CN112989558A - 基于多目标优化的电力业务质量匹配优化方法及相关设备 - Google Patents
基于多目标优化的电力业务质量匹配优化方法及相关设备 Download PDFInfo
- Publication number
- CN112989558A CN112989558A CN202110049164.3A CN202110049164A CN112989558A CN 112989558 A CN112989558 A CN 112989558A CN 202110049164 A CN202110049164 A CN 202110049164A CN 112989558 A CN112989558 A CN 112989558A
- Authority
- CN
- China
- Prior art keywords
- service
- power
- quality
- node
- index
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000006870 function Effects 0.000 claims abstract description 62
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000010606 normalization Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 16
- 238000004146 energy storage Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书一个或多个实施例提供一种基于多目标优化的电力业务质量匹配优化方法、装置、智能合约节点和系统,应用于区块链系统,区块链系统包括用户节点、服务提供商节点、区块链节点以及智能合约节点。方法包括:智能合约节点接收用户节点发送的服务请求;智能合约节点分析服务请求,生成匹配的组合业务,并确定组合业务中的每个原子业务的功能;智能合约节点检索区块链节点的数据库中与每个原子业务的功能相匹配的电力业务,得到多种电力业务组合;智能合约节点将多种电力业务组合进行多目标优化,得到最优质量电力业务组合。能够实现去中心化、提高电力数据安全性、用户隐私安全性的作用。还能简单高效地得到最优质量电力业务组合。
Description
技术领域
本说明书一个或多个实施例涉及智能电网技术领域,尤其涉及一种基于多目标优化的电力业务质量匹配优化方法及相关设备。
背景技术
智能电网作为新一代电力传输网络,以物理电网为基础,融合了无线传感器网络和物联网技术,涵盖了发、输、变、配、用和调度六大环节,有大量的业务数据通过智能电网通信网络进行传输。而电力业务在使用时,通常需要进行优化。
公开号为CN111757352A的中国专利公开了一种基于多点协作的电力网络覆盖优化方法和装置,通过确定与移动台进行多点协作通讯的若干基站,根据建立的通讯模型确定移动台与各所述基站的传输参数和方向性增益;确定所述移动台的网络覆盖概率;建立网络覆盖概率与门限值之间的关系曲线;通过关系曲线确定移动台的优化节点。存在参数过多,计算复杂度高的缺陷。
公开号为CN111600752A的中国专利公开了根据预置邻接矩阵建立网络业务与电力通信网络之间的贝叶斯关系模型,计算贝叶斯关系模型中的每个网络节点的网络业务相关的可靠度和重要度。未解决计算复杂度巨大的问题。
因此,提高电力业务的优化方法的成为一个亟待解决的问题。
发明内容
有鉴于此,本说明书一个或多个实施例的目的在于提出一种基于多目标优化的电力业务质量匹配优化方法及相关设备,以解决现有技术中的问题。
基于上述目的,本说明书一个或多个实施例提供了一种基于多目标优化的电力业务质量匹配优化方法,应用于区块链系统,所述区块链系统包括用户节点、服务提供商节点、区块链节点以及智能合约节点;所述方法包括:
所述智能合约节点接收用户节点发送的服务请求;
所述智能合约节点分析所述服务请求,生成匹配的组合业务,并确定所述组合业务中的每个原子业务的功能;
所述智能合约节点检索区块链节点的数据库中与每个所述原子业务的功能相匹配的电力业务,得到多种电力业务组合;
所述智能合约节点将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合。
本说明书一个或多个实施例中,所述智能合约节点将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合的步骤具体包括:
设定电力业务组合的多个质量指标;
分别计算每种电力业务组合在每个质量指标下的服务质量,并进行归一化处理;
基于上述归一化所得每个质量指标下的服务质量,建立目标优化函数,并设置所述目标优化函数的约束条件;
基于MOEA-D算法对所述优化目标函数进行求解,得到最优质量电力业务组合。
本说明书一个或多个实施例中,所述归一化处理通过式进行;其中,k为质量指标;rqk(s)为归一化的电力业务在质量指标下的服务质量; qk(Si)为电力业务在质量指标下的服务质量;Si为电力业务;m为电力业务的数量。
