CN115065605B - 一种云制造资源节点重要性评估方法及系统 - Google Patents

一种云制造资源节点重要性评估方法及系统 Download PDF

Info

Publication number
CN115065605B
CN115065605B CN202210390184.1A CN202210390184A CN115065605B CN 115065605 B CN115065605 B CN 115065605B CN 202210390184 A CN202210390184 A CN 202210390184A CN 115065605 B CN115065605 B CN 115065605B
Authority
CN
China
Prior art keywords
resource
nodes
node
cloud manufacturing
resource node
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
Application number
CN202210390184.1A
Other languages
English (en)
Other versions
CN115065605A (zh
Inventor
尹勇
刘雪冬
黄铮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202210390184.1A priority Critical patent/CN115065605B/zh
Publication of CN115065605A publication Critical patent/CN115065605A/zh
Application granted granted Critical
Publication of CN115065605B publication Critical patent/CN115065605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04L41/14—Network analysis or design
    • 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
    • H04L41/12—Discovery or management of network topologies
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种云制造资源节点重要性评估方法及系统，该方法包括以下步骤：S1、云制造系统通过其内部资源节点制造资源有向加权复杂网络建模；S2、计算各个资源节点的点权；S3、计算各个资源节点之间的边权；S4、获取各个资源节点的阻尼系数；S5、通过改进网页排名算法计算各个资源节点网页级别，直到收敛终止迭代；S6、以各个资源节点的网页级别作为该节点重要性评估指标进行排序。本发明将云制造系统抽象成有向加权复杂网络，将点权综合了节点在云制造系统中的功能角色及该节点在复杂网络中的拓扑位置两种因素；将边权结合其邻居节点的影响，解决了现有方法评估过于片面、评估结果欠准确等问题。

