CN112632028B - 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 - Google Patents
一种基于多维矩阵外积数据库构型的工业生产要素优化方法 Download PDFInfo
- Publication number
- CN112632028B CN112632028B CN202011406753.4A CN202011406753A CN112632028B CN 112632028 B CN112632028 B CN 112632028B CN 202011406753 A CN202011406753 A CN 202011406753A CN 112632028 B CN112632028 B CN 112632028B
- Authority
- CN
- China
- Prior art keywords
- industrial production
- data
- database
- tensor
- target
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/221—Column-oriented storage; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多维矩阵外积数据库构型的工业生产要素优化方法,包括如下步骤:A、工业生产目标数据库的初始构建和存储;B、基于数据可选属性的工业生产目标子数据库构建;C、工业生产项目数据库的初始构建和存储;D、基于数据多值属性的工业生产项目赋值型子数据库构建;E、基于数据交互的工业生产要素优化转化;F、结果获取。本发明的适用对象包括宏观和微观环境下的工业产业生产情景,主要针对多目标、多要素的工业生产实践,能够兼顾多组独立的工业发展目标同时协同多组工业生产要素指标;通过数据库构型的构建,能够快速、自动化的执行优化过程,获取优化工业生产组合,兼顾工业生产的绝对效率和总体平衡性。
Description
技术领域
本发明涉及工业生产优化技术领域,尤其是基于生产要素数据库的构建进行工业生产优化的方法。
背景技术
经济发展速度与生产要素的匹配度和要素质量正相关。生产要素包括土地、劳动、资本、企业家才能、技术和信息等。生产要素的匹配度和生产要素的质量是工业发展的重要因素。
目前,我国的工业发展也逐渐趋近于发达国家,与此同时,科学技术是第一生产力,但如何快速提升科学技术水平值得深入思考,尤其是让科学技术在工业生产上体现出来,也是一个越来越重要的课题。
为了进一步提升工业生产效率,在现有基础上促进工业发展和社会经济进步,工业生产要素的优化占有越来越重要的地位,其价值体现也越来越明显。
发明内容
本发明要解决的技术问题是提供一种基于多维矩阵外积数据库构型的工业生产要素优化方法,数据库的构型构建与工业生产要素进行紧密贴合的同时,能有适应信息科学的可执行性需求,为生产要素优化和工业生产效率的提升提供重要的实践性支撑。
为解决上述技术问题,本发明所采取的技术方案如下。
一种基于多维矩阵外积数据库构型的工业生产要素优化方法,包括如下步骤:
A、工业生产目标数据库的初始构建和存储;
通过输入终端或经过审核的远程输入云端口输入多维度工业生产目标要素,并将每一工业生产目标要素的数据属性设定为可选型,在存储器中进行存储;
B、基于数据可选属性的工业生产目标子数据库构建;
工业生产目标要素构成最大维度数的正交数据组,在面向不同行业的工业生产要素优化过程中,基于工业生产目标要素数据的可选型属性,生成维度不同的正交数据组,其维度数不大于工业生产目标要素的最大维度数,作为工业生产目标数据总库的子数据库;
C、工业生产项目数据库的初始构建和存储;
通过输入终端或经过审核的远程输入云端口输入多维度的工业生产项目要素,并将每一工业生产项目要素的数据属性设定为多值型;多值的数值可选范围设定为与工业生产目标要素最大维度数等同;
D、基于数据多值属性的工业生产项目赋值型子数据库构建;
D-1、一阶赋值型子数据库的构建:对于每一工业生产项目要素,针对全部工业生产目标要素进行逐一数据赋值,将工业生产项目要素的多值数据表格填满,形成与工业生产目标要素最大维度同型的子数据库,作为一阶赋值型子数据库;
D-3、二阶赋值型子数据库的构建:对于全部工业生产项目逐一构建对应的一阶赋值型子数据库,将全部一阶赋值型子数据库以正交的方式合并为一个完整的数据矩阵,在形式上每一子级赋值型子数据库作为矩阵的行/列出现,完成二阶赋值型子数据库的构建;
