个数大于或等于第一设定值,或者贫困节点个数小于或等于第二设定值,则说明代表对象能稳定代表其他对象,无线传感网络适用本实施例的监控方法,因此对代表对象和异常对象在各节点上的数据流进行跟踪监控,并且进入步骤S5。
其中,在对代表对象在各节点上的数据流进行跟踪监控时,判定代表对象的当前全局值是否大于预设基线T时,若是,将其定义为异常对象;然后重新执行步骤S2重新获取代表对象;在对各异常对象的数据流进行跟踪监控时,判定异常对象的当前全局值是否小于或者等于预设基线T时,若是,则将其重新定义为正常对象,然后重新执行步骤S2重新获取代表对象。
步骤S5、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过初始调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S6;
若是,则进入步骤S6。
其中,如图2所示,通过初始调整因子设定方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值的具体过程如下:
步骤S51、计算全局贫困值,具体如下:
步骤S511、针对于每个贫困节点,计算局部贫困值:
B1,k=Vk,sec+β-Vk,max;
其中,B1,k为贫困节点k的局部贫困值,Vk,max为代表对象在贫困节点k上的局部值,Vk,sec为贫困节点k上比较对象的局部值,即贫困节点k上的第二大局部值;
步骤S512、将所有贫困节点的局部贫困值相加得到全局贫困值B1:
其中贫困节点的总数为K;
步骤S52、寻找需要参与调整的富裕节点,具体如下:
步骤S521、针对于每个富裕节点,计算富裕值:
B2,q=Vq,max-Vq,sec-β;
q=1,2,3,...,Q;
其中,B2,q为富裕节点q的富裕值,Vq,max为代表对象在富裕节点q上的局部值,Vq,sec为富裕节点q上比较对象的局部值;Q为富裕节点的总数;
步骤S522、针对富裕节点的富裕值按照从大到小的顺序进行排序;
步骤S523、按照富裕值从大到小的排序,将各富裕值依次累加,得到全局富裕值;在当前次累加后,若得到的当前全局富裕值大于或者等于步骤S51计算的全局贫困值,则累加计算结束,进入步骤S522;
例如,q个富裕节点对应的q个富裕值按照从大到小的顺序排序后为:a1、a2、a3,…,aq;则将各富裕值依次累加,具体为:在第一次累加时得到的是:A1=a1+a2,在第二次累加时得到的是:A2=a1+a2+a3,在第三次累加时得到的是:A3=a1+a2+a3+a4,以此类推,在第i次累加时得到的是,Ai=a1+a2+a3+,…+ai+1,其中i为正整数,i≤q。其中当Ai大于或者等于步骤S51计算的全局贫困值,则累加计算结束。
步骤S522、将参与计算得到当前全局富裕值的富裕节点作为参与调整的富裕节点;
步骤S53、进行全局调整:
对步骤S522确定的参与调整的富裕节点上的代表对象分配调整因子:
εq′=Vq′,sec+β-Vq′,max,q′∈q;
其中εq′为分配给参与调整的富裕节点q′上的代表对象的调整因子;Vq′,max为代表对象在参与调整的富裕节点q′上的局部值;Vq′,sec为参与调整的富裕节点q′上比较对象的局部值;根据上述调整因子对参与调整的富裕节点上的代表对象的局部值进行调整,得到各参与调整的富裕节点上代表对象调整后的局部值:Vq′,max+εq′;在本实施例中,根据步骤S3可以得出,富裕节点是其上代表对象和比较对象的局部值差大于或等于超量β的节点,因此通过上述计算后,εq′为负值;即针对于富裕节点调整局部值时,实质上是将富裕节点上代表对象上的局部值减小。
将各参与调整的富裕节点上调整时所减少的局部值作为待分配值,根据待分配值针对各贫困节点上的代表对象分配调整因子:εk=B1,k=Vk,sec+β-Vk,max;其中εk为分配给贫困节点k上的代表对象的调整因子;根据上述调整因子对各贫困节点上的代表对象的局部值进行调整,得到各贫困节点上代表对象调整后的局部值:Vk,max+εk。在本实施例中,根据步骤S3可以得出,贫困节点是其上代表对象和比较对象的局部值差小于超量β的节点,因此通过上述计算后,εk为正值,即针对于贫困节点调整局部值时,实质上是增大贫困节点上代表对象的局部值。
因此,初始调整因子设定方法实际上是将代表对象的所减小的局部值分配到贫困节点,调整后的富裕节点上代表对象的局部值变小,贫困节点上代表对象的局部值增大,富裕节点上代表对象所减少的局部值等于贫困节点上代表对象所增加的局部值。其中步骤S51和步骤S52可同时执行或者前后执行。
步骤S54:根据步骤S51中计算的全局贫困值和步骤S52中计算的全局富裕值计算结余值ε0,ε0为全局富裕值与全局贫困值之差,将结余值ε0预留在无线传感网络的总控节点上。
步骤S6、控制各节点实时监测其自身数据流,针对于每一节点,实时获取到各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S7。
步骤S7、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则需要更换代表对象,返回步骤S2;
若是,则代表对象不变,通过运行调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,然后进入步骤S6。
其中,如图3所示,通过运行调整因子设定方法调整代表对象在各节点上的当前局部值的具体过程如下:
步骤S71、针对于各贫困节点,首先根据步骤S6实时获取到的各对象在各贫困节点上的局部值,然后再通过步骤S51的方式计算全局贫困值;