Description

一种云制造资源节点重要性评估方法及系统
技术领域
本发明涉及云制造系统制造资源选择，具体来说，涉及一种云制造资源节点重要性评估方法及系统。
背景技术
云制造是在“制造即服务”理念的基础上，借用云计算的思想将巨大的社会制造资源池连接在一起，提供透明的、开放的、按需使用的云制造资源及服务，各云资源节点交互协商、分工合作，共同完成产品制造任务。
在云制造系统中，资源节点重要性是评价系统各种制造资源相对重要性的有效方法。首先，云制造系统资源节点重要性的信息可以使云制造系统设计者发现并跟踪系统资源瓶颈，为以最低成本提高系统可靠性或性能提供有效手段。其次，根据资源节点在云制造系统中的重要程度，可以将有价值的资源分配给对系统相对重要的制造任务。第三，云制造系统中一个核心资源节点的故障可能会导致另一个资源节点的故障，而这种故障传播可能会扩大对整个系统的负面影响，因此评估一个资源节点的重要性能提供一种有效的方法来诊断系统故障，以控制或消除系统中的故障传播。
目前，传统的重要性评估方法包括Birnbaum重要性评估方法、概率统计方法、状态空间方法等，这些方法大都基于制造系统的结构必须是固定的这一前提，未考虑制造过程的动态随机因素。同时，这些评估方法无法应用于云制造环境下制造系统多资源节点、规模巨大且复杂化问题。
PageRank重要节点识别方法能弥补传统的重要性评估方法的缺陷，其算法如下：
上式中，L(pj)是接点pj的出链数目，n是节点总数，α是节点的阻尼系数，一般取0.85。根据上面的公式，可以计算每个节点的PR值，在不断迭代趋于平稳的时候，即为最终结果。
PageRank算法的思想是预先给每个节点一个PR值(即：PageRank值)，PR值物理意义上是一个节点与其他节点连接的概率，通常设置为1/N，所有节点的PR值的总和为1。然而，现有的基于PageRank算法的重要节点识别方法至少存在如下技术问题：
1、由云制造系统抽象出来的复杂网络属于有向加权网络，现有的基于复杂网络的重要节点识别方法仅仅考虑无向无权的网络模型，没有考虑有向加权(包括点权和边权)网络模型；
2、现有的基于复杂网络的重要节点识别方法仅考虑其邻居节点的影响，没有考虑邻居的影响。即：如果存在A→B和B→C，没有考虑存在A→C这种情况；
3、云制造系统抽象出来的复杂网络资源节点之间存在相互关联关系，这种相互作用关联关系具有强弱和方向，而基于PageRank算法的重要节点识别方法缺乏对资源节点间关联强度的分析和评估。
综上可知，现有技术中的方法评估过于片面、评估结果欠准确、评估精度和算法速度却不能同时兼顾，存在准确性和实用性不高的技术问题。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题，本发明提出一种云制造资源节点重要性评估方法及系统，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
根据本发明一个方面，提供了一种云制造资源节点重要性评估方法，该方法包括以下步骤：
S1、云制造系统通过其内部资源节点制造资源有向加权复杂网络建模；
S2、计算各个资源节点的点权；
S3、计算各个资源节点之间的边权；
S4、获取各个资源节点的阻尼系数；
S5、通过改进网页排名算法计算各个资源节点网页级别，直到收敛终止迭代；
S6、以各个资源节点的网页级别作为该节点重要性评估指标进行排序。
进一步的，所述资源包括计算资源、仿真资源、设备资源、技术资源、信息资源、人力资源和服务资源。
进一步的，所述云制造系统中的资源节点表示为复杂网络的节点，资源节点之间的连接关系表示为复杂网络节点之间的边；
其中，所述资源节点之间的连接关系包括物流关联关系、能量流关联关系与信息流关联关系。
进一步的，所述计算各个资源节点的点权包括以下步骤：
S21、通过将资源节点在云制造系统中的功能角色及该节点在复杂网络中的拓扑位置赋予权重后聚合为单一值，计算公式为：