在本说明书一个或多个实施例中,所述质量指标包括价格指标、时延指标和带宽指标;所述归一化处理通过式
进行,其中,V为价格指标;T为时延指标;B为带宽指标;RV(S)为归一化的价格指标下的服务质量;V(S)表示未归一化的价格指标下的服务质量;RT(S)为归一化的时延指标下的服务质量;T(S)为未归一化的时延指标下的服务质量;RB(S)为归一化的带宽指标下的服务质量;B(S)为未归一化的带宽指标下的服务质量。
本说明书一个或多个实施例中,所述优化目标函数为
其中,maxQ(CS)为电力业务组合的最优值;CS为电力业务组合;Si为电力业务;m为电力业务的数量;V(Si)为电力业务在价格指标下的服务质量;T(Si)为电力业务在价格指标下的服务质量;B(Si)为电力业务在时延指标下的服务质量;
其中,gvt为调整参数;gvb为调整参数。
本说明书一个或多个实施例中,所述基于MOEA-D算法对所述优化目标函数进行求解,获得最优电力业务组合的步骤具体包括:
基于MOEA-D算法对所述优化目标函数进行求解,获得满足所述约束条件的Pareto最优解;
从Pareto最优解中获得所述最优质量电力业务组合。
本说明书一个或多个实施例中,所述区块链节点基于智能电网联盟链建立,所述智能电网联盟链以发电厂、配电网运营商、储能运营商、和电力公司为节点建立。
本说明书实施例还提供一种基于多目标优化的电力业务质量匹配优化装置,应用于智能合约节点,包括:
服务请求接收模块,用于接收用户节点发送的服务请求;
服务请求分析模块,用于分析所述服务请求,生成匹配的组合业务,并确定所述组合业务中的每个原子业务的功能;
电力业务组合生成模块,用于检索区块链节点的数据库中与每个所述原子业务的功能相匹配的电力业务,得到多种电力业务组合;
多目标优化模块,用于将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合。
本说明书实施例还提供一种智能合约节点,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如前任意所述的方法。
本说明书实施例还提供一种基于多目标优化的电力业务质量匹配优化方法系统,所述系统包括用户节点、服务提供商节点、区块链节点以及如前所述的智能合约节点,其中,
所述用户节点用于向所述智能合约发送服务请求;
所述区块链节点用于接收所述智能合约节点发送的服务信息,所述服务信息包括服务提供商节点提供的电力业务和对应的服务质量指标。
从上面所述可以看出,本说明书一个或多个实施例提供的基于多目标优化的电力业务质量匹配优化方法,应用于区块链系统,所述区块链系统包括用户节点、服务提供商节点、区块链节点以及智能合约节点。通过所述智能合约节点接收用户节点发送的服务请求;所述智能合约节点分析所述服务请求,生成匹配的组合业务,并确定所述组合业务中的每个原子业务的功能;所述智能合约节点检索区块链节点的数据库中与每个所述原子业务的功能相匹配的电力业务,得到多种电力业务组合;所述智能合约节点将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合。能够实现去中心化、提高电力数据安全性、用户隐私安全性的作用。同时还能利用多目标优化算法针对用户的不同需求进行优化,简单高效地得到最优质量电力业务组合,提高智能电网系统的服务质量。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术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说明书一个或多个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例的区块链系统的示意图;
图2为本说明书一个或多个实施例的基于多目标优化的电力业务质量匹配优化方法的流程示意图;
图3为本说明书一个或多个实施例的智能电网联盟链的示意图;
图4为本说明书一个或多个实施例的得到最优质量电力业务组合的示意图;
图5为本说明书一个或多个实施例的价格指标最优为约束的最优点的示意图;
图6为本说明书一个或多个实施例的时延指标最优为约束的最优点的示意图;
图7为本说明书一个或多个实施例的带宽指标最优为约束的最优点的示意图;
图8为本说明书一个或多个实施例的基于多目标优化的电力业务质量匹配优化装置的示意图;
图9为本说明书一个或多个实施例的智能合约节点结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如背景技术部分所述,目前的电力网络的优化方法,在面对通信网络复杂的情况时,由于参数过多或者邻接矩阵数据量庞大,存在计算复杂度极大的问题。
申请人在实现本公开的过程中发现,在传统的智能电网服务体系中,通常包括多个主体,例如发电厂、配电网运营商、储能运营商和电力公司。智能电网作为一个庞大的业务管理系统,为了让业务能正常运行,各个主体之间进行交易通常需要一个第三方机构用于监管。一方面,第三方的介入会大大增加运营成本。另一方面,这种中心化的交易方式使得交易数据集中存放,一旦遭受攻击会造成无可挽回的损失,并且各个主体的数据隐私性也存在很大的隐患。