步骤S72、将步骤S71计算得到的全局贫困值与预留在无线传感网络的总控节点上的结余值作比较,若前者小于或者等于后者,则进入步骤S73,否则进入步骤S74;
步骤S73、将预留在无线传感网络的总控节点上的结余值减去第一值后作为预留在无线传感网络的总控节点上的新的结余值,其中第一值的大小和步骤S71中全局贫困值的大小相同;同时将在无线传感网络的总控节点上的结余值所减去的第一值作为待分配值;
根据上述待分配值为各贫困节点上的代表对象分别分配调整因子,其中分配给各贫困节点上的代表对象各调整因子分别对应等于各贫困节点上的局部贫困值;根据上述调整因子对各贫困节点上的代表对象的局部值进行调整,具体为将代表对象上局部值加上上述分配得到的调整因子;
步骤S74、通过步骤S52的方式寻找需要参与调整的富裕节点;然后通过步骤S53的方式进行全局调整;
将上述寻找参与调整的富裕节点过程中计算得到的全局富裕值减去步骤S71中得到的全局贫困值,得到结余值,将预留在无线传感网络的总控节点上的结余值更新为上述计算到的结余值。本实施例中在代表对象未改变的情况下,下次执行步骤S7时,通过运行调整因子设定方法对代表对象在各节点上的当前局部值进行调整的步骤中,步骤S72中所使用的预留在无线传感网络的总控节点上的结余值即为上述更新后的结余值。
本实施例的监控方法还包括:实时监控预设基线T,在如上步骤S2~步骤S7中任一个步骤中,若预设基线T发生变化,则判定代表对象的全局值是否小于或等于变化后的预设基线T以及判定异常对象的全局值是否大于变化后的预设基线T,
若代表对象的全局值仍小于或等于变化后的预设基线T且异常对象的全局值大于变化后的预设基线T,则继续原步骤;
若代表对象的全局值大于变化后的预设基线T或者异常对象的全局值小于或等于变化后的预设基线T,则返回步骤S2重新获取代表对象。
本实施例的监控方法具体可应用于制造业供应链管理、生产线过程监控、生产设备监控、环保监测和工业生产管理等物联网应用领域,在这些应用领域中,只需对代表对象和异常对象在各节点上的数据流进行跟踪监控,就能实现对所有节点数据流的全局监控和管理;以工业生产中的耗电量监控为例,其中无线传感网络中对象可以是生产各种零件的车床等设备,车床等设备生产某种零件的耗电量相当于对象的局部值。在不同的节点中,根据实际情况定义同一对象,例如可以定义在各个节点中生产相同零件的车床为同一对象。
实施例2
本发明还公开了一种存储介质,存储有程序,所述程序被处理器执行时,实现实施例1所述的节点数据流的监控方法,具体如下:
步骤S1、获取无线传感网络中各节点上对象的初始局部值;
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象;
步骤S3、确定节点的性质,节点的性质包括富裕、一般和贫困:
首先判断代表对象在各节点上的当前局部值是否为该节点上的最大局部值,若否,则将该节点定义为贫困节点;
若是,则获取到各节点上局部值第二大的对象,定义为比较对象;计算各节点上代表对象与比较对象两者的局部值差值;根据该局部值差值的大小确定节点为富裕节点或者一般节点;
步骤S4、计算富裕节点个数和贫困节点个数,判定是否满足以下第一条件:富裕节点个数小于第一设定值,或者贫困节点个数大于第二设定值;
若否,对代表对象和异常对象在各节点上的数据流进行跟踪监控,并且进入步骤S5;
步骤S5、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过初始调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S6;
若是,则进入步骤S6;
步骤S6、控制各节点实时监测其自身数据流,针对于每一节点,实时获取到各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S7;
步骤S7、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则返回步骤S2;
若是,则通过运行调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,然后进入步骤S6。
存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、U盘、移动硬盘等介质。
实施例3
本发明还公开了一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现实施例1所述的节点数据流的监控方法,具体如下:
步骤S1、获取无线传感网络中各节点上对象的初始局部值;
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象;
步骤S3、确定节点的性质,节点的性质包括富裕、一般和贫困:
首先判断代表对象在各节点上的当前局部值是否为该节点上的最大局部值,若否,则将该节点定义为贫困节点;
若是,则获取到各节点上局部值第二大的对象,定义为比较对象;计算各节点上代表对象与比较对象两者的局部值差值;根据该局部值差值的大小确定节点为富裕节点或者一般节点;
步骤S4、计算富裕节点个数和贫困节点个数,判定是否满足以下第一条件:富裕节点个数小于第一设定值,或者贫困节点个数大于第二设定值;
若否,对代表对象和异常对象在各节点上的数据流进行跟踪监控,并且进入步骤S5;
步骤S5、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过初始调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S6;
