CN116610896A - 一种基于子图同构的制造服务供需匹配方法 - Google Patents

一种基于子图同构的制造服务供需匹配方法 Download PDF

Info

Publication number
CN116610896A
CN116610896A CN202310831307.5A CN202310831307A CN116610896A CN 116610896 A CN116610896 A CN 116610896A CN 202310831307 A CN202310831307 A CN 202310831307A CN 116610896 A CN116610896 A CN 116610896A
Authority
CN
China
Prior art keywords
service
node
nodes
matching
task
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
Application number
CN202310831307.5A
Other languages
English (en)
Other versions
CN116610896B (zh
Inventor
白洁
王柏村
谢海波
杨华勇
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.)
High End Equipment Research Institute Of Zhejiang University
Original Assignee
High End Equipment Research Institute Of Zhejiang University
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 High End Equipment Research Institute Of Zhejiang University filed Critical High End Equipment Research Institute Of Zhejiang University
Priority to CN202310831307.5A priority Critical patent/CN116610896B/zh
Publication of CN116610896A publication Critical patent/CN116610896A/zh
Application granted granted Critical
Publication of CN116610896B publication Critical patent/CN116610896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06Q50/04—Manufacturing
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种基于子图同构的制造服务供需匹配方法，包括以下步骤：步骤一：构建制造服务供需匹配问题描述模型，包括制造服务MS、制造任务MT；步骤二：构建制造服务供需匹配模型；步骤三：构建约束条件，包括：服务范围约束、服务唯一性约束、服务关系约束和服务属性约束；步骤四：制定制造服务供需匹配策略，包括服务优先匹配和任务优先匹配；步骤五：结合所述制造服务供需匹配模型和约束条件，采用VF2算法，基于子图同构求解制造服务供需匹配模型，并将匹配结果映射为服务子图和任务子图的子图匹配集合。本发明以多个节点组成的复合服务（或任务）为单位进行匹配，提高了匹配精度和匹配效率。

Description

一种基于子图同构的制造服务供需匹配方法
技术领域
本发明涉及服务型制造领域，尤其涉及一种基于子图同构的制造服务供需匹配方法。
背景技术
区别于其他先进制造模式，服务型制造解决的核心的问题是基于云平台对制造资源和需求进行组合优化配置，从而实现资源高效共享和协作。而随着云平台受到越来越多的关注，制造资源数量越来越大，如何将发布的海量制造资源和需求进行匹配，即制造服务供需匹配(Manufacturing Service Supply Demand Matching, MS-SDM)，是决定平台能否高效运行的关键问题。