申请人还注意到区块链技术作为一种新兴的信息化技术,能够对实现数字化的智能电网业务系统提供重要支撑。申请人认为,一方面,运用区块链技术可以实现去中心化,降低运营成本;另一方面,区块链以链式结构记录各个交易参与方的交易信息,采用了密码学算法以区块的形式保存信息,保障了信息的完整性、不可篡改性,保障了业务数据的安全性。基于此,发明人提出了一种基于多目标优化的电力业务质量匹配优化方法。
以下,通过具体的实施例进一步详细说明本公开的技术方案。
请参阅图1,本发明实施例提供一种基于多目标优化的电力业务质量匹配优化方法,应用于区块链系统,所述区块链系统包括用户节点、服务提供商节点、区块链节点以及智能合约节点。
请参阅图2,所述方法包括:
S100,所述智能合约节点接收用户节点发送的服务请求;
S200,所述智能合约节点分析所述服务请求,生成匹配的组合业务,并确定所述组合业务中的每个原子业务的功能;
S300,所述智能合约节点检索区块链节点的数据库中与每个所述原子业务的功能相匹配的电力业务,得到多种电力业务组合;
S400,所述智能合约节点将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合。
本发明实施例提供的基于多目标优化的电力业务质量匹配优化方法,应用于区块链系统,所述区块链系统包括用户节点、服务提供商节点、区块链节点以及智能合约节点。通过所述智能合约节点接收用户节点发送的服务请求;所述智能合约节点分析所述服务请求,生成匹配的组合业务,并确定所述组合业务中的每个原子业务的功能;所述智能合约节点检索区块链节点的数据库中与每个所述原子业务的功能相匹配的电力业务,得到多种电力业务组合;所述智能合约节点将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合。能够实现去中心化、提高电力数据安全性、用户隐私安全性的作用。同时还能利用多目标优化算法针对用户的不同需求进行优化,简单高效地得到最优质量电力业务组合,提高智能电网系统的服务质量。
如图3所示,在本说明书一个或多个实施例中,在所述区块链系统中,所述区块链节点基于智能电网联盟链建立,所述智能电网联盟链以发电厂、配电网运营商、储能运营商和电力公司为节点建立。其中,发电厂提供供电业务、配电网运营商提供配电业务。储能运营商提供电能转卖业务。电力公司提供租线业务、输电业务和查表业务。本发明以联盟链为基础构建智能电网服务体系,能够实现去中心化,还能保障交易数据的安全性以及数据的隐私安全性。
在本说明书一个或多个实施例中,在该智能电网联盟链的服务体系中,各个主体,即发电厂、配电网运营商、储能运营商和电力公司均为半开放的本地节点,负责向公共节点上传提供的业务数据以及交易数据。公共节点为联盟链中任意非特定节点,由本地节点动态产生,从而实现了把数据分布式存储在联盟链中。在该联盟链中,各个主体一方面作为服务提供商,将自己的可提供的电力业务信息上传到公共节点保存,以供其他主体或者普通用户查询检索目标服务;另一方面各个主体也会作为用户请求服务,通过智能合约节点寻找自己需要的服务。
在本说明书一个或多个实施例中,在区块链系统中,各个节点可以理解为功能模块。其中,服务提供商节点为将所述联盟链中几个提供电力业务的主体抽象所得。服务提供商节点中服务提供商首先把自己能提供的电力业务以及对应的服务质量指标上传到区块链中。用户节点可以通过智能合约节点,访问到区块链节点中不同类型的电力业务以及该电力业务的质量信息。质量信息可以包括价格、响应时间和带宽等等。应当理解的是,此处设设服务提供商提供的各种类型的电力业务的服务质量指标都是真实可信的,忽略电力业务质量不稳定的影响。其中,同种类型的电力业务可能会有不同的业务提供商可以提供,相应的服务质量也会不同。
在本说明书一个或多个实施例中,用户节点中用户包括两类,一类是只请求服务的普通用户;另一类是联盟链中的各个主体在寻求自己需要的电力业务时作为的角色。用户节点可以通过智能合约节点,在区块链节点的数据库汇总检索所有已上链的电力业务的类型,从而得知现有的可提供的服务。用户节点请求服务时,一次的服务请求中可能会包含多种电力业务类型,而每一种业务类型可以选择不同的服务提供商,不同的服务提供商节点显然也会提供不同的服务质量,因此需要通过智能合约节点进行多目标优化生成服务质量最优的组合业务,也即生成最优质量电力业务组合。
在本说明书一个或多个实施例中,区块链节点主要存储了两类数据,一类数据是电力业务数据,主要包括电力业务类型信息以及相应的服务质量指标信息,这些信息都由服务提供商节点上传;另一类数据是交易数据,主要包含了各个交易记录。两类数据都在加密算法的运算下以Hash值的方式存储在Merkle树中。
在本说明书一个或多个实施例中,智能合约节点中,智能合约调用区块链节点与区块链数据区块进行交互,完成数据的验证和存储。智能合约节点主要接收两方的服务请求,一方面接收用户节点的服务请求,为用户节点筛选匹配电力业务。另一方面接收服务提供商节点的上链请求,把电力业务的类型以及服务质量信息上传到区块链节点。
在本说明书一个或多个实施例中,在步骤S100中,所述用户节点为需要提供服务的一方。用户节点可以包括两种类型的用户。一类是只请求服务的普通用户;另一类是联盟链中的各个主体在寻求自己需要的电力业务时作为的角色。服务请求中可能会包含多种电力业务类型。