Ti＝AO(ai1,ai2,...,aim)；
其中，AO是一种广义聚合算子，其目的是将多种广义重要性测度聚合为单一值，Ti表示单一值，A＝{a1,a2,...,ai,...,an}表示聚合对象且包括资源价格、资源生命周期、介数中心性及聚类系数，聚合对象ai的基本测度集为{ai1,ai2,...,aim}；
S22、利用模糊积分聚合计算得到所述资源节点的点权，计算公式为：
W(Ci)＝∫Tidμ＝∑(αi(j)-αi(j-1))μ(Ai(j)),i＝1,...,N；
其中，Ti＝{ai1,ai2,...,aim}表示资源节点Ci的聚合对象集合且i＝1，2，3，…，n，j代表第j个重要性指数且j＝1，2，3，…，m，且m是节点Ci的数字重要性指数，n表示云制造系统所构成的复杂网络中的资源节点的个数，μ(Ai(j))表示节点Ci的包括资源价格、资源生命周期、介数中心性及聚类系数因素的权重。
进一步的，所述节点在云制造系统中的功能角色包括资源价格、资源生命周期、平均无故障时间和失效概率，所述节点在复杂网络中的拓扑位置包括节点的度、介数中心性、聚类系数与接近中心度。
进一步的，所述计算各个资源节点之间的边权的计算公式为：
Pj＝100*αij+(1-αij)(pj+αijPi/pj)；
αij∈[0,1],pj∈(0,100]；
其中，αij表示资源节点Ci和Cj之间的边权，即资源节点Ci和Cj之间的关联度，pj表示资源节点的基本功效，Pi和Pj分别表示资源节点Ci和Cj的实际功效，i、j的取值范围均为[1，n]，n表示云制造系统所构成的复杂网络中的资源节点的个数；
当αij＝0时，资源节点Ci对Cj没有影响，Cj只能以基本功效运行，当αij＝1时，资源节点Ci对Cj影响最大，Cj以100的最大功效运行。
进一步的，所述获取各个资源节点的阻尼系数的计算公式为：
d(Ci)＝1-Fp(Ci)；
其中，d(Ci)表示阻尼系数，Fp(Ci)表示资源节点Ci和Cj之间的关联关系传播概率，且表达式为：
其中，W(Ci)表示资源节点Ci的节点权重，Vi+表示资源节点Ci相连接的邻居节点的集合，i、j的取值范围均为[1，n]，n表示云制造系统所构成的复杂网络中的资源节点的个数。
进一步的，所述通过改进网页排名算法计算各个资源节点网页级别的计算公式为：
其中，IPIM(Ci)表示资源节点Ci的PR值，d(Ci)表示阻尼系数，αij表示资源节点Ci和Cj之间的边权，W(Ci)表示资源节点Ci的节点权重，i、j的取值范围均为[1，n]，n表示云制造系统所构成的复杂网络中的资源节点的个数。
进一步的，所述改进网页排名算法的收敛终止迭代条件为前后两次迭代误差小于自定义误差阈值。
根据本发明的另一个方面，提供了一种云制造资源节点重要性评估系统，该系统包括以下组成：
云制造系统有向加权复杂网络建模子系统，用于将云制造系统中的资源节点表示为复杂网络的节点，资源节点之间的连接关系表示为节点之间的边；
资源节点的点权计算子系统，用于通过聚合算子将资源节点在云制造系统中的功能角色及该节点在复杂网络中的拓扑位置聚合为单一值，然后利用模糊积分聚合得到该资源节点的点权；
资源节点之间的边权计算子系统，用于计算资源节点之间的影响程度；
阻尼系数计算子系统，用于通过资源节点之间的关联关系传播概率计算改进网页排名算法的阻尼系数；
资源节点PR值计算子系统，用于通过改进网页排名算法计算云制造系统复杂网络上各个资源节点的网页级别，作为该节点重要性评估依据。
本发明的有益效果为：本发明将云制造系统抽象成有向加权(包括点权和边权)复杂网络，将点权综合了节点在云制造系统中的功能角色及该节点在复杂网络中的拓扑位置两种因素；并将边权结合其邻居节点的影响，同时还进一步结合邻居的邻居节点的影响，解决了现有技术中的方法评估过于片面、评估结果欠准确、评估精度和算法速度不能同时兼顾等问题。