制造服务供需匹配问题具体而言是指制造服务（供给）和任务（需求）之间的映射关系。在映射过程中包含了识别服务和任务分别是什么，以及哪些服务可以对应的满足哪些任务的需求。其中，“供”是指资源供应方发布到云平台上的制造资源，被云平台服务化封装后形成的制造服务，该制造服务根据发布的制造资源的具体内容，可以是单个的制造服务，也可以是包含多个服务的服务组合。“需”是指服务需求方发布到云平台上的制造任务，该制造任务根据发布方的需求，可以是单个的制造任务，也可以是包含多个任务的复杂任务组合。匹配的目标是为任务或服务寻找一个满足该任务或服务要求的制造服务或任务。简单来说，匹配到的制造服务或任务中应至少有一部分和任务或服务中的结构和节点集合相同。匹配的内容包括单个服务与任务的匹配（节点匹配），以及多个任务和多个服务之间结构的匹配（结构匹配）。
现有的相关研究主要有两种方式：以关键词匹配为代表的单个服务匹配，即节点匹配；以及在单个服务匹配基础上的复合服务匹配，即将多个匹配到的服务节点进行服务组合。然而上述两种匹配方式不能识别相似关键词间的歧义，从而给出错误的匹配结果。
发明内容
针对现有技术的不足，本发明提出一种基于子图同构的制造服务供需匹配方法，具体技术方案如下：
一种基于子图同构的制造服务供需匹配方法，包括以下步骤：
步骤一：构建制造服务供需匹配问题描述模型，包括制造服务MS的数学模型和制造任务MT的数学模型；
步骤二：构建制造服务供需匹配模型，其表达式如下：
；
式中，均表示任务节点，表示任务节点的集合，表示任务节点之间边的集合，表示服务节点的集合，表示服务节点之间边的集合；表示任务节点的标签集合，表示服务节点的标签集合；表示MS和MT中的节点对应关系，若任务节点，则表示任务节点对应的中的服务节点，表示任务节点对应的中的服务节点之间的边；
步骤三：构建约束条件，所述约束条件包括：服务范围约束、服务唯一性约束、服务关系约束和服务属性约束；
步骤四：制定制造服务供需匹配策略，包括服务优先匹配和任务优先匹配；提取出MS中的节点集和对应的标签集，构建服务子图集合，；提取出MT中的节点集和对应的标签集，构建任务子图集合，；对于服务优先匹配，将赋值为目标图，赋值为查询图；对于任务优先匹配，将赋值为查询图，赋值为目标图；
步骤五：结合所述制造服务供需匹配模型和约束条件，采用VF2算法，基于子图同构求解制造服务供需匹配模型，并将匹配结果映射为服务子图和任务子图的子图匹配集合。
进一步地，所述步骤一的具体操作如下：
制造服务MS的数学模型表达式如下：
；
；
；
式中， p为服务节点的数量，均表示服务节点，表示服务节点i的标签，表示服务节点之间边的标签；以表示服务节点的标签集合；边集合中设置了三个值（-1,0,1）来标记边的方向，并在模型中以边的标签的形式表示，服务节点的边的标签集合为；若，则表示服务节点之间的边是反向的，若，则表示服务节点之间的边是正向的，若，则表示服务节点之间没有连接边；
制造任务MT的数学模型表达式如下：
；
；
；
式中， q为任务节点的数量，表示任务节点j的标签，表示任务节点之间边的标签；以表示任务节点的标签集合；边集合中设置了三个值（-1,0,1）来标记边的方向，并在模型中以边的标签的形式表示，以表示任务节点的边的标签集合；若，则表示任务节点之间的边是反向的，若，则表示任务节点之间的边是正向的，若，则表示任务节点之间没有连接边。
进一步地，所述步骤三中，当需要为制造任务匹配一个满足该任务需求的制造服务时，所需满足的服务范围约束的表达式如下：
；
式中，服务节点的集合中任一节点和任务节点的集合中任一节点配对，这样成对的服务任务节点构成了集合；
服务唯一性约束的表达式如下：
；
服务关系约束的表达式如下：
；
服务属性约束的表达式如下：
；
式中，表示服务节点对应的标签函数的映射关系，表示任务节点对应的标签函数的映射关系；表示服务节点之间的边对应的标签函数的映射关系，表示任务节点之间的边对应的标签函数的映射关系。
进一步地，所述步骤三中，当需要为制造服务匹配一个满足该服务需求的制造任务时，所需满足的服务范围约束的表达式如下：
；
式中，均表示服务节点，表示MT和MS中的节点对应关系；
服务唯一性约束的表达式如下：
；
服务关系约束的表达式如下：
；
服务属性约束的表达式如下：
；
式中，表示服务节点对应的标签函数的映射关系，表示任务节点对应的标签函数的映射关系；表示服务节点之间的边对应的标签函数的映射关系，表示任务节点之间的边对应的标签函数的映射关系。
进一步地，所述步骤五具体通过如下子步骤实现：
（1）初始化MS和MT参数，生成服务子图集合和任务子图集合；
（2）根据输入的制造服务供需匹配策略，将优先匹配项赋值为查询图，被用于匹配的对象赋值为目标图；
