CN113873466B - 一种无人机网络弹性度量方法及其系统 - Google Patents
一种无人机网络弹性度量方法及其系统 Download PDFInfo
- Publication number
- CN113873466B CN113873466B CN202110784474.XA CN202110784474A CN113873466B CN 113873466 B CN113873466 B CN 113873466B CN 202110784474 A CN202110784474 A CN 202110784474A CN 113873466 B CN113873466 B CN 113873466B
- Authority
- CN
- China
- Prior art keywords
- elasticity
- unmanned aerial
- aerial vehicle
- network
- communication
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 69
- 230000008859 change Effects 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012546 transfer Methods 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 2
- 238000006116 polymerization reaction Methods 0.000 claims 1
- 230000006855 networking Effects 0.000 description 11
- 230000002776 aggregation Effects 0.000 description 8
- 238000004220 aggregation Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Classifications
-
- 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
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/248—Connectivity information update
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种无人机网络弹性度量方法及其系统,属于无人机网络安全领域;通过定义了能够反映网络局部拓扑环境的出入度比值和层级值两个核心指标,在此基础上将影响网络弹性的要素分为节点弹性和连边弹性两个方向以级联失效现象为载体,分别就各自的属性特征展开指标类型拓展和指标体系构建,一方面是节点能力的度量,基于出入度比值构建节点绝对实时通信压力和相对实时通信强度等反映节点的变化适应能力的指标,再考虑所有节点的影响引入点弹性矩阵,另一方面是连边能力的度量,基于连边层级值构建层级值变化率这一关键指标,在此基础上考虑所有连边的影响引入边弹性矩阵,综合节点弹性和连边弹性及其之间的内在关联给出网络弹性指标度量方法。
Description
技术领域
本公开属于无人机网络安全领域,具体涉及一种无人机网络弹性度量方法及其系统。
背景技术
近年来,无人机在军事领域和民用领域得到了高速发展和广泛应用。随着通信技术的升级和越来越复杂的任务类型成为常态,无人机集群组网技术提供了新的解决方案。集群组网通过蜂窝通信等技术实现多个无人机的任务协同,也能在单个无人机发生故障时通过剩余无人机的通信调整实现组网的稳定性,这都极大地增加了集群面对不确定性风险时的稳定性和任务执行可持续性。然而,面对风险和故障失效时如何进行通信拓扑的调整,如何分析失效的传递模式进而控制失效规模,如何客观衡量组网的恢复能力和弹性,鲜有研究涉及。这些问题探讨对无人机的组网生成机制、任务完成效率评价以及日常维护策略等都具有促进作用。因此,结合无人机失效模式对组网的弹性进行综合客观的度量具有很高的理论价值和现实意义。
发明内容
针对现有技术的不足,本公开的目的在于提供一种无人机网络弹性度量方法及其系统,解决了现有技术中现有技术无人机集群网络在面对不确定风险时的应对和恢复能力无法量化的问题。
本公开的目的可以通过以下技术方案实现:
一种无人机网络弹性度量方法,其特征在于,所述方法包括以下步骤:
S1:量化单个无人机通信传递效率;
S2:定义单个无人机点弹性;
S3:计算无人机集群网络的分层式结构;
S4:计算集群网络中任意两个无人机构成的边弹性;
S5:计算无人机集群网络的综合弹性
进一步地,步骤S1所述单个无人机通信传递效率通过相对实时通信压力求导后的结果来判定。
进一步地,步骤S2所述单个无人机点弹性为节点在一定时间内通信强度的变化量范围,其反映了某一节点在能够适应的通信强度变化的最大范围