此外，本发明包括云制造系统复杂网络建模子系统、资源节点的点权计算子系统、资源节点之间的边权计算子系统、阻尼系数计算子系统和资源节点PR值计算子系统，达成了准确性、实用性、高效性、可操作性的设计目标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种云制造资源节点重要性评估方法的流程图；
图2是根据本发明实施例的一种云制造资源节点重要性评估方法中云制造系统中资源节点有向加权复杂网络构建示意图；
图3是根据本发明实施例的一种云制造资源节点重要性评估方法中各个资源节点的点权的影响因素示意图；
图4是根据本发明实施例的一种云制造资源节点重要性评估方法云制造资源节点重要性评估算法示意图；
图5是根据本发明实施例的一种基于改进PageRank算法的云制造资源节点重要性评估系的结构框图。
具体实施方式
根据本发明的实施例，提供了一种云制造资源节点重要性评估方法。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，该方法包括以下步骤：
S1、云制造系统通过其内部资源节点制造资源有向加权复杂网络建模；
其中，所述资源包括计算资源、仿真资源、设备资源、技术资源、信息资源、人力资源和服务资源等。
此外，所述云制造系统中的资源节点表示为复杂网络的节点，资源节点之间的连接关系表示为复杂网络节点之间的边。
其中，所述资源节点之间的连接关系包括物流(材料流)关联关系、能量流关联关系与信息流关联关系。
S2、计算各个资源节点的点权，包括以下步骤：
S21、通过将资源节点在云制造系统中的功能角色及该节点在复杂网络中的拓扑位置赋予权重后聚合为单一值，计算公式为：
Ti＝AO(ai1,ai2,...,aim)；
其中，AO是一种广义聚合算子，其目的是将多种广义重要性测度聚合为单一值，Ti表示单一值，A＝{a1,a2,...,ai,...,an}表示聚合对象且包括资源价格、资源生命周期、介数中心性及聚类系数，聚合对象ai的基本测度集为{ai1,ai2,...,aim}；
S22、利用模糊积分聚合计算得到所述资源节点的点权，计算公式为：
W(Ci)＝∫Tidμ＝∑(ai(j)-ai(j-1))μ(Ai(j)),i＝1,...,n；
其中，Ti＝{ai1,ai2,...,aim}表示资源节点Ci的聚合对象集合且i＝1，2，3，…，n，j代表第j个重要性指数且j＝1，2，3，…，m，且m是节点Ci的数字重要性指数，n表示云制造系统所构成的复杂网络中的资源节点的个数，μ(Ai(j))表示节点Ci的包括资源价格、资源生命周期、介数中心性及聚类系数因素的权重。
所述节点在云制造系统中的功能角色包括资源价格、资源生命周期、平均无故障时间和失效概率，所述节点在复杂网络中的拓扑位置包括节点的度、介数中心性、聚类系数与接近中心度。
S3、计算各个资源节点之间的边权，计算公式为：
Pj＝100*αij+(1-αij)(pj+αijPi/pj)；
αij∈[0,1],pj∈(0,100]；
其中，αij表示资源节点Ci和Cj之间的边权，即资源节点Ci和Cj之间的关联度，pj表示资源节点的基本功效，Pi和Pj分别表示资源节点Ci和Cj的实际功效，i、j的取值范围均为[1，n]，n表示云制造系统所构成的复杂网络中的资源节点的个数；
当αij＝0时，资源节点Ci对Cj没有影响，Cj只能以基本功效运行，当αij＝1时，资源节点Ci对Cj影响最大，Cj以100的最大功效运行。
S4、获取各个资源节点的阻尼系数，计算公式为：
d(Ci)＝1-Fp(Ci)；
其中，d(Ci)表示阻尼系数，Fp(Ci)表示资源节点Ci和Cj之间的关联关系传播概率，且表达式为：
其中，W(Ci)表示资源节点Ci的节点权重，Vi+表示资源节点Ci相连接的邻居节点的集合，i、j的取值范围均为[1，n]，n表示云制造系统所构成的复杂网络中的资源节点的个数。
S5、通过改进网页排名(PageRank)算法计算各个资源节点网页级别(PR值)，直到收敛终止迭代，
其中，改进网页排名(PageRank)算法计算各个资源节点网页级别(PR值)的计算公式为：