在本说明书一个或多个实施例中,在步骤S200中,智能合约节点接收用户节点的服务请求后,首先分析该服务请求,根据用户的服务需求设计组合业务的架构,并确定其中各个原子业务的功能属性。
在本说明书一个或多个实施例中,在步骤S300中,电力业务的类型可以包括:供电业务、配电业务、电能转卖业务、租线业务、输电业务和查表业务。应该说明的是,所述电力业务由服务提供商节点提供,电力业务的信息和服务质量存储在所述区块链节点的数据库中。
在应用场景中,设定S为一个电力业务的类型的集合,组合业务为CS。CS={S1,S2,…,Sm},其中Si∈S,1≤i≤m。每个Si都表示一个原子业务,也即一种具有特定功能的抽象电力业务。每一个抽象电力业务Si可以由不同的服务提供商提供。每一个抽象电力业务Si均能够对应到服务提供商提供的一个具体电力业务。每一个抽象电力业务Si可以由不同的电力业务提供商提供,设定有n种不同的实现,即Si=(si1,si2,…,sin)。每个具体电力业务sij(其中sij∈si,1≤i≤m,1≤j≤n)业务功能相同但是可能具备不同的服务质量,因此组合业务CS最多有nm个组合方案。也即,组合业务CS对应到服务提供商提供的具体电力业务sij时,具有nm个电力业务组合。
如图4所示,本说明书一个或多个实施例中,步骤S400中,所述智能合约节点将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合的步骤具体包括:
S410,设定电力业务组合的多个质量指标;
S420,分别计算每种电力业务组合在每个质量指标下的服务质量,并进行归一化处理;
S430,基于上述归一化所得每个质量指标下的服务质量,建立目标优化函数,并设置所述目标优化函数的约束条件;
S440,基于MOEA-D算法对所述优化目标函数进行求解,得到最优质量电力业务组合。
也即,在该步骤S400中,智能合约节点检索区块链节点的数据库中现有的所有符合用户需求的电力业务的类型;检索完成后,对所有组合业务进行多目标优化,得到服务质量最优的组合业务,即得到最优质量电力业务组合。
本说明书一个或多个实施例中,步骤S410中,所述质量指标包括价格指标、时延指标、带宽指标和有效性指标等。
本说明书一个或多个实施例中,步骤S420中,通过归一化处理,能够有效避免不同质量指标优化方向不同所带来的繁琐计算。例如,价格指标和时延指标的优化是反向的,也即价格指标和时延指标为反向优化指标,代表价格越低、时延越短越优。而带宽指标和有效性指标的优化是正向的,也即带宽指标和有效性指标为反向优化指标,代表带宽越大,有效性越高越优。
在应用场景中,由服务提供商提供的每个具体电力业务sij的服务质量,均可以由k个可以量化的质量指标描述,比如价格指标、带宽指标、时延指标等等。设定向量Q(S)={q1(s),q2(s),…,qk(s)}表示电力业务S的服务质量。每种电力业务组合的服务质量,是由其中的每个具体电力业务在不同质量指标下的服务质量综合计算得到,而不同质量指标分别具有不同的计算方式。例如,价格指标和时延指标下的服务质量,均可通过进行累加得到。具体计算时,如式其中,qk(CS)为组合服务CS在指标k下的服务质量。带宽指标下,通过式计算。有效性指标下,
本说明书一个或多个实施例中,归一化处理通过式(1)进行。其中,k为质量指标;rqk(s)为归一化的电力业务在质量指标下的服务质量; qk(Si)为电力业务在质量指标下的服务质量;Si为电力业务;m为电力业务的数量。
本说明书一个或多个实施例中,设定质量指标为价格指标、时延指标和带宽指标。对应地,所述归一化处理通过式(5)进行。其中,V为价格指标;T为时延指标;B为带宽指标;RV(S)为归一化的价格指标下的服务质量;V(S)表示未归一化的价格指标下的服务质量;RT(S)为归一化的时延指标下的服务质量;T(S)为未归一化的时延指标下的服务质量;RB(S)为归一化的带宽指标下的服务质量;B(S)为未归一化的带宽指标下的服务质量;Vmin为价格指标下的服务质量的最小值,具体可以通过式(7)计算;Vmax为价格指标下的服务质量的最大值,具体可以通过式(6)计算;Tmin为价格指标下的服务质量的最小值,具体可以通过式(7)计算;Tmax为价格指标下的服务质量的最大值,具体可以通过式(6)计算;Bmin为带宽指标下的服务质量的最小值,具体可以通过式(7)计算;Bmax为带宽指标下的服务质量的最大值,具体可以通过式(6)计算。
通过该步骤中的归一化处理使所有质量指标,即价格指标、时延指标和带宽指标的优化方向均为正向优化,从而能够极大降低多目标优化计算的复杂度,提高多目标优化计算的效率。
本说明书一个或多个实施例中,步骤S430中,所述优化目标函数如式(6)所示。其中,maxQ(CS)为电力业务组合的最优值;CS为电力业务组合;V(Si)为电力业务在价格指标下的服务质量;T(Si)为电力业务在价格指标下的服务质量;B(Si)为电力业务在时延指标下的服务质量。
所述目标函数的约束条件如式(7)。其中,CS为电力业务组合;Si为电力业务;m为电力业务的数量;gvt为调整参数;gvb为调整参数。剩余参数如前所述,此处不再赘述。该约束条件中,gvt和gvb具体可以为考虑到现实情况的调整参数,具体值根据实际需求确定。设置gvt和gvb,可以避免,由于输入数据为随机生成的数据集,与现实情况差异巨大的情况。例如,某个服务价格很低,时延和带宽性能却都很优秀。