E、基于数据交互的工业生产要素优化转化:
E-1、优化张量和目标张量的设定:由于工业生产目标数据库和工业生产项目数据库分别呈现为一阶张量和二阶张量,并且基于数据跟随属性和二阶二阶赋值型子数据库的构型具有同型线性数据变换的兼容性,因此能够通过一个一阶张量对生产要素的优化进行全要素体现,记作优化张量,优化张量经过二阶赋值型子数据矩阵的线性变换,形成与工业生产目标对应的一阶张量,记作目标张量;
E-2、目标张量的主转化:
E-2-1、通过数据对角化处理,将目标张量转化为二阶多维度矩阵,其具有重叠性为零的简单构型;
E-2-2、进一步,将转化得到的矩阵与其转置矩阵相乘,所得矩阵的行列式取绝对值对应多维矩阵的外积/体积,所得零阶张量在绝对值和平衡性上对工业生产项目组合所产生的工业生产目标达成效果进行综合体现。
作为本发明的一种优选技术方案,在步骤D-1和步骤D-3之间还包括如下步骤:
D-2、一阶赋值型子数据库的数据跟随属性设定:由于一阶赋值型子数据库的数据依照全部工业生产目标要素通过逐一数据赋值构建,因此在进行数据矩阵运算的时候将其数据维度设定为跟随对应的工业生产目标要素,设定的方法是基于张量分析规则将二者的数据上角标和下角标进行对应,从而实现二者的线性变换交互方式限定。
作为本发明的一种优选技术方案,在步骤D-3和步骤E之间还包括如下步骤:
D-4、一阶赋值型子数据库数据跟随属性在二阶赋值型子数据库中的设定:基于二阶赋值型子数据库的构建模式,不同行/列数据相互正交,但是不同行/ 列数据上对应的数据具有同一跟随属性,在形式上表现为张量运算的上下角标相互对应,从而能够兼容同型线性数据变换,这种数据构型方式为后续的生产优化作业奠定了可执行性基础。
作为本发明的一种优选技术方案,在步骤E-2之后还包括如下步骤:
E-3、目标张量的辅转化:对一阶目标张量的数值做求和处理,将其转化为一个零阶张量数值,所得零阶张量数仅在绝对值上对工业生产项目组合所产生的工业生产目标达成效果进行体现。
作为本发明的一种优选技术方案,在步骤E-3之后还包括如下步骤:
F、结果获取:在步骤E中,于选定的工业生产项目要素区间内对于离散化的优化张量数据进行枚举式穷尽计算,计算量的大小由工业生产要素的总数和工业生产要素数据取值区间的分割密度选择决定,最终从计算结果中选择在步骤E-2和步骤E-3中共同具有最佳表现的优化张量,则其对应的工业生产项目组合作为最优组合。
作为本发明的一种优选技术方案,步骤E-1中,优化张量各个数据的取值域为工业生产项目要素的数据区间。
作为本发明的一种优选技术方案,步骤E-1中,优化张量各个数据的取值域为分割后工业生产项目要素的离散数据点集。
作为本发明的一种优选技术方案,步骤F中,枚举式穷尽计算的计算量的大小由工业生产要素的总数和工业生产要素数据取值区间的分割密度选择决定,工业生产要素的总数固定的情况下,基于计算力对工业生产要素数据取值区间的分割密度进行调整,使得计算过程低于限定时长。
作为本发明的一种优选技术方案,所述限定时长为1s-30min。
作为本发明的一种优选技术方案,本发明的方法包括如下步骤:
A、工业生产目标数据库的初始构建和存储;
通过输入终端或经过审核的远程输入云端口输入多维度工业生产目标要素,并将每一工业生产目标要素的数据属性设定为可选型,在存储器中进行存储;
B、基于数据可选属性的工业生产目标子数据库构建;
工业生产目标要素构成最大维度数的正交数据组,在面向不同行业的工业生产要素优化过程中,基于工业生产目标要素数据的可选型属性,生成维度不同的正交数据组,其维度数不大于工业生产目标要素的最大维度数,作为工业生产目标数据总库的子数据库;
C、工业生产项目数据库的初始构建和存储;
通过输入终端或经过审核的远程输入云端口输入多维度的工业生产项目要素,并将每一工业生产项目要素的数据属性设定为多值型;多值的数值可选范围设定为与工业生产目标要素最大维度数等同;
D、基于数据多值属性的工业生产项目赋值型子数据库构建;
D-1、一阶赋值型子数据库的构建:对于每一工业生产项目要素,针对全部工业生产目标要素进行逐一数据赋值,将工业生产项目要素的多值数据表格填满,形成与工业生产目标要素最大维度同型的子数据库,作为一阶赋值型子数据库;
D-2、一阶赋值型子数据库的数据跟随属性设定:由于一阶赋值型子数据库的数据依照全部工业生产目标要素通过逐一数据赋值构建,因此在进行数据矩阵运算的时候将其数据维度设定为跟随对应的工业生产目标要素,设定的方法是基于张量分析规则将二者的数据上角标和下角标进行对应,从而实现二者的线性变换交互方式限定;