（3）判断目标图和查询图是否满足，若满足，则继续进行下一步；若不满足，则认为无法达成制造服务供需匹配，结束匹配；
（4）采用VF2算法，基于子图同构求解制造服务供需匹配模型；
（5）根据步骤（2）中的制造服务供需匹配策略，将匹配结果映射为服务子图集合和任务子图集合的子图匹配集合，。
进一步地，所述步骤（4）中，定义映射；表示M(s)中属于中的点集，表示M(s)中属于中的点集，表示通过和得到的的子图，表示通过得到的的子图；
所述步骤（4）具体包括以下子步骤：
（4.1）初始化状态，为空集；
（4.2）开始递归搜索；
（4.3）判断当前状态s对应的部分匹配M(s)是否包含了中的所有节点，即在中是否已经找到了与同构的子图；若是，则继续下一步；若否，则认为无法达成制造服务供需匹配，结束匹配；
（4.4）计算M(s)中包含的候选节点对集P(s)，节点对即从查询图和目标图中各选一个节点形成节点对；候选节点对集P(s)的具体计算方式如下：
考虑直接连接到和的节点的集合，取为中不属于但属于其节点的后继节点构成的集合，为中不属于但属于中节点的后继节点构成的集合；为不属于但属于中节点的前继节点构成的集合，为中不属于但属于中节点的前继节点构成的集合；
若和都不为空，则P(s)的表达式为：
；
式中，表示中具有最小编号的节点；
若和都不为空，且和均不为空，则P(s)的表达式为：
；
若、、、均为空集，则P(s)的表达式为：
；
当、中只有一个集合为空，和/或和中只有一个集合为空时，状态s不可能构造出最终的同构，不需要再继续分析；
（4.5）遍历每一个节点对，通过可行性分布函数的计算，判断当前候选节点对是否符合制造服务供需匹配模型及其约束条件；其中，s为状态，n为中的一个点，m为中的一个点；
（4.6）选择步骤（4.5）中符合制造服务供需匹配模型及其约束条件的一个节点对，将该节点对加入匹配集合M(s)，并进入下一个状态，重复步骤，直到完成该节点对在所有状态下的匹配关系判断；
（4.7）回到状态s，依次遍历步骤（4.5）中符合制造服务供需匹配模型及其约束条件的其余节点对，执行步骤；如果若干次后都没有找到同构的子图，则说明当前状态不可能扩展出可行的子图同构匹配，将生成当前状态从匹配集合M(s)中删除，回溯到上一个状态；
（4.8）返回两个子图之间的映射M(s)，即中与同构的子图集合。
进一步地，所述步骤（4.5）中，可行性分布函数的计算方式具体如下：
对于在和中的节点，检查中的节点和n的出边入边是否与中的节点和m的出边入边一一对应；对应的节点数必须小于等于对应的节点数；对于带标签的图，还要进一步检查对应的点和边的标签是否一致；
对于不在和中的节点，计算和的节点个数，其表达式如下：
；
；
式中，表示的集合，表示与当前状态中的节点不直接相连的节点；
定义五种可行性规则：；规则用于检验添加候选对到当前方案后，得到的部分解的一致性，规则用于判断未来一步是否可能构成一致状态；规则用于判断未来两步是否可能构成一致状态；
对应制造服务供需匹配模型，以及服务范围约束、服务关系约束、服务属性约束，可行性规则形式化定义如下：
；
；
式中，为新加入的候选对，为中的点，为中的点；为中n的入度邻居节点构成的集合，即n的前继集合；为中n的出度邻居节点构成的集合，即n的后继集合；为中m的入度邻居节点构成的集合，即m的前继集合；为中m的出度邻居节点构成的集合，即m的后继集合；
对应制造服务供需匹配模型以及服务唯一性约束，可行性规则形式化定义如下：
；
；
。
本发明的有益效果是：
本发明以多个节点组成的复合服务（或任务）为单位进行匹配，包括服务（或任务）节点的匹配和服务（或任务）结构的匹配，基于子图的匹配方式，解决了现有匹配方式存在的歧义问题，提高了匹配精度，也省去了匹配后的服务（或任务）节点再根据需求进行组合的步骤，提高了匹配效率。
附图说明
图1是基于子图同构的制造服务供需匹配方法流程图。
图2是基于子图同构的制造服务供需匹配策略。
图3是基于VF2算法的制造服务供需匹配模型求解的流程图。
具体实施方式
下面根据附图和优选实施例详细描述本发明，本发明的目的和效果将变得更加明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，一种基于子图同构的制造服务供需匹配方法具体包括以下步骤：
步骤一：构建制造服务供需匹配问题描述模型，该模型包括制造服务MS、制造任务MT的数学模型。
其中，制造服务MS的数学模型表达式如下：