进一步地,步骤S3所述无人机集群网络的分层式结构,通过失效前后层级值的变化率可以在一定程度上反映连边应对变化的能力。
进一步地,所述S4任意两个无人机构成的边弹性的计算方法为,1)遍历所有的连边在剩余连边分别失效时层级值的变化率2)计算连边经过一次和足够次的聚合迭代后的值分布3)用值的矩阵来量化任意两个无人机构成的边弹性。
进一步地,所述S5综合弹性通过节点弹性和连边弹性按照不同无人机网络中的权重占比计算得出。
进一步地,所述通信压力求导后的结果从通信拓扑和通信链的角度,将每两条相邻节点的层级值的算术平均值作为每条连边的层级值,进而倒推出每个节点在网络中的层次,而不同的位置层次影响了不同无人机节点的通信压力,借此最终确定节点的初始通信压力分布情况。
进一步地,所述网络弹性,当网络弹性为大于70%时可以认为该网络是富有弹性抗外部干扰符合要求。
进一步地,所述的一种无人机网络弹性度量方法。
进一步地,所述计算执行装置用于计算无人机网络弹性度量方法。
本公开的有益效果:
对分层式无人机集群组网的稳定性和弹性的度量,有助于无人机维护人员对无人机组网效率、无人机风险吸收能力、任务完成情况等方面进行综合评估,进而对组网中关键的无人机进行差异化和个性化的维护保养,最终为未来的无人机组网方案的迭代更新提供宝贵方向和数据支撑。
附图说明
为了更清楚地说明本公开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,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是本公开实施例的整体结构示意图;
图2是本公开实施例的结构示意图;
图3是本公开实施例的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本公开保护的范围。
如图1所示,实施例1:一种无人机网络弹性度量方法,本发明完整的技术方案一共包含以下五个关键步骤。一是量化单个无人机通信传递效率相关指标;二是定义单个无人机点弹性的含义和计算方法;三是量化无人机集群网络的分层式结构;四是定义集群网络中任意两个无人机构成的边弹性的含义和计算方法;五是定义无人机集群网络的综合弹性的实际含义和度量方法。
具体来说,步骤一中,任一无人机节点的通信效率取决于其所受到的通信压力Qi(t),而这种通信压力又受到该无人机所处的通信拓扑结构的影响。因此引出节点的绝对实时通信压力和相对实时通信压力这两个基础指标。对于绝对实时通信压力Qi(t),有如下计算方式:
绝对实时通信压力与初始负载和出入度比值有关,前者影响了该节点在某一时刻的整体压力水平,而后者影响了通信压力变化的方向和速度。可以看出,节点的出入度比值大小影响通信压力值的变化方向,当出入度比值为1时,该节点的通信压力是不随时间变化的恒定值。而绝对实时通信强度如公式(2)所示,通信强度是通信压力求导后的结果,反映了通信压力变化的难易程度:
而相对实时通信压力则是从多个节点之间相对关系的角度对某一结点在某一时间段的通信压力进行刻画,其计算如公式(3)所示。某一节点的相对通信压力与其上下游的绝对通信压力密切相关,具体来说,其值受到初始负载和上下游所有相邻节点绝对通信压力的影响。对应地,相对实时通信强度是相对实时通信压力求导后的结果,反映了某一结点在其局部拓扑环境下通信压力变化的难易程度,如公式(4)所示:
步骤二的关键目标是定义单个无人机的点弹性含义及其及计算方法,关键指标是节点在一定时间内通信强度的变化量范围,其反映了某一节点在能够适应的通信强度变化的最大范围,其计算方式如公式(5)所示。某一节点i在初始时效节点q情形下的强度变化范围是相对通信强度变化率在时效时间段Tq内的定积分,本质上反映的是相对通信强度:
在定义通信强度变化范围的基础上,可以遍历所有的节点在剩余节点分别失效时的QRN大小后可得出该无人机集群网络的唯一点弹性矩阵如公式(6)所示:
公式(6)反映了初始状态下各个节点承受变化的通信强度的能力,而网络在失效的过程中,节点、连边以及对应的拓扑环境在不断变化,需要综合考虑节点在不同时刻下展现出的能力。因此,为了得到集群网络整体的点弹性分布特征,需要不断对功能和地位类似的节点聚合迭代,聚合一次后的结果如公式(7)所示:
聚合N次行列式后得到的行矩阵如公式(8)所示:
网络迭代聚合的目的是为了在不同失效阶段下找到真实反映节点的通信承受能力的手段,而聚合的原则是依据节点的出入度分布情况,聚合迭代的结束标志是网络有且只有一个团簇;
步骤三的目标是量化无人机集群网络的分层式结构,进而为量化网络中连边的弹性打下指标基础。任意存在通信联系的两个节点间连边的层级值的计算方式如公式(9)所示:
某一连边的层级值是考虑了网络整体拓扑以及该连边在网络所有链中的上下游地位的基础上综合计算的结果。某一连边的层级值是静态指标,会随着网络级联失效和拓扑环境的变化发生变化,而每一个状态下的层级值对应的负载传递能力存在差异性,能够承受较大程度的负载传递要求的连边往往具有较强的适应性。因此,失效前后层级值的变化率可以在一定程度上反映连边应对变化的能力,即为连边的弹性。而层级值的变化率的计算公式如公式(10)所示。连边层级值的变化率指标本质上是某次失效时间段内,失效前后该条连边的层级值的算数平均值。其值的大小与该连边在网络中所有的上下游位置密切相关。
步骤四的目标是定义集群网络中任意两个无人机构成的边弹性的含义和计算方法。在步骤三定义连边层级值的基础上,只需要遍历所有的连边在剩余连边分别失效时层级值的变化率RE后,可得出该无人机集群网络的唯一边弹性矩阵如公式(11)所示。
同样地,为了真实反映某次失效整个阶段中连边应对拓扑结构变化的能力,需要计算连边经过一次和足够次的聚合迭代后的RE值分布,具体如公式(12)和公式(13)所示。而计算的思路和迭代目标与步骤二中节点弹性的计算方式相似。
步骤五的目标在于找到能够综合反映网络在面对失效时弹性的度量方法,在综合考虑集群网络中的点弹性和边弹性基础上,得出综合的弹性度量方法如公式(14)所示。
公式(14)中,X(i)和X(j)分别由某次失效发生时网络对应的MNR矩阵和MER矩阵中每一行的极差值决定。λni和λej分别是由对应的MNR矩阵和MER矩阵中每一列的QRN值决定的权重。λn和λe之和为1,是分别反映节点弹性和连边弹性的权重因子。和值的范围都是[0,1],且网络弹性值的范围是[0,0.5]。
如图2-3所示实施例2:以执行监控任务的常规固定翼无人机集群为应用背景,将其抽象为一个随机组成的包含10个无人机节点的集群网络,按照技术方案涉及到的五个关键步骤的顺序,进行集群网络的弹性度量。
对于步骤一中的量化单个无人机通信传递效率相关指标,由于网络确定后的无人机节点度分布是确定的,故关键点在于确定无人机初始通信压力分布。步骤二在步骤一的基础上可以通过遍历的方法得出各种情形下的点弹性和最终的点弹性矩阵。步骤三则依据分层式网络拓扑结构的特征确定出不同连边在是失效前后的变化情况,进而为步骤四中计算边弹性矩阵奠定基础。最终,步骤五结合步骤二和步骤四的计算结果和节点弹性以及连边弹性的权重属性,计算出该网络最终的弹性值大小,并就影响弹性大小的失效类型进行分析和总结。下面对各步骤进行详细说明。
步骤一:本步骤中从通信拓扑和通信链的角度,将每两条相邻节点的层级值的算术平均值作为每条连边的层级值,进而倒推出每个节点在网络中的层次,而不同的位置层次影响了不同无人机节点的通信压力,借此最终确定节点的初始通信压力分布情况。首先构造出模拟集群网络的组网结构附图2所示。在此基础上结合层级值的计算公式为该网络划定层级,如下表1所示。
表1模拟集群网络的层级值分布情况
在确定网络层级值分布的基础上,计算节点初始通信压力的分布情况,如表2所示。
表2节点初始通信压力的分布情况
步骤二:结合节点的通信压力和通信强度变化程度等相关指标,得出点弹性矩阵如下所示。
在此基础上对集群网络进行就近分组和迭代,分别得到一次迭代和最终结果如下所示。
步骤三:计算无人机集群网络的连边层级值分布,描述分层式结构,如表3所示。
表3失效前后节点层级值的变化情况
步骤四:计算集群网络中任意两个无人机构成的边弹性矩阵,结果如下所示。
类似于点弹性矩阵的聚合迭代过程,第一次迭代和最终的列矩阵如下所示。
步骤五:计算无人机集群网络的综合弹性,中间计算结果如下表4所示。
表4中间数据表
当网络弹性为100%时,可以认为该网络是富有弹性的且能够面对几乎任何规模的外部干扰。相反地,当网络弹性为0时,该网络是完全缺乏弹性的,任何微小的外部干扰都有可能造成网络的崩溃何功能失效。按照此规则,以附图2为例的网络弹性大小为22.94%。可以看出,该网络的弹性处于较小的范围,可能原因是网络中处于重要位置的节点面临的风险是集中的,无法被周围节点及时有效地稀释。为了提升网络弹性,可以通过动态匹配各个节点的相对位置,同步对比计算结果,进而找到和预期值最相符的节点分布结构等方法,对现有网络进行稳定性优化。
工作原理:
本发明基于图论思想和复杂网络分析基本原则,首先定义了能够反映网络局部拓扑环境的出入度比值和层级值两个核心指标,并在此基础上将影响网络弹性的要素分为节点弹性和连边弹性两个大方向。其次,以级联失效现象为载体,分别就各自的属性特征展开指标类型拓展和指标体系构建。一方面是节点能力的度量,基于出入度比值构建节点绝对实时通信压力和相对实时通信强度等反映节点的变化适应能力的指标,在此基础上考虑所有节点的影响引入点弹性矩阵。可以说,节点影响着网络运行时对抗外在风险的能力。另一方面是连边能力的度量,基于连边层级值构建层级值变化率这一关键指标,在此基础上考虑所有连边的影响引入边弹性矩阵。对应地,连边影响着网络失效时应对外界风险的能力。对比来看,节点的分布情况会影响连边的风险应对能力水平,综合节点弹性的动态影响特征、连边弹性的静态影响特征以及两种弹性之间的相互影响程度,可以给出网络弹性指标度量的方法。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (3)