若是,则进入步骤S6;
步骤S6、控制各节点实时监测其自身数据流,针对于每一节点,实时获取到各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S7;
步骤S7、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则返回步骤S2;
若是,则通过运行调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,然后进入步骤S6。
计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑或其他具有处理器功能的终端设备。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种节点数据流的监控方法,其特征在于,包括如下步骤:
步骤S1、获取无线传感网络中各节点上对象的初始局部值;
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象;
步骤S3、针对于代表对象所在的每个节点,确定节点的性质,节点的性质包括富裕、一般和贫困:
判断代表对象在各节点上的当前局部值是否为该节点上的最大局部值,若否,则将该节点定义为贫困节点;
若是,则获取到各节点上局部值第二大的对象,定义为比较对象;计算各节点上代表对象与比较对象两者的局部值差值;根据该局部值差值的大小确定节点为富裕节点或者一般节点;
步骤S4、计算富裕节点个数和贫困节点个数,判定是否满足以下第一条件:富裕节点个数小于第一设定值,或者贫困节点个数大于第二设定值;
若否,对代表对象和异常对象在各节点上的数据流进行跟踪监控,并且进入步骤S5;
步骤S5、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过初始调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S6;
若是,则进入步骤S6;
步骤S6、控制各节点实时监测其自身数据流,针对于每一节点,实时获取到各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S7;
步骤S7、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则返回步骤S2;
若是,则通过运行调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值,然后进入步骤S6。
2.根据权利要求1所述的节点数据流的监控方法,其特征在于,还包括如下步骤:设定代表对象局部值的超量β;
在步骤S3中,根据节点上代表对象与比较对象两者的局部值差值大小确定节点为富裕节点或者一般节点的具体过程如下:
将节点上代表对象与比较对象两者的局部值差值与超量β进行比较,若前者大于或等于后者,则将对应节点判定为富裕节点,若前者小于后者,则将对应节点判定为一般节点。
3.根据权利要求2所述的节点数据流的监控方法,其特征在于,还包括如下步骤:所述步骤S5中通过初始调整因子设定方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值的具体过程如下:
步骤S51、计算全局贫困值,具体如下:
步骤S511、针对于每个贫困节点,计算局部贫困值:
B1,k=Vk,sec+β-Vk,max;
其中,B1,k为贫困节点k的局部贫困值,Vk,max为代表对象在贫困节点k上的局部值,Vk,sec为贫困节点k上比较对象的局部值,即贫困节点k上的第二大局部值;
步骤S512、将所有贫困节点的局部贫困值相加得到全局贫困值B1:
其中贫困节点的总数为K;
步骤S52、寻找需要参与调整的富裕节点,具体如下:
步骤S521、针对于每个富裕节点,计算富裕值:
B2,q=Vq,max-Vq,sec-β;
q=1,2,3,...,Q;
其中,B2,q为富裕节点q的富裕值,Vq,max为代表对象在富裕节点q上的局部值,Vq,sec为富裕节点q上比较对象的局部值;Q为富裕节点的总数;
步骤S522、针对富裕节点的富裕值按照从大到小的顺序进行排序;
步骤S523、按照富裕值从大到小的排序,将各富裕值依次累加,得到全局富裕值;在当前次累加后,若得到的当前全局富裕值大于或者等于步骤S51计算的全局贫困值,则累加计算结束,进入步骤S522;
步骤S522、将参与计算得到当前全局富裕值的富裕节点作为参与调整的富裕节点;
步骤S53、进行全局调整:
对步骤S522确定的参与调整的富裕节点上的代表对象分配调整因子:εq′=Vq′,sec+β-Vq′,max,q′∈q;其中εq′为分配给参与调整的富裕节点q′上的代表对象的调整因子,Vq′,max为代表对象在参与调整的富裕节点q′上的局部值,Vq′,sec为参与调整的富裕节点q′上比较对象的局部值;根据上述调整因子对参与调整的富裕节点上的代表对象的局部值进行调整,得到各参与调整的富裕节点上代表对象调整后的局部值:Vq′,max+εq′;
将各参与调整的富裕节点上调整时所减少的局部值作为待分配值,根据待分配值对各贫困节点上的代表对象分配调整因子:εk=B1,k;其中εk为分配给贫困节点k上的代表对象的调整因子;根据上述调整因子对各贫困节点上的代表对象的局部值进行调整,得到各贫困节点上代表对象调整后的局部值:Vk,max+εk。
