CN116319363A - 具有mimo子系统的结构化网络能控性分析方法及装置 - Google Patents
具有mimo子系统的结构化网络能控性分析方法及装置 Download PDFInfo
- Publication number
- CN116319363A CN116319363A CN202310547266.7A CN202310547266A CN116319363A CN 116319363 A CN116319363 A CN 116319363A CN 202310547266 A CN202310547266 A CN 202310547266A CN 116319363 A CN116319363 A CN 116319363A
- Authority
- CN
- China
- Prior art keywords
- structured network
- network system
- subsystem
- dimension
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 90
- 238000004043 dyeing Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000007246 mechanism Effects 0.000 claims abstract description 32
- 238000010186 staining Methods 0.000 claims description 16
- 238000013178 mathematical model Methods 0.000 abstract description 6
- 239000004973 liquid crystal related substance Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241001235534 Graphis <ascomycete fungus> Species 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
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
- H04L41/12—Discovery or management of network topologies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
技术领域
本发明涉及复杂网络系统控制技术领域,尤其是指一种具有MIMO子系统的结构化网络能控性分析方法及装置。
背景技术
随着网络时代的到来,复杂网络系统广泛存在于自然界和人类社会中,如生物网络、社会网络、因特网和交通网络等。人类对自然或技术系统理解的最终证明反映在控制系统的能力上,但如何有效地控制复杂网络系统仍然是一个突出的问题。作为衡量控制性能的重要性质,复杂网络系统能控性分析与优化问题受到广泛关注,并已经取得了诸多突破性进展。
由于网络规模庞大、动力学行为复杂等特征,在很多场景下,复杂网络系统连边及其权重信息难以精确获知,并由此引发了新的研究领域,如基于存在性结构信息将复杂网络系统转化为结构化网络系统并进而研究其能控性分析方法。复杂网络系统存在性结构信息指的是子系统之间是否存在连边的信息,并忽略了在实际网络中更难以获取的连边权重信息。在结构化系统理论中,存在性结构信息常常被转化成所谓的零/非零模式矩阵,如果满足零/非零模式矩阵的系统集合中存在至少一个成员是能控的,则该系统集合被称为弱结构能控的;反之,如果系统集合中的所有成员均是能控的,则网络系统被称为强结构能控的。
目前该领域的研究大多基于忽略子系统动力学的理想化假设,这一假设在很多场景下很难满足或者会带来不准确的结论,有鉴于此综合考虑子系统动力学的复杂网络系统能控性研究逐渐吸引了研究者的关注。现有能控性分析技术主要针对节点系统是单积分器或者单输入单输出的高阶子系统的网络系统,而不适应于更一般的基于多输入多输出节点子系统的结构化网络系统。因此,迫切需要提出一种具有MIMO子系统的结构化网络能控性分析方法以克服现有技术存在的上述技术缺陷。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术中存在的技术缺陷,而提出一种具有MIMO子系统的结构化网络能控性分析方法及装置,其建立适应于具有多输入多输出(MIMO)节点系统的结构化网络的数学模型,解决了传统方法中忽略或简化子系统动力学所带来的能控性分析结论不准确的问题;且进一步利用有向图染色机制实现该结构化网络系统的能控性分析,能够适应于复杂网络系统的大规模等复杂特征。
为解决上述技术问题,本发明提供了一种具有MIMO子系统的结构化网络能控性分析方法,包括:
S3:若是,则基于结构化网络系统的网络结构信息提取底层结构信息,利用有向图的弱染色机制判断底层网络拓扑图/>是否可弱染色,若否,则结构化网络系统不能控,其中/>和/>是维度分别为/>和/>的模式矩阵;
在本发明的一个实施例中,在步骤S4中,若所有节点子系统均能控、底层网络拓扑图/>可以弱染色,且/>满足条件:/>中的每一列均仅存在一个/>元素,其余所有元素都等于0,利用有向图染色机制验证模式矩阵关联有向图/>以及/>是否可以染色,若否,则结构化网络系统不能控;若是,则结构化网络系统能控。