1.一种无人机网络弹性度量方法,其特征在于,所述方法包括以下步骤:
S1:量化单个无人机通信传递效率;
S2:定义单个无人机点弹性;
S3:计算无人机集群网络的分层式结构;
S4:计算集群网络中任意两个无人机构成的边弹性;
S5:计算无人机集群网络的综合弹性;
步骤S1所述单个无人机通信传递效率通过相对实时通信压力求导后的结果来判定;
步骤S2所述单个无人机点弹性为节点在一定时间内通信强度的变化量范围,其反映了某一节点在能够适应的通信强度变化的最大范围;
步骤S3所述无人机集群网络的分层式结构,通过失效前后每条连边的层级值的变化率可以在一定程度上反映连边应对变化的能力;
所述S4任意两个无人机构成的边弹性的计算方法为:
1)遍历所有的连边在剩余连边分别失效时层级值的变化率RE;
2)计算连边经过一次和足够次的聚合迭代后的RE值分布;
3)用RE值的矩阵来量化任意两个无人机构成的边弹性;
所述S5综合弹性通过节点弹性和连边弹性按照不同无人机网络中的权重占比计算得出;
所述通信压力求导后的结果从通信拓扑和通信链的角度,将每两条相邻节点的层级值的算术平均值作为每条连边的层级值,进而倒推出每个节点在网络中的层次,而不同的位置层次影响了不同无人机节点的通信压力,借此最终确定节点的初始通信压力分布情况。
2.根据权利要求1所述的一种无人机网络弹性度量方法,其特征在于,所述网络弹性,当网络弹性为大于70%时,可以认为该网络是富有弹性的,符合抗外部干扰要求。
3.存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110784474.XA CN113873466B (zh) | 2021-07-12 | 2021-07-12 | 一种无人机网络弹性度量方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110784474.XA CN113873466B (zh) | 2021-07-12 | 2021-07-12 | 一种无人机网络弹性度量方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113873466A CN113873466A (zh) | 2021-12-31 |
CN113873466B true CN113873466B (zh) | 2024-02-20 |
Family
ID=78990089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110784474.XA Active CN113873466B (zh) | 2021-07-12 | 2021-07-12 | 一种无人机网络弹性度量方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113873466B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363340B (zh) * | 2022-01-12 | 2023-12-26 | 东南大学 | 无人机集群失效的控制方法、系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090041769A (ko) * | 2007-10-24 | 2009-04-29 | 고려대학교 산학협력단 | 센서 네트워크의 클러스터링 토폴로지 형성 방법 및 그시스템 |
CN105468702A (zh) * | 2015-11-18 | 2016-04-06 | 中国科学院计算机网络信息中心 | 一种大规模rdf数据关联路径发现方法 |
CN111176309A (zh) * | 2019-12-31 | 2020-05-19 | 北京理工大学 | 一种基于球面成像的多无人机自组群互感理解方法 |
CN112423308A (zh) * | 2020-11-03 | 2021-02-26 | 南京华鹞信息科技有限公司 | 一种基于k跳可达性的主动保持无人集群网络连通性的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3167571B1 (en) * | 2014-07-08 | 2018-03-14 | Telefonaktiebolaget LM Ericsson (publ) | Network topology estimation based on event correlation |
-
2021