本说明书一个或多个实施例中,步骤S440中,所述基于MOEA-D算法对所述优化目标函数进行求解,获得最优电力业务组合的步骤具体包括:
基于MOEA-D算法对所述优化目标函数进行求解,获得满足所述约束条件的Pareto最优解;
从Pareto最优解中获得所述最优质量电力业务组合。
本说明书一个或多个实施例中,上述步骤S440,具体可以通过如下算法流程实现。对于前述的电力业务组合,共有m个目标函数,在MOEA-D算法中,将价格指标、时延指标和带宽指标等质量指标下的多个多目标优化问题抽象为如式(8)所示的函数。其中,f1(x),…,fm(x)分别为各优化目标函数,即电力业务组合的m个目标函数。x为前述的变量集合,即每个具体电力业务sij。Ω为前述的约束条件集合,即式(7)所述的集合。
算法流程如下:
(1)初始化最优解集POS,令设定种群数(即分解后的标量优化子问题数)为N,每个种群均包含该电力业务类型的服务质量指标信息。根据初始种群,得到各种群目标函数值,记作FVi,i=1,2,…,m。进而得到初始参考点z=[z1,…,zi,…],i=1,2,…,m,其中zi为目标函数fi(x)当前最优值。
(3)从邻居中随机选取序号a和b,利用遗传算子产生新解y,并对y进行修正得到y′,使其大小在约束条件范围之内,其中交叉和变异方式分别采用二进制交叉和多项式变异。
(4)利用y′求解得到fi(y′)。若zi>fi(y′),则更新zi值,使zi=fi(y′)。
(6)移除最优解集POS中被F(y′)支配的向量,更新POS。
(7)令迭代次数K=K+1,若K≤Kmax,则转步骤(3);否则算法终止并输出最优解集POS。
本说明书一个或多个实施例中,在步骤S400之后,还可以包括所述智能合约节点根据所述最优电力业务服务组合生成服务交易信息,并发送至用户端和区块链节点。也即,所述智能合约节点在得到最优质量电力业务组合之后,部署组合电力业务并生成交易,其中组合业务的各个原子业务的服务质量等级由对饮的服务提供商明确描述。所述服务交易信息,可以包括与所述服务请求所对应的电力业务组合,及其服务提供商和服务质量。
下面结合具体实施方式来进一步说明本发明的技术方案。
实验例
将智能电网的常见业务设置为五种业务类型,购电业务、租线业务、输电业务、变电业务和查表业务。每种业务分别设置三个服务质量指标,价格指标(V)、时延指标(T)和带宽指标(B),其中约束条件为1000≤V≤20000元,1≤T≤200ms,100≤B≤2000人(每个电力业务可同时服务人数上限)。由于真实可用的大规模电力数据难以获得,在随机生成的综合数据集之上完成实验。算法在Matlab环境下实现,运行环境为Windows 10家庭中文版操作系统,硬件环境为Intel i5-9300H CPU和16GB RAM内存。
为对算例系统进行仿真求解,设置MOEA-D的最大迭代次数Kmax=250,种群数N=100,所需均匀分布权重向量随机选取得到。权重向量的邻居个数S=20,交叉和变异分别采用二进制交叉和多项式变异,gvt=0.5,gvb=0。交叉概率为1%,变异概率为5%,整个算例采用Matlab软件进行编程、调试。
分别以每个服务质量指标最优为约束条件进行多目标优化,得到的Pareto最优散点图如图5,图6和图7所示。可以看出,服务质量指标之间存在冲突,一方得到优化后,另一方势必会受到影响。比如价格减少,时延就会增大,带宽就会减少。本算例在不同约束下得到的最优点如下述表1所示。最终选取以带宽最优为约束目标的一组解作为优化解,此时价格、时延和带宽分别为2041元,52.88ms,1662人(服务同时段最大可服务人数)。可见,该实验对电力业务匹配流程进行了模拟,成功使用MOEA-D算法得到了最优的服务组合。因此,本发明实施例的基于多目标优化的电力业务质量匹配优化方法,具有优良的计算效率,所得最优质量电力业务组合的有效性和合理性均为良好。
表1不同约束条件下的最优点
本发明实施例提供的基于多目标优化的电力业务质量匹配优化方法,以发电厂、配电网运营商、储能运营商和电力公司为节点建立的联盟链为基础,并在此基础上提出基于区块链的智能电网服务体系。该服务体系中每个节点都可以根据自己的需求灵活变换自己的角色,可以作为服务提供商,也可以作为请求服务的用户。在该服务体系中,用户与服务提供商通过智能合约在区块链中存储业务数据与交易数据,并通过智能合约进行服务匹配。还建立电力业务服务质量的数学模型,构建目标优化函数和约束条件,将用户匹配电力业务流程抽象为服务质量约束下的服务组合问题,并以多目标优化算法MOEA-D为基础,以价格、时延、带宽等服务质量指标为优化目标进行了分析优化。具有计算速度快,准确率高,高效得到最优电力业务组合的优点。
需要说明的是,本说明书一个或多个实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本说明书一个或多个实施例还提供了一种基于多目标优化的电力业务质量匹配优化装置。
请参阅图8,本说明书一个或多个实施例还提供一种基于多目标优化的电力业务质量匹配优化装置500,应用于智能合约节点,包括:
服务请求接收模块510,用于接收用户节点发送的服务请求;
服务请求分析模块520,用于分析所述服务请求,生成匹配的组合业务,并确定所述组合业务中的每个原子业务的功能;
电力业务组合生成模块530,用于检索区块链节点的数据库中与每个所述原子业务的功能相匹配的电力业务,得到多种电力业务组合;
多目标优化模块540,用于将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合。
在本说明书一个或多个实施例中,所述多目标优化模块540包括质量指标设定单元,归一化处理单元,目标优化函数建立单元和求解单元。所述质量指标设定单元,用于设定电力业务组合的多个质量指标;所述归一化处理单元,用于分别计算每种电力业务组合在每个质量指标下的服务质量,并进行归一化处理;所述目标优化函数建立单元,用于基于上述归一化所得每个质量指标下的服务质量,建立目标优化函数,并设置所述目标优化函数的约束条件;所述求解单元,用于基于MOEA-D算法对所述优化目标函数进行求解,得到最优质量电力业务组合。
在本说明书一个或多个实施例中,所述归一化处理单元,用于通过式
在本说明书一个或多个实施例中,所述质量指标包括价格指标、时延指标和带宽指标;所述归一化处理单元,用于通过式
进行归一化处理,其中,V为价格指标;T为时延指标;B为带宽指标;RV(S)为归一化的价格指标下的服务质量;V(S)表示未归一化的价格指标下的服务质量;RT(S)为归一化的时延指标下的服务质量;T(S)为未归一化的时延指标下的服务质量;RB(S)为归一化的带宽指标下的服务质量;B(S)为未归一化的带宽指标下的服务质量。
在本说明书一个或多个实施例中,所述优化目标函数为
其中,maxQ(CS)为电力业务组合的最优值;CS为电力业务组合;Si为电力业务;m为电力业务的数量;V(Si)为电力业务在价格指标下的服务质量;T(Si)为电力业务在价格指标下的服务质量;B(Si)为电力业务在时延指标下的服务质量;
其中,gvt为调整参数;gvb为调整参数。
本说明书一个或多个实施例中,所述求解单元,用于基于MOEA-D算法对所述优化目标函数进行求解,获得最优电力业务组合时,具体用于:
基于MOEA-D算法对所述优化目标函数进行求解,获得满足所述约束条件的Pareto最优解;
从Pareto最优解中获得所述最优质量电力业务组合。
本说明书一个或多个实施例中,所述区块链节点基于智能电网联盟链建立,所述智能电网联盟链以发电厂、配电网运营商、储能运营商、和电力公司为节点建立。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本说明书一个或多个实施例还提供了一种智能合约节点,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上任意一实施例所述的基于多目标优化的电力业务质量匹配优化方法。
图9示出了本实施例所提供的一种更为具体的智能合约节点结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本说明书一个或多个实施例还提供了一种基于多目标优化的电力业务质量匹配优化方法系统,所述系统包括用户节点、服务提供商节点、区块链节点以及如前所述的智能合约节点,其中,
所述用户节点用于向所述智能合约发送服务请求;
所述区块链节点用于接收所述智能合约节点发送的服务信息,所述服务信息包括服务提供商节点提供的电力业务和对应的服务质量指标;
所述服务提供商节点用于向所述智能合约节点发送所述服务信息,并发送将所述服务信息上链的请求。
基于同一发明构思,与上述任意实施例方法相对应的,本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的基于多目标优化的电力业务质量匹配优化方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本说明书一个或多个实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本说明书一个或多个实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本公开的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于多目标优化的电力业务质量匹配优化方法,其特征在于,应用于区块链系统,所述区块链系统包括用户节点、服务提供商节点、区块链节点以及智能合约节点;所述方法包括:
所述智能合约节点接收用户节点发送的服务请求;
所述智能合约节点分析所述服务请求,生成匹配的组合业务,并确定所述组合业务中的每个原子业务的功能;
所述智能合约节点检索区块链节点的数据库中与每个所述原子业务的功能相匹配的电力业务,得到多种电力业务组合;
所述智能合约节点将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合。
2.根据权利要求1所述的方法,其特征在于,所述智能合约节点将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合的步骤具体包括:
设定电力业务组合的多个质量指标;
分别计算每种电力业务组合在每个质量指标下的服务质量,并进行归一化处理;
基于上述归一化所得每个质量指标下的服务质量,建立目标优化函数,并设置所述目标优化函数的约束条件;
基于MOEA-D算法对所述优化目标函数进行求解,得到最优质量电力业务组合。
6.根据权利要求5所述的方法,其特征在于,所述基于MOEA-D算法对所述优化目标函数进行求解,获得最优电力业务组合的步骤具体包括:
基于MOEA-D算法对所述优化目标函数进行求解,获得满足所述约束条件的Pareto最优解;
从Pareto最优解中获得所述最优质量电力业务组合。
7.根据权利要求1所述的方法,其特征在于,所述区块链节点基于智能电网联盟链建立,所述智能电网联盟链以发电厂、配电网运营商、储能运营商、和电力公司为节点建立。
8.一种基于多目标优化的电力业务质量匹配优化装置,其特征在于,应用于智能合约节点,包括:
服务请求接收模块,用于接收用户节点发送的服务请求;
服务请求分析模块,用于分析所述服务请求,生成匹配的组合业务,并确定所述组合业务中的每个原子业务的功能;
电力业务组合生成模块,用于检索区块链节点的数据库中与每个所述原子业务的功能相匹配的电力业务,得到多种电力业务组合;
多目标优化模块,用于将所述多种电力业务组合进行多目标优化,得到最优质量电力业务组合。
9.一种智能合约节点,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任意一项所述的方法。
10.一种基于多目标优化的电力业务质量匹配优化方法系统,其特征在于,所述系统包括用户节点、服务提供商节点、区块链节点以及如权利要求9所述的智能合约节点,其中,
所述用户节点用于向所述智能合约发送服务请求;
所述区块链节点用于接收所述智能合约节点发送的服务信息,所述服务信息包括服务提供商节点提供的电力业务和对应的服务质量指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110049164.3A CN112989558A (zh) | 2021-01-14 | 2021-01-14 | 基于多目标优化的电力业务质量匹配优化方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110049164.3A CN112989558A (zh) | 2021-01-14 | 2021-01-14 | 基于多目标优化的电力业务质量匹配优化方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112989558A true CN112989558A (zh) | 2021-06-18 |
Family
ID=76344363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110049164.3A Pending CN112989558A (zh) | 2021-01-14 | 2021-01-14 | 基于多目标优化的电力业务质量匹配优化方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989558A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114142931A (zh) * | 2021-12-13 | 2022-03-04 | 北京邮电大学 | 一种基于bic-daf-moea的复杂信道通信方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119751A (zh) * | 2015-09-08 | 2015-12-02 | 浙江工业大学 | 一种基于环境实时感知的服务评估及选取方法 |
CN106357739A (zh) * | 2016-08-27 | 2017-01-25 | 浙江工业大学 | 一种针对批量云服务请求的两阶段组合与调度方法 |
CN110097366A (zh) * | 2019-05-07 | 2019-08-06 | 国家电网有限公司 | 一种区块链能源互联网业务处理系统及能源业务处理方法 |
CN110738375A (zh) * | 2019-10-16 | 2020-01-31 | 国网湖北省电力有限公司电力科学研究院 | 基于联盟链框架的主动配电网电力交易主体优化决策方法 |
CN111027736A (zh) * | 2019-07-30 | 2020-04-17 | 中国人民解放军国防科技大学 | 多目标优化下的微服务组合部署与调度方法 |
-
2021
- 2021-01-14 CN CN202110049164.3A patent/CN112989558A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119751A (zh) * | 2015-09-08 | 2015-12-02 | 浙江工业大学 | 一种基于环境实时感知的服务评估及选取方法 |