D-3、二阶赋值型子数据库的构建:对于全部工业生产项目逐一构建对应的一阶赋值型子数据库,将全部一阶赋值型子数据库以正交的方式合并为一个完整的数据矩阵,在形式上每一子级赋值型子数据库作为矩阵的行/列出现,完成二阶赋值型子数据库的构建;
D-4、一阶赋值型子数据库数据跟随属性在二阶赋值型子数据库中的设定:基于二阶赋值型子数据库的构建模式,不同行/列数据相互正交,但是不同行/ 列数据上对应的数据具有同一跟随属性,在形式上表现为张量运算的上下角标相互对应,从而能够兼容同型线性数据变换,这种数据构型方式为后续的生产优化作业奠定了可执行性基础;
E、基于数据交互的工业生产要素优化转化:
E-1、优化张量和目标张量的设定:由于工业生产目标数据库和工业生产项目数据库分别呈现为一阶张量和二阶张量,并且基于数据跟随属性和二阶二阶赋值型子数据库的构型具有同型线性数据变换的兼容性,因此能够通过一个一阶张量对生产要素的优化进行全要素体现,记作优化张量,优化张量经过二阶赋值型子数据矩阵的线性变换,形成与工业生产目标对应的一阶张量,记作目标张量;
E-2、目标张量的主转化:
E-2-1、通过数据对角化处理,将目标张量转化为二阶多维度矩阵,其具有重叠性为零的简单构型;
E-2-2、进一步,将转化得到的矩阵与其转置矩阵相乘,所得矩阵的行列式取绝对值对应多维矩阵的外积/体积,所得零阶张量在绝对值和平衡性上对工业生产项目组合所产生的工业生产目标达成效果进行综合体现;
E-3、目标张量的辅转化:对一阶目标张量的数值做求和处理,将其转化为一个零阶张量数值,所得零阶张量数仅在绝对值上对工业生产项目组合所产生的工业生产目标达成效果进行体现;
F、结果获取:在步骤E中,于选定的工业生产项目要素区间内对于离散化的优化张量数据进行枚举式穷尽计算,优化张量各个数据的取值域为分割后工业生产项目要素的离散数据点集,计算量的大小由工业生产要素的总数和工业生产要素数据取值区间的分割密度选择决定,工业生产要素的总数固定的情况下,基于计算力对工业生产要素数据取值区间的分割密度进行调整,使得计算过程低于限定时长;限定时长在规模化优化试验中设定为1-10s,限定时长在面向产业的单次优化作业中设定为10-30min;最终从计算结果中选择在步骤E-2 和步骤E-3中共同具有最佳表现的优化张量,则其对应的工业生产项目组合作为最优组合。
采用上述技术方案所产生的有益效果在于:
本发明的适用对象包括宏观和微观环境下的工业产业生产情景,主要针对多目标、多要素的工业生产实践,能够兼顾多组独立的工业发展目标同时协同多组工业生产要素指标;通过数据库构型的构建,能够快速、自动化的执行优化过程,获取优化工业生产组合,兼顾工业生产的绝对效率和总体平衡性。
其中,对于数据库构型的构建,是本发明可执行性的核心,这个构建过程主要体现在步骤D上,以及步骤D与步骤B的协同上。
其中,对于工业生产的绝对效率和总体平衡性的兼顾,是我们在数据库架构上的重大创新,所述数据库架构主要是指步骤E的系列构建方法。
综上,本发明数据库的构型构建与工业生产要素进行紧密贴合的同时,能有适应信息科学的可执行性需求,为生产要素优化和工业生产效率的提升提供重要的实践性支撑。
附图说明
图1是本发明的原理流程图。
具体实施方式
以下实施例详细说明了本发明。本发明所使用的各种原料及各项设备均为常规市售产品,均能够通过市场购买直接获得。
在以下实施例的描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
实施例1、工业生产目标数据库的构建
通过输入终端或经过审核的远程输入云端口输入多维度工业生产目标要素,并将每一工业生产目标要素的数据属性设定为可选型,在存储器中进行存储。其具体细节可以参见下述实施例。
实施例2、工业生产目标子数据库构建
工业生产目标要素构成最大维度数的正交数据组,在面向不同行业的工业生产要素优化过程中,基于工业生产目标要素数据的可选型属性,生成维度不同的正交数据组,其维度数不大于工业生产目标要素的最大维度数,作为工业生产目标数据总库的子数据库。
实施例3、工业生产项目数据库的初始构建
通过输入终端或经过审核的远程输入云端口输入多维度的工业生产项目要素,并将每一工业生产项目要素的数据属性设定为多值型;多值的数值可选范围设定为与工业生产目标要素最大维度数等同。
实施例4、工业生产项目一阶赋值型子数据库构建