此外,本发明还提供一种具有MIMO子系统的结构化网络能控性分析装置,包括:
能控分析模块,其用于判断所述节点子系统是否能控,若否,则结构化网络系统不能控;若是,则基于结构化网络系统的网络结构信息/>提取底层结构信息/>,利用有向图的弱染色机制判断底层网络拓扑图/>是否可弱染色,若否,则结构化网络系统不能控;若是,则判断模式矩阵关联有向图/>以及是否可以染色,若否,则结构化网络系统不能控;若是,则结构化网络系统能控,其中,/>和/>是维度分别为/>和/>的模式矩阵,/>表示与/>维度相同的对角元素均为/>、其他元素均为0的模式矩阵。
在本发明的一个实施例中,所述能控分析模块用于利用有向图的染色机制验证每一个节点子系统的关联有向图/>和/>是否可以染色,若否,则结构化网络系统不能控,若是,则判断模式矩阵关联有向图以及/>是否可以染色,若否,则结构化网络系统不能控;若是,则结构化网络系统能控。
本发明的上述技术方案相比现有技术具有以下优点:
1.本发明所述的一种具有MIMO子系统的结构化网络能控性分析方法及装置,其建立了适应于具有多输入多输出(MIMO)节点系统的结构化网络的数学模型,解决了传统方法中忽略或简化子系统动力学所带来的能控性分析结论不准确的问题;
2. 本发明所述的一种具有MIMO子系统的结构化网络能控性分析方法及装置,其分别从子系统和网络拓扑结构两个角度,提出了具有多输入多输出(MIMO)节点系统的结构化网络系统能控性的必要条件,进一步利用有向图染色机制实现该结构化网络系统的能控性分析,能够适应于复杂网络系统的大规模等复杂特征。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明。
图1为本发明提出的一种具有MIMO子系统的结构化网络能控性分析方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参照图1所示,本发明实施例提供一种具有MIMO子系统的结构化网络能控性分析方法,包括以下步骤:
S3:若是,则基于结构化网络系统的网络结构信息提取底层结构信息,利用有向图的弱染色机制判断底层网络拓扑图/>是否可弱染色,若否,则结构化网络系统不能控,其中/>和/>是维度分别为/>和/>的模式矩阵;
进一步地,节点子系统之间以及外部输入与节点子系统间的互连规则如下式所示:
为了形式上的紧凑,通过引入如下块矩阵:
和
可以将式 (3) 改写成如下一个更紧凑的形式:
相应的,通过引入对角块模式矩阵:
具体地,判断每一个所述节点子系统是否能控的方法,包括:利用有向图的染色机制验证每一个节点子系统/>的关联有向图/>和是否可以染色,其中/>表示与/>维度相同的对角元素均为/>、其他元素均为0的模式矩阵;若否,则结构化网络系统不能控,若是,则进行步骤S3。因此,在步骤S2中,验证节点子系统/>是否能控,即验证关联有向图/>和是否可以染色。这里涉及到有向图的染色机制,例如针对有向图,其中/>是有向图节点集合,/>和/>分别是有向图中的实线边和虚线边的集合,染色机制的具体定义如下:
(3)重复(2),直到无法染色;
进一步地,在步骤S2中,大规模结构化网络能控的必要条件是其组成的N个节点子系统/>均需要是能控的,进而,在利用有向图的染色机制验证每一个节点子系统/>的关联有向图/>和/>是否可以染色时,需要分别验证关联有向图/>和/>是否可以染色。
进一步地,利用有向图的弱染色机制验证底层网络拓扑图是否可以弱染色,若否,则结构化网络系统不能控;若是,则通过步骤S4进行下一步验证。这里涉及到有向图的弱染色机制,例如针对有向图/>,其中/>是有向图节点集合,/>和/>分别是有向图中的实线边和虚线边的集合,弱染色机制的具体定义如下:
(3)重复(2),直到无法染色;
其中,在步骤S4中,若所有节点子系统均能控、底层网络拓扑图可以弱染色,且/>满足条件:/>中的每一列均仅存在一个/>元素,其余所有元素都等于0,利用有向图染色机制验证模式矩阵关联有向图以及/>是否可以染色,若否,则结构化网络系统不能控;若是,则结构化网络系统能控。
本发明所述的一种具有MIMO子系统的结构化网络能控性分析方法及装置,其建立了适应于具有多输入多输出(MIMO)节点系统的结构化网络的数学模型,解决了传统方法中忽略或简化子系统动力学所带来的能控性分析结论不准确的问题。
本发明所述的一种具有MIMO子系统的结构化网络能控性分析方法及装置,其分别从子系统和网络拓扑结构两个角度,提出了具有多输入多输出(MIMO)节点系统的结构化网络系统能控性的必要条件,能够适应于复杂网络系统的大规模等复杂特征。
本发明所述的一种具有MIMO子系统的结构化网络能控性分析方法及装置,其引入了一理想化条件,将具有多输入多输出(MIMO)节点系统的结构化网络能控性验证问题转化为一个高维结构化网络系统的能控性研究问题,并进一步利用有向图染色机制实现该结构化网络系统的能控性分析,能够适应于复杂网络系统的大规模等复杂特征。
下面通过示例的方式对本发明提出的一种具有MIMO子系统的结构化网络能控性分析方法进行详细的阐述。
一种具有MIMO子系统的结构化网络能控性分析方法,包括以下步骤:
通过式(12)可知,所有节点子系统均满足理想条件,且在步骤S2 和S3中已经验证两个必要条件均满足,所以可以利用模式矩阵的加法和乘法运算法则,得到一个高维度的结构化系统。如图6和图7所示,进一步地利用有向图染色机制验证该结构化系统的两个关联图/>和/>均可染色,即结构化网络系统/>能控。
下面对本发明实施例公开的一种具有MIMO子系统的结构化网络能控性分析装置进行介绍,下文描述的一种具有MIMO子系统的结构化网络能控性分析装置与上文描述的一种具有MIMO子系统的结构化网络能控性分析方法可相互对应参照。
本发明还提供本发明还提供一种具有MIMO子系统的结构化网络能控性分析装置,包括:
能控分析模块,其用于判断所述节点子系统是否能控,若否,则结构化网络系统不能控;若是,则基于结构化网络系统的网络结构信息/>提取底层结构信息/>,利用有向图的弱染色机制判断底层网络拓扑图/>是否可弱染色,若否,则结构化网络系统不能控;若是,则判断模式矩阵关联有向图/>以及是否可以染色,若否,则结构化网络系统不能控;若是,则结构化网络系统能控,其中,/>和/>是维度分别为/>和/>的模式矩阵,/>表示与/>维度相同的对角元素均为/>、其他元素均为0的模式矩阵。
在本发明的一个实施例中,所述能控分析模块用于利用有向图的染色机制验证每一个节点子系统的关联有向图/>和/>是否可以染色,若否,则结构化网络系统不能控,若是,则判断模式矩阵关联有向图以及/>是否可以染色,若否,则结构化网络系统不能控;若是,则结构化网络系统能控。
本实施例的具有MIMO子系统的结构化网络能控性分析装置用于实现前述的具有MIMO子系统的结构化网络能控性分析方法的实施例部分,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再展开介绍。
另外,由于本实施例的具有MIMO子系统的结构化网络能控性分析装置用于实现前述的具有MIMO子系统的结构化网络能控性分析方法,因此其作用与上述方法的作用相对应,这里不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种具有MIMO子系统的结构化网络能控性分析方法,其特征在于:包括:
S3:若是,则基于结构化网络系统的网络结构信息提取底层结构信息/>,利用有向图的弱染色机制判断底层网络拓扑图/>是否可弱染色,若否,则结构化网络系统不能控,其中/>和/>是维度分别为/>和/>的模式矩阵;
8.一种具有MIMO子系统的结构化网络能控性分析装置,其特征在于:包括:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310547266.7A CN116319363B (zh) | 2023-05-16 | 2023-05-16 | 具有mimo子系统的结构化网络能控性分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310547266.7A CN116319363B (zh) | 2023-05-16 | 2023-05-16 | 具有mimo子系统的结构化网络能控性分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116319363A true CN116319363A (zh) | 2023-06-23 |
CN116319363B CN116319363B (zh) | 2023-08-25 |
Family
ID=86836291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310547266.7A Active CN116319363B (zh) | 2023-05-16 | 2023-05-16 | 具有mimo子系统的结构化网络能控性分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116319363B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104035336A (zh) * | 2014-05-30 | 2014-09-10 | 河海大学 | Mimo非最小相位cstr反应器的非线性控制器设计方法 |
CN107332714A (zh) * | 2017-08-11 | 2017-11-07 | 厦门大学 | 一种节点异质多输入多输出复杂网络系统的控制方法 |
CN110502739A (zh) * | 2018-05-17 | 2019-11-26 | 国际商业机器公司 | 结构化输入的机器学习模型的构建 |
US20220066456A1 (en) * | 2016-02-29 | 2022-03-03 | AI Incorporated | Obstacle recognition method for autonomous robots |
WO2022236064A2 (en) * | 2021-05-06 | 2022-11-10 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
-
2023
- 2023-05-16 CN CN202310547266.7A patent/CN116319363B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104035336A (zh) * | 2014-05-30 | 2014-09-10 | 河海大学 | Mimo非最小相位cstr反应器的非线性控制器设计方法 |