4.根据权利要求3所述的节点数据流的监控方法,其特征在于,还包括如下步骤:根据步骤S51中计算的全局贫困值和步骤S52中计算的全局富裕值计算结余值ε0,ε0为全局富裕值与全局贫困值之差,将结余值ε0预留在无线传感网络的总控节点上。
5.根据权利要求4所述的节点数据流的监控方法,其特征在于,所述步骤S7中通过运行调整因子设定方法调整代表对象在各节点上的当前局部值的具体过程如下:
步骤S71、针对于各贫困节点,根据步骤S6实时获取到的代表对象在各贫困节点上的局部值,通过步骤S51的方式计算全局贫困值;
步骤S72、将步骤S71计算得到的全局贫困值与预留在无线传感网络的总控节点上的结余值作比较,若前者小于或者等于后者,则进入步骤S73,否则进入步骤S74;
步骤S73、将预留在无线传感网络的总控节点上的结余值减去第一值后作为预留在无线传感网络的总控节点上的新的结余值,其中第一值的大小和步骤S71中全局贫困值的大小相同;同时将在无线传感网络的总控节点上的结余值所减去的第一值作为待分配值;
根据上述待分配值为各贫困节点上的代表对象分别分配调整因子,其中分配给各贫困节点上的代表对象各调整因子分别对应等于各贫困节点上的局部贫困值;根据上述调整因子对各贫困节点上的代表对象的局部值进行调整,具体为将代表对象上局部值加上上述分配得到的调整因子;
步骤S74、通过步骤S52的方式寻找需要参与调整的富裕节点;然后通过步骤S53的方式进行全局调整;
将上述寻找参与调整的富裕节点过程中计算得到的全局富裕值减去步骤S71中得到的全局贫困值,得到结余值,将预留在无线传感网络的总控节点上的结余值更新为上述计算到的结余值。
6.根据权利要求1所述的节点数据流的监控方法,其特征在于,还包括如下步骤:在对代表对象在各节点上的数据流进行跟踪监控时,判定代表对象的当前全局值是否大于预设基线T时,若是,将其定义为异常对象;然后重新执行步骤S2重新获取到代表对象;
在对各异常对象的数据流进行跟踪监控时,判定异常对象的当前全局值是否小于或者等于预设基线T时,若是,则将其重新定义为正常对象,然后重新执行步骤S2重新获取到代表对象。
7.根据权利要求6所述的节点数据流的监控方法,其特征在于,还包括如下步骤:构建正常监控集合和异常监控集合;
在步骤S2中,将当前全局值小于或者等于预设基线T的对象定义为正常对象,加入到正常监控集合;在正常监控集合中获取到代表对象;
将定义为异常对象的对象加入到异常监控集合中;
将全局值小于预设基线T的异常对象移出异常监控集合,加入到正常监控集合中。
8.根据权利要求1所述的节点数据流的监控方法,其特征在于,所述步骤S4中,若满足第一条件,即富裕节点个数小于第一设定值,或者贫困节点个数大于第二设定值,则采用档位监控法对节点的数据流进行监控。
9.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1~8中任一项所述的节点数据流的监控方法。
10.一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1~8中任一项所述的节点数据流的监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779193.8A CN110365546B (zh) | 2019-08-22 | 2019-08-22 | 节点数据流的监控方法、存储介质和计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779193.8A CN110365546B (zh) | 2019-08-22 | 2019-08-22 | 节点数据流的监控方法、存储介质和计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110365546A true CN110365546A (zh) | 2019-10-22 |
CN110365546B CN110365546B (zh) | 2022-03-22 |
Family
ID=68224173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910779193.8A Active CN110365546B (zh) | 2019-08-22 | 2019-08-22 | 节点数据流的监控方法、存储介质和计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110365546B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010065848A2 (en) * | 2008-12-05 | 2010-06-10 | Social Communications Company | Realtime kernel |
CN105120474A (zh) * | 2015-07-17 | 2015-12-02 | 广州大学 | 基于能量采集无线传感器网络的能量管理方法 |
CN108029069A (zh) * | 2015-07-08 | 2018-05-11 | 联邦快递服务公司 | 与无线节点网络中的id节点相关的事件候选的事件监测 |
CN108280018A (zh) * | 2017-12-19 | 2018-07-13 | 中国科学院声学研究所 | 一种节点工作流通信开销效率分析优化方法及系统 |
CN109995599A (zh) * | 2019-04-28 | 2019-07-09 | 武汉烽火技术服务有限公司 | 一种网络性能异常的智能告警方法 |