一阶赋值型子数据库的构建:对于每一工业生产项目要素,针对全部工业生产目标要素进行逐一数据赋值,将工业生产项目要素的多值数据表格填满,形成与工业生产目标要素最大维度同型的子数据库,作为一阶赋值型子数据库;一阶赋值型子数据库的数据跟随属性设定:由于一阶赋值型子数据库的数据依照全部工业生产目标要素通过逐一数据赋值构建,因此在进行数据矩阵运算的时候将其数据维度设定为跟随对应的工业生产目标要素,设定的方法是基于张量分析规则将二者的数据上角标和下角标进行对应,从而实现二者的线性变换交互方式限定。
实施例5、工业生产项目二阶赋值型子数据库构建
D-3、二阶赋值型子数据库的构建:对于全部工业生产项目逐一构建对应的一阶赋值型子数据库,将全部一阶赋值型子数据库以正交的方式合并为一个完整的数据矩阵,在形式上每一子级赋值型子数据库作为矩阵的行/列出现,完成二阶赋值型子数据库的构建。
实施例6、一阶赋值型子数据库数据跟随属性在二阶赋值型子数据库中的设定
基于二阶赋值型子数据库的构建模式,不同行/列数据相互正交,但是不同行/列数据上对应的数据具有同一跟随属性,在形式上表现为张量运算的上下角标相互对应,从而能够兼容同型线性数据变换,这种数据构型方式为后续的生产优化作业奠定了可执行性基础。
实施例7、优化张量
由于工业生产目标数据库和工业生产项目数据库分别呈现为一阶张量和二阶张量,并且基于数据跟随属性和二阶二阶赋值型子数据库的构型具有同型线性数据变换的兼容性,因此能够通过一个一阶张量对生产要素的优化进行全要素体现,记作优化张量。
实施例8、目标张量
优化张量经过二阶赋值型子数据矩阵的线性变换,形成与工业生产目标对应的一阶张量,记作目标张量。
优化张量Y与目标张量T满足线性变换规则:T=M·Y,其中,M为二阶赋值型子数据矩阵。
实施例9、目标张量的主转化
通过数据对角化处理,将目标张量转化为二阶多维度矩阵,其具有重叠性为零的简单构型;进一步,将转化得到的矩阵与其转置矩阵相乘,所得矩阵的行列式取绝对值对应多维矩阵的外积/体积,所得零阶张量在绝对值和平衡性上对工业生产项目组合所产生的工业生产目标达成效果进行综合体现。
实施例10、目标张量的辅转化
对一阶目标张量的数值做求和处理,将其转化为一个零阶张量数值,所得零阶张量数仅在绝对值上对工业生产项目组合所产生的工业生产目标达成效果进行体现。
实施例11、结果获取
在上述实施例的步骤中,于选定的工业生产项目要素区间内对于离散化的优化张量数据进行枚举式穷尽计算,优化张量各个数据的取值域为分割后工业生产项目要素的离散数据点集,计算量的大小由工业生产要素的总数和工业生产要素数据取值区间的分割密度选择决定,工业生产要素的总数固定的情况下,基于计算力对工业生产要素数据取值区间的分割密度进行调整,使得计算过程低于限定时长;限定时长在规模化优化试验中设定为1-10s,限定时长在面向产业的单次优化作业中设定为10-30min;最终从计算结果中选择在步骤E-2和步骤E-3中共同具有最佳表现的优化张量,则其对应的工业生产项目组合作为最优组合。
实施例12、硬件系统
本发明的硬件实现,可以直接采用现有的智能设备,包括但不限于工控机、 PC机、智能手机、手持单机、落地式单机等。其输入设备优选采用屏幕键盘,其数据存储和计算模块采用现有的存储器、计算器、控制器,其内部通信模块采用现有的通信端口和协议,其远程通信采用现有的gprs网络、万维互联网等。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:该方法包括如下步骤:
A、工业生产目标数据库的初始构建和存储;
通过输入终端或经过审核的远程输入云端口输入多维度工业生产目标要素,并将每一工业生产目标要素的数据属性设定为可选型,在存储器中进行存储;
B、基于数据可选属性的工业生产目标子数据库构建;
工业生产目标要素构成最大维度数的正交数据组,在面向不同行业的工业生产要素优化过程中,基于工业生产目标要素数据的可选型属性,生成维度不同的正交数据组,其维度数不大于工业生产目标要素的最大维度数,作为工业生产目标数据总库的子数据库;
C、工业生产项目数据库的初始构建和存储;
通过输入终端或经过审核的远程输入云端口输入多维度的工业生产项目要素,并将每一工业生产项目要素的数据属性设定为多值型;多值的数值可选范围设定为与工业生产目标要素最大维度数等同;
D、基于数据多值属性的工业生产项目赋值型子数据库构建;
D-1、一阶赋值型子数据库的构建:对于每一工业生产项目要素,针对全部工业生产目标要素进行逐一数据赋值,将工业生产项目要素的多值数据表格填满,形成与工业生产目标要素最大维度同型的子数据库,作为一阶赋值型子数据库;