US20220066456A1 (en) * | 2016-02-29 | 2022-03-03 | AI Incorporated | Obstacle recognition method for autonomous robots |
CN107332714A (zh) * | 2017-08-11 | 2017-11-07 | 厦门大学 | 一种节点异质多输入多输出复杂网络系统的控制方法 |
CN110502739A (zh) * | 2018-05-17 | 2019-11-26 | 国际商业机器公司 | 结构化输入的机器学习模型的构建 |
WO2022236064A2 (en) * | 2021-05-06 | 2022-11-10 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
Non-Patent Citations (1)
Title |
---|
刘帅: "符号有向图下一类多智能体网络系统的能控性与最优拓扑结构", 《 CNKI优秀硕士学位论文全文库》 * |
Also Published As
Publication number | Publication date |
---|---|
CN116319363B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | ANODEV2: A coupled neural ODE framework | |
CN105389402B (zh) | 一种面向大数据的etl方法和装置 | |
CN111340493B (zh) | 一种多维度分布式异常交易行为检测方法 | |
CN110276442A (zh) | 一种神经网络架构的搜索方法及装置 | |
CN106156810A (zh) | 通用机器学习算法模型训练方法、系统和计算节点 | |
Di Benedetto et al. | Model matching for finite-state machines | |
CN106021816B (zh) | 一种基于行为树的分布式系统行为仿真分析工具的实现方法 | |
CN111523648B (zh) | 含有聚类拓扑耦合的神经网络脉冲同步方法及系统 | |
CN104915717A (zh) | 数据处理方法、知识库推理方法及相关装置 | |
CN107305543A (zh) | 对实体词的语义关系进行分类的方法和装置 | |
CN111640296B (zh) | 交通流预测方法、系统、存储介质及终端 | |
CN107947965A (zh) | 服务链编译器 | |
Jiang et al. | 2D-HRA: Two-dimensional hierarchical ring-based all-reduce algorithm in large-scale distributed machine learning | |
CN112307628B (zh) | 一种基于映射的机电产品绿色设计方案生成方法及系统 | |
CN116319363B (zh) | 具有mimo子系统的结构化网络能控性分析方法及装置 | |
CN106326005A (zh) | 一种迭代型MapReduce作业的参数自动调优方法 | |
CN113849910A (zh) | 一种基于Dropout的BiLSTM网络机翼阻力系数预测方法 | |
CN111859785B (zh) | 流体特征提取方法、系统、计算机可读存储介质及设备 | |
CN107291933B (zh) | 基于Petri网的软PLC系统数据同步方法 | |
Liu et al. | Pinning control of Boolean networks via injection mode | |
Xiang et al. | Analysis of pinning-controlled networks: A renormalization approach | |
CN117131979A (zh) | 基于有向超图及注意力机制的交通流速度预测方法及系统 | |
Huo et al. | Dynamical analysis of rumor spreading model considering node activity in complex networks | |
Gora et al. | Investigating performance of neural networks and gradient boosting models approximating microscopic traffic simulations in traffic optimization tasks | |
Henares et al. | Definition of a transparent constraint-based modeling and simulation layer for the management of complex systems |
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 |