其中，IPIM(Ci)表示资源节点Ci的PR值，d(Ci)表示阻尼系数，αij表示资源节点Ci和Cj之间的边权，W(Ci)表示资源节点Ci的节点权重，i、j的取值范围均为[1，n]，n表示云制造系统所构成的复杂网络中的资源节点的个数。
本发明用资源节点的点权W(Ci)表示本节点与其他节点连接的概率，取代传统的1/N的平均概率；同时，本发明通过节点之间的边权αij考虑了邻居的邻居节点的影响，并且用资源节点之间的关联关系传播概率Fp(Ci)计算节点的阻尼系数d(Ci)，以取代传统的α(一般取0.85)，解决了现有技术中的方法评估过于片面、评估结果欠准确、评估精度和算法速度不能同时兼顾等问题。
所述改进网页排名算法的收敛终止迭代条件为前后两次迭代误差小于自定义误差阈值。
S6、以各个资源节点的网页级别(PR值)作为该节点重要性评估指标进行排序。
根据本发明的另一个实施例，还提供了一种云制造资源节点重要性评估系统，该系统包括以下组成：
云制造系统有向加权复杂网络建模子系统，用于将云制造系统中的资源节点表示为复杂网络的节点，资源节点之间的连接关系表示为节点之间的边；
资源节点的点权计算子系统，用于通过聚合算子将资源节点在云制造系统中的功能角色及该节点在复杂网络中的拓扑位置聚合为单一值，然后利用模糊积分聚合得到该资源节点的点权；
资源节点之间的边权计算子系统，用于计算资源节点之间的影响程度；
阻尼系数计算子系统，用于通过资源节点之间的关联关系传播概率计算改进网页排名算法(PageRank)的阻尼系数；
资源节点PR值计算子系统，用于通过改进网页排名算法(PageRank)计算云制造系统复杂网络上各个资源节点的网页级别(PR值)，作为该节点重要性评估依据。
综上所述，借助于本发明的上述技术方案，本发明将云制造系统抽象成有向加权(包括点权和边权)复杂网络，将点权综合了节点在云制造系统中的功能角色及该节点在复杂网络中的拓扑位置两种因素；并将边权结合其邻居节点的影响，同时还进一步结合邻居的邻居节点的影响，解决了现有技术中的方法评估过于片面、评估结果欠准确、评估精度和算法速度不能同时兼顾等问题。
此外，本发明包括云制造系统复杂网络建模子系统、资源节点的点权计算子系统、资源节点之间的边权计算子系统、阻尼系数计算子系统和资源节点PR值计算子系统，达成了准确性、实用性、高效性、可操作性的设计目标。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种云制造资源节点重要性评估方法，其特征在于，该方法包括以下步骤：
S1、云制造系统通过其内部资源节点制造资源有向加权复杂网络建模；
S2、计算各个资源节点的点权；
S3、计算各个资源节点之间的边权；
S4、获取各个资源节点的阻尼系数；
S5、通过改进网页排名算法计算各个资源节点网页级别，直到收敛终止迭代；
S6、以各个资源节点的网页级别作为该节点重要性评估指标进行排序；
所述计算各个资源节点的点权包括以下步骤：
S21、通过将资源节点在云制造系统中的功能角色及该节点在复杂网络中的拓扑位置赋予权重后聚合为单一值，计算公式为：
Ti＝AO(ai1,ai2,...,aim)；
其中，AO是一种广义聚合算子，其目的是将多种广义重要性测度聚合为单一值，Ti表示单一值，{a1,a2,...,ai,...,an}表示聚合对象且包括资源价格、资源生命周期、介数中心性及聚类系数，聚合对象ai的基本测度集为{ai1,ai2,...,aim}；
S22、利用模糊积分聚合计算得到所述资源节点的点权，计算公式为：
W(Ci)＝∫Tidμ＝∑(ai(j)-ai(j-1))μ(Ai(j)),i＝1,...,n；
其中，Ti＝{ai1,ai2,...,aim}表示资源节点Ci的聚合对象集合且i＝1，2，3，…，n，j代表第j个重要性指数且j＝1，2，3，…，m，且m是节点Ci的数字重要性指数，n表示云制造系统所构成的复杂网络中的资源节点的个数，μ(Ai(j))表示节点Ci的包括资源价格、资源生命周期、介数中心性及聚类系数因素的权重；