D-3、二阶赋值型子数据库的构建:对于全部工业生产项目逐一构建对应的一阶赋值型子数据库,将全部一阶赋值型子数据库以正交的方式合并为一个完整的数据矩阵,在形式上每一子级赋值型子数据库作为矩阵的行/列出现,完成二阶赋值型子数据库的构建;
E、基于数据交互的工业生产要素优化转化:
E-1、优化张量和目标张量的设定:由于工业生产目标数据库和工业生产项目数据库分别呈现为一阶张量和二阶张量,并且基于数据跟随属性和二阶赋值型子数据库的构型具有同型线性数据变换的兼容性,因此能够通过一个一阶张量对生产要素的优化进行全要素体现,记作优化张量,优化张量经过二阶赋值型子数据矩阵的线性变换,形成与工业生产目标对应的一阶张量,记作目标张量;优化张量Y与目标张量T满足线性变换规则:T=M·Y,其中,M为二阶赋值型子数据矩阵;
E-2、目标张量的主转化:
E-2-1、通过数据对角化处理,将目标张量转化为二阶多维度矩阵,其具有重叠性为零的简单构型;
E-2-2、进一步,将转化得到的矩阵与其转置矩阵相乘,所得矩阵的行列式取绝对值对应多维矩阵的外积/体积,所得零阶张量在绝对值和平衡性上对工业生产项目组合所产生的工业生产目标达成效果进行综合体现。
2.根据权利要求1所述的一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:在步骤D-1和步骤D-3之间还包括如下步骤:
D-2、一阶赋值型子数据库的数据跟随属性设定:由于一阶赋值型子数据库的数据依照全部工业生产目标要素通过逐一数据赋值构建,因此在进行数据矩阵运算的时候将其数据维度设定为跟随对应的工业生产目标要素,设定的方法是基于张量分析规则将二者的数据上角标和下角标进行对应,从而实现二者的线性变换交互方式限定。
3.根据权利要求2所述的一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:在步骤D-3和步骤E之间还包括如下步骤:
D-4、一阶赋值型子数据库数据跟随属性在二阶赋值型子数据库中的设定:基于二阶赋值型子数据库的构建模式,不同行/列数据相互正交,但是不同行/列数据上对应的数据具有同一跟随属性,在形式上表现为张量运算的上下角标相互对应,从而能够兼容同型线性数据变换,这种数据构型方式为后续的生产优化作业奠定了可执行性基础。
4.根据权利要求3所述的一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:在步骤E-2之后还包括如下步骤:
E-3、目标张量的辅转化:对一阶目标张量的数值做求和处理,将其转化为一个零阶张量数值,所得零阶张量数仅在绝对值上对工业生产项目组合所产生的工业生产目标达成效果进行体现。
5.根据权利要求4所述的一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:在步骤E-3之后还包括如下步骤:
F、结果获取:在步骤E中,于选定的工业生产项目要素区间内对于离散化的优化张量数据进行枚举式穷尽计算,计算量的大小由工业生产要素的总数和工业生产要素数据取值区间的分割密度选择决定,最终从计算结果中选择在步骤E-2和步骤E-3中共同具有最佳表现的优化张量,则其对应的工业生产项目组合作为最优组合。
6.根据权利要求1所述的一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:步骤E-1中,优化张量各个数据的取值域为工业生产项目要素的数据区间。
7.根据权利要求1所述的一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:步骤E-1中,优化张量各个数据的取值域为分割后工业生产项目要素的离散数据点集。
8.根据权利要求5所述的一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:步骤F中,枚举式穷尽计算的计算量的大小由工业生产要素的总数和工业生产要素数据取值区间的分割密度选择决定,工业生产要素的总数固定的情况下,基于计算力对工业生产要素数据取值区间的分割密度进行调整,使得计算过程低于限定时长。
9.根据权利要求8所述的一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:所述限定时长为1s-30min。
10.一种基于多维矩阵外积数据库构型的工业生产要素优化方法,其特征在于:该方法包括如下步骤:
A、工业生产目标数据库的初始构建和存储;