式中，表示服务节点的集合，表示服务节点之间边的集合；p为服务节点的数量，均表示服务节点，表示服务节点i的标签，表示服务节点之间边的标签；以表示服务节点的标签集合；边集合中设置了三个值（-1,0,1）来标记边的方向，并在模型中以边的标签的形式表示，服务节点的边的标签集合为；若，则表示服务节点之间的边是反向的，若，则表示服务节点之间的边是正向的，若，则表示服务节点之间没有连接边。
制造任务MT的数学模型表达式如下：
式中，表示任务节点的集合，表示任务节点之间边的集合；q为任务节点的数量，均表示任务节点，表示任务节点j的标签，表示任务节点之间边的标签；以表示任务节点的标签集合；边集合中设置了三个值（-1,0,1）来标记边的方向，并在模型中以边的标签的形式表示，以表示任务节点的边的标签集合；若，则表示任务节点之间的边是反向的，若，则表示任务节点之间的边是正向的，若，则表示任务节点之间没有连接边。
步骤二：构建制造服务供需匹配模型，具体为制造服务MS和制造任务MT达成供需匹配状态时的数学模型。
云制造服务供需匹配的目的是为制造任务寻找一个能满足任务要求的制造服务，或为制造服务寻找一个能满足服务要求的制造任务；简单来说，匹配到的制造服务中有一个子结构与制造任务中的结构和节点集合相同，或匹配到的制造任务中有一个子结构与制造服务中的结构和节点集合相同。
为了描述制造服务供需匹配问题，每个节点对应的标签函数的映射关系表示如下：
此外，每对节点之间的边对应的标签函数的映射关系表示如下：
令一个单射函数表示MS和MT中的节点对应关系，对应关系如下表1所示。如果任务节点，则表示任务节点对应的中的服务节点；如果服务节点，则表示服务节点对应的中的任务节点。
表1 MS和MT中的节点对应关系
；
综上，制造服务供需匹配模型的表达式如下：
步骤三：构建制造服务供需匹配模型的约束条件，该约束条件包括：服务范围约束、服务唯一性约束、服务关系约束和服务属性约束；
下面以为制造任务匹配一个满足该任务需求的制造服务（即任务优先匹配）为例，制造服务供需匹配模型的约束条件说明如下：
约束1：服务范围约束。
服务范围约束是指对于任务子图中的每个任务节点，服务子图中都要有一个对应的服务节点与之对应，即匹配到的制造服务需要完全包含制造任务所需要的节点，以此来保证提供的制造服务能满足制造任务的服务需求范围。服务节点的集合中任一节点和任务节点的集合中任一节点配对，这样成对的服务任务节点构成了集合，该约束的表达式如下：
约束2：服务唯一性约束。
服务唯一性约束是指对于任务子图中的任意两个不一样的任务节点，他们对应的服务子图中的服务节点不能是同一个，即保证每个制造任务对应的制造服务都是唯一的，不会出现多个任务对应一个服务的情况，该约束的表达式如下：
约束3：服务关系约束。
服务关系约束是指在制造任务中的每条边，制造服务中都要有一条边与之对应，并且该边两端的节点也一一对应。在制造环境中，正在匹配的制造服务需要满足子制造任务之间的关联关系，并对应的满足该关系需求。服务关系约束可确保任务中的每一个关系约束都有对应的服务关系与之对应。该约束的表达式如下：
约束4：服务属性约束。
服务属性约束是指任务子图和服务子图中对应的节点的属性需相同，即节点和边的标签均相同。服务属性约束能确保匹配的制造服务和制造任务的属性完全相同，其表达式如下：
其中，公式（11a）确保了匹配的任务服务节点对的节点标签相同，公式（11b）确保了匹配的任务服务节点对之间的边的标签相同。
为制造服务匹配一个满足该服务需求的制造任务（即服务优先匹配）同理，其约束条件说明如下：
约束1：服务范围约束，对应的表达式为：
约束2：服务唯一性约束，保证每个制造服务对应的制造任务都是唯一的，不会出现多个服务对应一个任务的情况，其对应的表达式为：
约束3：服务关系约束，对应的表达式为：
约束4：服务属性约束，对应的表达式为：
。
步骤四：制定制造服务供需匹配策略，该制造服务供需匹配策略分为任务优先和服务优先，即分别为制造任务和制造服务寻找匹配的结果。在具体的匹配问题中，需要根据制造服务供需匹配策略的不同而指定查询对象。
由制造服务供需匹配模型可知，该模型涉及的元素包括制造服务节点、节点之间的边及其对应的标签，制造任务节点和节点之间的边及其对应的标签。因此在求解制造服务供需匹配模型时，对应MS和MT的数学模型，提取出其中的节点集和对应的标签集，构建对应整个制造系统的服务子图集合和任务子图集合，，。