所述计算各个资源节点之间的边权的计算公式为：
Pj＝100*αij+(1-αij)(pj+αijPi/pj)；
αij∈[0,1],pj∈(0,100]；
其中，αij表示资源节点Ci和Cj之间的边权，即资源节点Ci和Cj之间的关联度，pj表示资源节点的基本功效，Pi和Pj分别表示资源节点Ci和Cj的实际功效，i、j的取值范围均为[1，n]，n表示云制造系统所构成的复杂网络中的资源节点的个数；
当αij＝0时，资源节点Ci对Cj没有影响，Cj只能以基本功效运行，当αij＝1时，资源节点Ci对Cj影响最大，Cj以100的最大功效运行；
所述获取各个资源节点的阻尼系数的计算公式为：
d(Ci)＝1-Fp(Ci)；
其中，d(Ci)表示阻尼系数，Fp(Ci)表示资源节点Ci和Cj之间的关联关系传播概率，且表达式为：
其中，W(Ci)表示资源节点Ci的节点权重，Vi+表示资源节点Ci相连接的邻居节点的集合，i、j的取值范围均为[1，n]，n表示云制造系统所构成的复杂网络中的资源节点的个数；
所述通过改进网页排名算法计算各个资源节点网页级别的计算公式为：
其中，IPIM(Ci)表示资源节点Ci的PR值，d(Ci)表示阻尼系数，αij表示资源节点Ci和Cj之间的边权，W(Ci)表示资源节点Ci的节点权重，i、j的取值范围均为[1，n]，n表示云制造系统所构成的复杂网络中的资源节点的个数。
2.根据权利要求1所述的一种云制造资源节点重要性评估方法，其特征在于，所述资源包括计算资源、仿真资源、设备资源、技术资源、信息资源、人力资源和服务资源。
3.根据权利要求1所述的一种云制造资源节点重要性评估方法，其特征在于，所述云制造系统中的资源节点表示为复杂网络的节点，资源节点之间的连接关系表示为复杂网络节点之间的边；
其中，所述资源节点之间的连接关系包括物流关联关系、能量流关联关系与信息流关联关系。
4.根据权利要求3所述的一种云制造资源节点重要性评估方法，其特征在于，所述节点在云制造系统中的功能角色包括资源价格、资源生命周期、平均无故障时间和失效概率，所述节点在复杂网络中的拓扑位置包括节点的度、介数中心性、聚类系数与接近中心度。
5.根据权利要求4所述的一种云制造资源节点重要性评估方法，其特征在于，所述改进网页排名算法的收敛终止迭代条件为前后两次迭代误差小于自定义误差阈值。
6.一种云制造资源节点重要性评估系统，用于权利要求1-5所述云制造资源节点重要性评估方法的实现，其特征在于，该系统包括以下组成：
云制造系统有向加权复杂网络建模子系统，用于将云制造系统中的资源节点表示为复杂网络的节点，资源节点之间的连接关系表示为节点之间的边；
资源节点的点权计算子系统，用于通过聚合算子将资源节点在云制造系统中的功能角色及该节点在复杂网络中的拓扑位置聚合为单一值，然后利用模糊积分聚合得到该资源节点的点权；
资源节点之间的边权计算子系统，用于计算资源节点之间的影响程度；
阻尼系数计算子系统，用于通过资源节点之间的关联关系传播概率计算改进网页排名算法的阻尼系数；
资源节点PR值计算子系统，用于通过改进网页排名算法计算云制造系统复杂网络上各个资源节点的网页级别，作为该节点重要性评估依据。
CN202210390184.1A 2022-04-14 2022-04-14 一种云制造资源节点重要性评估方法及系统 Active CN115065605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210390184.1A CN115065605B (zh) 2022-04-14 2022-04-14 一种云制造资源节点重要性评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210390184.1A CN115065605B (zh) 2022-04-14 2022-04-14 一种云制造资源节点重要性评估方法及系统