通过输入终端或经过审核的远程输入云端口输入多维度工业生产目标要素,并将每一工业生产目标要素的数据属性设定为可选型,在存储器中进行存储;
B、基于数据可选属性的工业生产目标子数据库构建;
工业生产目标要素构成最大维度数的正交数据组,在面向不同行业的工业生产要素优化过程中,基于工业生产目标要素数据的可选型属性,生成维度不同的正交数据组,其维度数不大于工业生产目标要素的最大维度数,作为工业生产目标数据总库的子数据库;
C、工业生产项目数据库的初始构建和存储;
通过输入终端或经过审核的远程输入云端口输入多维度的工业生产项目要素,并将每一工业生产项目要素的数据属性设定为多值型;多值的数值可选范围设定为与工业生产目标要素最大维度数等同;
D、基于数据多值属性的工业生产项目赋值型子数据库构建;
D-1、一阶赋值型子数据库的构建:对于每一工业生产项目要素,针对全部工业生产目标要素进行逐一数据赋值,将工业生产项目要素的多值数据表格填满,形成与工业生产目标要素最大维度同型的子数据库,作为一阶赋值型子数据库;
D-2、一阶赋值型子数据库的数据跟随属性设定:由于一阶赋值型子数据库的数据依照全部工业生产目标要素通过逐一数据赋值构建,因此在进行数据矩阵运算的时候将其数据维度设定为跟随对应的工业生产目标要素,设定的方法是基于张量分析规则将二者的数据上角标和下角标进行对应,从而实现二者的线性变换交互方式限定;
D-3、二阶赋值型子数据库的构建:对于全部工业生产项目逐一构建对应的一阶赋值型子数据库,将全部一阶赋值型子数据库以正交的方式合并为一个完整的数据矩阵,在形式上每一子级赋值型子数据库作为矩阵的行/列出现,完成二阶赋值型子数据库的构建;
D-4、一阶赋值型子数据库数据跟随属性在二阶赋值型子数据库中的设定:基于二阶赋值型子数据库的构建模式,不同行/列数据相互正交,但是不同行/列数据上对应的数据具有同一跟随属性,在形式上表现为张量运算的上下角标相互对应,从而能够兼容同型线性数据变换,这种数据构型方式为后续的生产优化作业奠定了可执行性基础;
E、基于数据交互的工业生产要素优化转化:
E-1、优化张量和目标张量的设定:由于工业生产目标数据库和工业生产项目数据库分别呈现为一阶张量和二阶张量,并且基于数据跟随属性和二阶赋值型子数据库的构型具有同型线性数据变换的兼容性,因此能够通过一个一阶张量对生产要素的优化进行全要素体现,记作优化张量,优化张量经过二阶赋值型子数据矩阵的线性变换,形成与工业生产目标对应的一阶张量,记作目标张量;优化张量Y与目标张量T满足线性变换规则:T=M·Y,其中,M为二阶赋值型子数据矩阵;
E-2、目标张量的主转化:
E-2-1、通过数据对角化处理,将目标张量转化为二阶多维度矩阵,其具有重叠性为零的简单构型;
E-2-2、进一步,将转化得到的矩阵与其转置矩阵相乘,所得矩阵的行列式取绝对值对应多维矩阵的外积/体积,所得零阶张量在绝对值和平衡性上对工业生产项目组合所产生的工业生产目标达成效果进行综合体现;
E-3、目标张量的辅转化:对一阶目标张量的数值做求和处理,将其转化为一个零阶张量数值,所得零阶张量数仅在绝对值上对工业生产项目组合所产生的工业生产目标达成效果进行体现;
F、结果获取:在步骤E中,于选定的工业生产项目要素区间内对于离散化的优化张量数据进行枚举式穷尽计算,优化张量各个数据的取值域为分割后工业生产项目要素的离散数据点集,计算量的大小由工业生产要素的总数和工业生产要素数据取值区间的分割密度选择决定,工业生产要素的总数固定的情况下,基于计算力对工业生产要素数据取值区间的分割密度进行调整,使得计算过程低于限定时长;限定时长在规模化优化试验中设定为1-10s,限定时长在面向产业的单次优化作业中设定为10-30min;最终从计算结果中选择在步骤E-2和步骤E-3中共同具有最佳表现的优化张量,则其对应的工业生产项目组合作为最优组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011406753.4A CN112632028B (zh) | 2020-12-04 | 2020-12-04 | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011406753.4A CN112632028B (zh) | 2020-12-04 | 2020-12-04 | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112632028A CN112632028A (zh) | 2021-04-09 |