CN110071854A (zh) * | 2019-05-09 | 2019-07-30 | 中国人民银行清算总中心 | 节点间报文传输流量监控方法及装置 |
-
2019
- 2019-08-22 CN CN201910779193.8A patent/CN110365546B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010065848A2 (en) * | 2008-12-05 | 2010-06-10 | Social Communications Company | Realtime kernel |
CN108029069A (zh) * | 2015-07-08 | 2018-05-11 | 联邦快递服务公司 | 与无线节点网络中的id节点相关的事件候选的事件监测 |
CN105120474A (zh) * | 2015-07-17 | 2015-12-02 | 广州大学 | 基于能量采集无线传感器网络的能量管理方法 |
CN108280018A (zh) * | 2017-12-19 | 2018-07-13 | 中国科学院声学研究所 | 一种节点工作流通信开销效率分析优化方法及系统 |
CN109995599A (zh) * | 2019-04-28 | 2019-07-09 | 武汉烽火技术服务有限公司 | 一种网络性能异常的智能告警方法 |
CN110071854A (zh) * | 2019-05-09 | 2019-07-30 | 中国人民银行清算总中心 | 节点间报文传输流量监控方法及装置 |
Non-Patent Citations (1)
Title |
---|
田李: "面向网络安全监控的数据流关键技术研究", 《中国博士学位论文全文数据库 (信息科技辑)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110365546B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046395B (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
CN104504147B (zh) | 一种数据库集群的资源协调方法、装置及系统 | |
CN104754053B (zh) | 一种分布式软件定义网络及在其中动态控制控制器的方法 | |
CN110380450B (zh) | 一种光伏控制方法、装置、设备及计算机可读存储介质 | |
CN109784656A (zh) | 一种离散制造协同生产计划排程方法 | |
CN107844376A (zh) | 计算系统的资源调配方法、计算系统、介质和服务器 | |
CN106294511B (zh) | 一种Hadoop分布式文件系统的存储方法及装置 | |
CN104144431B (zh) | 一种移动网络状态预测的方法、装置及移动网络 | |
CN107317864A (zh) | 一种存储设备的数据均衡方法及装置 | |
CN106209967A (zh) | 一种视频监控云资源预测方法及系统 | |
CN114254761A (zh) | 一种适用于异构网络的通用联邦学习实现方法 | |
CN104426953A (zh) | 一种分配计算资源的方法及装置 | |
CN103905227B (zh) | 一种服务器能耗控制方法及系统 | |
CN116384646A (zh) | 一种水源工程的联合供水调度方法、装置、设备及介质 | |
CN103337040A (zh) | 一种计及风电波动性的风电发电计划编制系统及编制方法 | |
CN105393518B (zh) | 分布式缓存控制方法及装置 | |
CN110365546A (zh) | 节点数据流的监控方法、存储介质和计算设备 | |
CN107491866B (zh) | 一种省地一体化电网安全稳定综合防御方法 | |
CN110493817A (zh) | 基于代表对象的数据流监控方法及装置、介质和设备 | |
CN106708624A (zh) | 一种多工作域计算资源的自适应调整方法 | |
CN105049475B (zh) | 大规模社区的数据高效存储优化方法及系统 | |
CN101267329A (zh) | 一种会议调度中选取多点控制器的方法、系统及装置 | |
CN103596203B (zh) | 一种局部自维护的无线传感器网络节能分簇拓扑控制方法 | |
CN106779179A (zh) | 一种空调机组的负荷预测方法及设备 | |
CN109167350A (zh) | 一种工业负荷响应模型的构建方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220713 Address after: 510006 No. 230 West Ring Road, Panyu District University, Guangdong, Guangzhou Patentee after: Guangzhou University Patentee after: National University of Defense Technology Address before: 510006 No. 230 West Ring Road, Panyu District University, Guangdong, Guangzhou Patentee before: Guangzhou University |