Publications (2)

Publication Number Publication Date
CN115065605A CN115065605A (zh) 2022-09-16
CN115065605B true CN115065605B (zh) 2023-07-25

Family

ID=83196764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210390184.1A Active CN115065605B (zh) 2022-04-14 2022-04-14 一种云制造资源节点重要性评估方法及系统

Country Status (1)

Country Link
CN (1) CN115065605B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0921387A2 (de) * 1997-12-08 1999-06-09 Beissbarth GmbH Verfahren und Vorrichtung zum Prüfen von eingebauten Stossdämpfern
CN103399799A (zh) * 2013-07-30 2013-11-20 浪潮(北京)电子信息产业有限公司 云操作系统中计算物理资源节点负载评价的方法及装置
CN105046453A (zh) * 2015-09-02 2015-11-11 中铁十一局集团有限公司 一种引入云模型进行评价选择的建设工程项目群构建方法
CN110990718A (zh) * 2019-11-27 2020-04-10 国网能源研究院有限公司 一种公司形象提升系统的社会网络模型构建模块

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0921387A2 (de) * 1997-12-08 1999-06-09 Beissbarth GmbH Verfahren und Vorrichtung zum Prüfen von eingebauten Stossdämpfern
CN103399799A (zh) * 2013-07-30 2013-11-20 浪潮(北京)电子信息产业有限公司 云操作系统中计算物理资源节点负载评价的方法及装置
CN105046453A (zh) * 2015-09-02 2015-11-11 中铁十一局集团有限公司 一种引入云模型进行评价选择的建设工程项目群构建方法
CN110990718A (zh) * 2019-11-27 2020-04-10 国网能源研究院有限公司 一种公司形象提升系统的社会网络模型构建模块

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
complex network-based change propagation path optimization in mechanical poduct development;尹勇;IEEE Access;全文 *
关于战时城市网络目标重要度评估研究;夏维;刘新学;傅丹;李亚雄;;计算机仿真(第04期);全文 *
基于复杂网络系统理论的制造网格资源节点选择研究;尹勇;周祖德;刘泉;龙毅宏;;机床与液压(第15期);全文 *
复杂网络节点重要性综合评估模型;龚江涛;韩华;胡明昊;;信息系统工程(第09期);全文 *

Also Published As

Publication number Publication date
CN115065605A (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
Li et al. A comparative analysis of evolutionary and memetic algorithms for community detection from signed social networks
CN110533112A (zh) 车联网大数据跨域分析融合方法
CN117078048B (zh) 基于数字孪生的智慧城市资源管理方法及系统
CN102801629B (zh) 一种流量矩阵的估计方法
CN116842459B (zh) 一种基于小样本学习的电能计量故障诊断方法及诊断终端
CN117234301A (zh) 一种基于人工智能的服务器热管理方法
CN114265913A (zh) 工业物联网边缘设备上基于联邦学习的空时预测算法
CN117560275B (zh) 基于图神经网络模型的微服务系统根因定位方法及装置
Yu et al. Research on the tenacity survivability of wireless sensor networks
CN115456093A (zh) 一种基于注意力图神经网络的高性能图聚类方法
CN118468186A (zh) 一种基于联邦学习机制的风电数据异常检测方法及系统
CN109034232A (zh) 城市规划条件核实成果报告的自动化输出系统及控制方法
Liang et al. Surrogate-assisted Phasmatodea population evolution algorithm applied to wireless sensor networks
Liu A Real‐Time Detection Method for Abnormal Data of Internet of Things Sensors Based on Mobile Edge Computing
CN115065605B (zh) 一种云制造资源节点重要性评估方法及系统
CN114385403A (zh) 基于双层知识图谱架构的分布式协同故障诊断方法
CN113162793A (zh) 一种环境感知的用于网络测量的节点重要性度量方法
CN116029618B (zh) 一种电力系统动态安全分区评估方法及系统
Chen et al. Accounting information disclosure and financial crisis beforehand warning based on the artificial neural network
CN109255433B (zh) 一种基于相似性的社区检测的方法
Zhou et al. Network security situation assessment methods and tactics based on multivariate spatiotemporal attack graph model
CN115001978A (zh) 一种基于强化学习模型的云租户虚拟网络智能映射方法
Jamil et al. Technological innovation capability evaluation of high-tech firms using conjunctive and disjunctive belief rule-based expert system: a comparative study
CN115065166A (zh) 一种低压配电网状态感知及异常告警方法
CN114599043A (zh) 一种基于深度强化学习的空天地一体化网络资源分配方法

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