CN112632028B true CN112632028B (zh) | 2021-08-24 |
Family
ID=75308084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011406753.4A Active CN112632028B (zh) | 2020-12-04 | 2020-12-04 | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112632028B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114911774B (zh) * | 2022-05-27 | 2023-03-24 | 国网河北省电力有限公司营销服务中心 | 一种用户导向的电网服务型数据库系统及其应用 |
CN116089782B (zh) * | 2022-11-23 | 2023-11-21 | 国网甘肃省电力公司临夏供电公司 | 一种多导向匹配的配电网精细化线损数据系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8417755B1 (en) * | 2008-05-28 | 2013-04-09 | Michael F. Zimmer | Systems and methods for reducing memory traffic and power consumption in a processing environment by solving a system of linear equations |
CN107507253A (zh) * | 2017-08-15 | 2017-12-22 | 电子科技大学 | 基于高阶张量近似的多属性体数据压缩方法 |
CN107845261A (zh) * | 2017-11-03 | 2018-03-27 | 北京理工大学 | 一种基于张量融合交通信息的汽车全局工况动态重构方法 |
CN110826606A (zh) * | 2019-10-24 | 2020-02-21 | 广州高企云信息科技有限公司 | 要素匹配方法、装置、服务器及可读存储介质 |
CN111507526A (zh) * | 2020-04-17 | 2020-08-07 | 许昌学院 | 一种运动负荷智能优化系统和方法 |
CN111507525A (zh) * | 2020-04-17 | 2020-08-07 | 许昌学院 | 兼顾绝对数值与平衡性的运动负荷优化方法 |
CN111932422A (zh) * | 2020-07-16 | 2020-11-13 | 开封大学 | 一种低碳经济关键发展要素平衡促进方法 |
CN111932423A (zh) * | 2020-07-16 | 2020-11-13 | 开封大学 | 一种区域产业集群监视平台化方法及其应用 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180122507A1 (en) * | 2015-04-14 | 2018-05-03 | University Of Utah Research Foundation | Genetic alterations in ovarian cancer |
-
2020
- 2020-12-04 CN CN202011406753.4A patent/CN112632028B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8417755B1 (en) * | 2008-05-28 | 2013-04-09 | Michael F. Zimmer | Systems and methods for reducing memory traffic and power consumption in a processing environment by solving a system of linear equations |
CN107507253A (zh) * | 2017-08-15 | 2017-12-22 | 电子科技大学 | 基于高阶张量近似的多属性体数据压缩方法 |
CN107845261A (zh) * | 2017-11-03 | 2018-03-27 | 北京理工大学 | 一种基于张量融合交通信息的汽车全局工况动态重构方法 |