- 2021-07-12 CN CN202110784474.XA patent/CN113873466B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090041769A (ko) * | 2007-10-24 | 2009-04-29 | 고려대학교 산학협력단 | 센서 네트워크의 클러스터링 토폴로지 형성 방법 및 그시스템 |
CN105468702A (zh) * | 2015-11-18 | 2016-04-06 | 中国科学院计算机网络信息中心 | 一种大规模rdf数据关联路径发现方法 |
CN111176309A (zh) * | 2019-12-31 | 2020-05-19 | 北京理工大学 | 一种基于球面成像的多无人机自组群互感理解方法 |
CN112423308A (zh) * | 2020-11-03 | 2021-02-26 | 南京华鹞信息科技有限公司 | 一种基于k跳可达性的主动保持无人集群网络连通性的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113873466A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108319779B (zh) | 基于m阶邻接矩阵的指挥控制网络级联失效模型建立方法 | |
CN103095598B (zh) | 一种大规模集群环境下的监控数据聚合方法 | |
CN113873466B (zh) | 一种无人机网络弹性度量方法及其系统 | |
CN110046048A (zh) | 一种基于工作量自适应快速重分配的负载均衡方法 | |
CN108388603A (zh) | 基于Spark框架的分布式概要数据结构的构建方法及查询方法 | |
CN108984830A (zh) | 一种基于模糊网络分析的建筑能效评价方法及装置 | |
CN111475899A (zh) | 基于超网络理论的数据链网络可靠性指标体系构建方法 | |
CN109766188B (zh) | 一种负载均衡调度方法及系统 | |
CN104021315A (zh) | 基于bp神经网络的电厂厂用电率计算方法 | |
Xu et al. | A method for improving consistency of judgment matrix in the AHP | |
CN106874607B (zh) | 基于多层级变权理论的电网自组织临界态定量评估方法 | |
CN105117559A (zh) | 基于模糊决策图与灰色关联分析的枪械设计方案评价方法 | |
CN111711530A (zh) | 基于社区拓扑结构信息的链接预测算法 | |
CN104968047A (zh) | 一种面向移动网络中节点网络距离的预测方法 | |
CN108268982B (zh) | 一种大规模有源配电网分解策略评价方法和装置 | |
CN105337759B (zh) | 一种基于社区结构的内外比度量方法及社区发现方法 | |
Xi et al. | Wind direction division of wind farm based on spontaneous aggregation characteristics of wind-direction data | |
CN104850716B (zh) | 基于分布式光伏接入设计聚类模型的最优方案选择方法 | |
Qu et al. | An analysis of the invulnerability for communication networks base on Cascading failure model | |
Zhao et al. | A network coordinate system constructing algorithm based on optimal neighbor nodes | |
Tian et al. | Recovery mechanism of large-scale damaged edge computing net-work in industrial internet of things | |
CN116992776B (zh) | 一种基于分段仿射的电压源变流器稳定域构造方法及系统 | |
US20240054259A1 (en) | Method for identifying fragile lines in power grids based on electrical betweenness | |
CN115426273B (zh) | 一种网络平台服务聚合协作弹性动态测度方法 | |
Xie et al. | FedDGIC: Reliable and Efficient Asynchronous Federated Learning with Gradient Compensation |
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 |