CN106357739A (zh) * | 2016-08-27 | 2017-01-25 | 浙江工业大学 | 一种针对批量云服务请求的两阶段组合与调度方法 |
CN110097366A (zh) * | 2019-05-07 | 2019-08-06 | 国家电网有限公司 | 一种区块链能源互联网业务处理系统及能源业务处理方法 |
CN111027736A (zh) * | 2019-07-30 | 2020-04-17 | 中国人民解放军国防科技大学 | 多目标优化下的微服务组合部署与调度方法 |
CN110738375A (zh) * | 2019-10-16 | 2020-01-31 | 国网湖北省电力有限公司电力科学研究院 | 基于联盟链框架的主动配电网电力交易主体优化决策方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114142931A (zh) * | 2021-12-13 | 2022-03-04 | 北京邮电大学 | 一种基于bic-daf-moea的复杂信道通信方法 |
CN114142931B (zh) * | 2021-12-13 | 2023-09-12 | 北京邮电大学 | 一种基于bic-daf-moea的复杂信道通信方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084377B (zh) | 用于构建决策树的方法和装置 | |
TWI732226B (zh) | 分類模型生成方法及裝置、資料識別方法及裝置 | |
CN112862011A (zh) | 基于联邦学习的模型训练方法、装置及联邦学习系统 | |
TWI759539B (zh) | 電腦設備及風控決策臨界值的確定裝置 | |
Li et al. | Research on QoS service composition based on coevolutionary genetic algorithm | |
CN112039702A (zh) | 基于联邦学习和相互学习的模型参数训练方法及装置 | |
CN109586950A (zh) | 网络场景识别方法、网络管理设备、系统及存储介质 | |
Ms et al. | Profit maximization based task scheduling in hybrid clouds using whale optimization technique | |
CN114077912A (zh) | 数据预测方法以及数据预测装置 | |
CN112989558A (zh) | 基于多目标优化的电力业务质量匹配优化方法及相关设备 | |
Gupta et al. | [Retracted] Cost‐Aware Resource Optimization for Efficient Cloud Application in Smart Cities | |
CN116542490A (zh) | 虚拟电厂日前调度封装模型以及调度出清模型构建方法 | |
Qiu et al. | Heterogeneous assignment of functional units with gaussian execution time on a tree | |
CN109615680A (zh) | 基于泰森多边形和距离反比实现无线频谱资源空间分布插值处理的方法、装置及其存储介质 | |
Li et al. | Parallel algorithm of multiobjective optimization harmony search based on cloud computing | |
CN105868435B (zh) | 一种基于线性相关性分析实现光网络建设的高效控制方法 | |
CN110009357A (zh) | 一种判决策略配置方法及装置 | |
CN113609397A (zh) | 用于推送信息的方法和装置 | |
CN116150429A (zh) | 异常对象识别方法、装置、计算设备以及存储介质 | |
Zhang et al. | Deploying GIS services into the edge: A study from performance evaluation and optimization viewpoint | |
CN112036418A (zh) | 用于提取用户特征的方法和装置 | |
CN117094031B (zh) | 工业数字孪生数据隐私保护方法及相关介质 | |
CN112308595A (zh) | 用于确定货品状态的方法和装置 | |
Wang | [Retracted] Optimizing Multitask Assignment of Internet of Things Devices by Reinforcement Learning in Mobile Crowdsensing Scenes | |
CN110309848A (zh) | 离线数据与流式数据实时融合计算的方法 |
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 |