CN110826606A (zh) * | 2019-10-24 | 2020-02-21 | 广州高企云信息科技有限公司 | 要素匹配方法、装置、服务器及可读存储介质 |
CN111507526A (zh) * | 2020-04-17 | 2020-08-07 | 许昌学院 | 一种运动负荷智能优化系统和方法 |
CN111507525A (zh) * | 2020-04-17 | 2020-08-07 | 许昌学院 | 兼顾绝对数值与平衡性的运动负荷优化方法 |
CN111932422A (zh) * | 2020-07-16 | 2020-11-13 | 开封大学 | 一种低碳经济关键发展要素平衡促进方法 |
CN111932423A (zh) * | 2020-07-16 | 2020-11-13 | 开封大学 | 一种区域产业集群监视平台化方法及其应用 |
Non-Patent Citations (1)
Title |
---|
Mejdi Azaïez 等.Low Rank Approximation of Multidimensional Data.《High-Performance Computing of Big Data for Turbulence and Combustion》.2019,第592卷187-250. * |
Also Published As
Publication number | Publication date |
---|---|
CN112632028A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793422B (zh) | 基于增强星型模型的立方体元数据及查询语句生成 | |
CN112632028B (zh) | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 | |
CN105868310A (zh) | 一种数据处理方法、装置及电子设备 | |
CN103425672A (zh) | 一种数据库索引的建立方法及装置 | |
CN103488475B (zh) | 多维数据分析系统和多维数据分析方法 | |
CN104268247A (zh) | 一种基于模糊层次分析的主数据归集方法 | |
KR102465451B1 (ko) | 가공 특성 기반의 공정 지식 푸시 방법 | |
CN110222071A (zh) | 一种数据查询方法、装置、服务器及存储介质 | |
CN111932423B (zh) | 一种区域产业集群监视平台化方法及其应用 | |
CN102779186A (zh) | 一种非结构化数据管理的全过程建模方法 | |
CN114911774B (zh) | 一种用户导向的电网服务型数据库系统及其应用 | |
CN104866425A (zh) | 一种数据库压力测试的方法 | |
CN100573511C (zh) | 产生分析数据结构的自定义等级体系的系统和方法 | |
CN104850711B (zh) | 一种机电产品设计标准选择方法 | |
CN106649551A (zh) | 基于cbr有限元模板的检索方法 | |
CN100357885C (zh) | 一种自动扫描量测数据分析处理系统和方法 | |
CN105512270A (zh) | 一种确定相关对象的方法和装置 | |
CN102339284B (zh) | 数据库索引的建立方法及其电脑系统 | |
CN111932422A (zh) | 一种低碳经济关键发展要素平衡促进方法 | |
CN106502995B (zh) | 一种层级信息智能识别方法及装置 | |
CN106897331B (zh) | 用户关键位置数据获取方法及装置 | |
CN113486402B (zh) | 数值型数据查询方法、装置、设备及存储介质 | |
CN110346157A (zh) | 一种小波奇异熵在堆垛机周期性故障检测的应用方法 | |
Ma et al. | Efficient manifold ranking for cross-media retrieval | |
CN115687425A (zh) | 一种表格指标提取方法及装置 |
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 |