为了更简洁的说明匹配算法过程，给出如表2所示的不同匹配策略下的查询目标图。如表2所示，若输入为服务优先的匹配策略，则将任务子图集合赋值为目标图，服务子图集合赋值为查询图；若输入为任务优先的匹配策略，则将任务子图集合赋值为查询图，服务子图集合赋值为目标图；其中，为目标图中的节点集，为目标图中的标签集，为查询图中的节点集，为查询图中的标签集。简单来说，优先匹配项即赋值为查询图，被用于匹配的对象赋值为目标图，供需匹配即在目标图中找到与查询图匹配的子图。
表2 不同匹配策略下的查询目标图
；
步骤五：结合上述制造服务供需匹配模型和其约束条件，采用VF2算法（VF2算法最初是Luigi P. Cordella等人在1981年提出，以其提出者的名字命名，后经过多次改进和优化，已成为常用的图同构匹配算法之一），基于子图同构求解制造服务供需匹配模型，并将匹配结果映射为服务子图和任务子图的子图匹配集合。
对上述目标图和查询图，给定一个映射（表示节点对），当且仅当M(s)是一个双射且对应的边也是双射时，和称为同构，即对应的和同构，同时对应的MS和MT达成了制造服务供需匹配。在制造服务供需匹配模型基于VF2算法的求解过程中定义了如下函数：
：表示M(s)中属于中的点集。
：表示M(s)中属于中的点集。
：表示通过和得到的的子图。
：表示通过和得到的的子图。
如图2所示，基于VF2算法的制造服务供需匹配模型求解的详细流程如下：
（1）初始化MS和MT参数，生成服务子图集合和任务子图集合。
（2）根据输入的制造服务供需匹配策略，将优先匹配项赋值为查询图，被用于匹配的对象赋值为目标图；即当输入为服务优先的匹配策略时，将任务子图集合赋值为目标图，服务子图集合赋值为查询图；当输入为任务优先的匹配策略时，将制造任务集合赋值为查询图，制造服务集合赋值为目标图。
（3）判断目标图和查询图是否满足，若满足，则继续进行下一步；若不满足，则不同构于，无法达成制造服务供需匹配，结束匹配。
（4）若满足步骤（3），采用VF2算法，基于子图同构求解制造服务供需匹配问题。具体通过如下子步骤实现：
（4.1）初始化状态，为空集，表示查询图和目标图还没有开始匹配的状态。
（4.2）开始递归搜索。
（4.3）判断当前状态s对应的部分匹配M(s)是否包含了中的所有节点，即在中是否已经找到了与同构的子图；若是，则继续下一步；若否，则认为不同构于，无法达成制造服务供需匹配，结束匹配。
（4.4）计算M(s)中包含的候选节点对集P(s)，节点对即从查询图和目标图中各选一个节点形成节点对。候选节点对集P(s)的具体计算方式如下：
考虑直接连接到和的节点的集合，取为中不属于但属于其节点的后继节点构成的集合，为中不属于但属于中节点的后继节点构成的集合；为不属于但属于中节点的前继节点构成的集合，为中不属于但属于中节点的前继节点构成的集合。
如果和都不为空，则P(s)的表达式为：
式中，表示中具有最小编号的节点。
如果和都不为空，且和均不为空，则P(s)的表达式为：
如果、、、均为空集，则P(s)的表达式为：
当、中只有一个集合为空，和/或和中只有一个集合为空时，证明状态s不可能构造出最终的同构，因此状态s不需要再继续分析。同时P(s)的定义确保了同一个状态不会被访问两次。
（4.5）遍历每一个节点对，通过可行性分布函数的计算，判断当前候选节点对是否符合制造服务供需匹配模型及其约束条件，从而判断当前候选节点对是否能加入匹配集合M(s)，即加入后，两个子图是否保证同构，以及加入后，是否还有扩展的可能性。可行性分布函数的计算方式具体如下：
给定中的一个点n，中的一个点m。为了判断，需要检查所有与n,m相连的点；对于在和中的节点，检查中的节点和n的出边入边是否与中的节点和m的出边入边一一对应。对于子图同构来说，对应的节点数必须小于等于对应的节点数。对于带标签的图，还要进一步检查对应的点和边的标签是否一致。
对于不在和中的节点，计算和的节点个数，其表达式如下：
式中，表示的集合，表示与当前状态中的节点不直接相连的节点。
定义了五种可行性规则：；规则用于检验通过添加考虑的候选对到当前方案后，得到的部分解的一致性，同时也是对应了制造服务供需匹配模型。规则用于判断未来一步是否可能构成一致状态；规则用于在搜索过程中判断未来两步是否可能构成一致状态。
对应制造服务供需匹配模型，以及约束1（服务范围约束），约束3（服务关系约束）和约束4（服务属性约束），可行性规则形式化定义如下：
式中，为新加入的候选对，为中的点，为中的点；为中n的入度邻居节点构成的集合，即n的前继集合；为中n的出度邻居节点构成的集合，即n的后继集合；为中m的入度邻居节点构成的集合，即m的前继集合；为中m的出度邻居节点构成的集合，即m的后继集合。
上述规则中保证了加入新的候选对后，两个子图仍然是同构的。如新加入的候选对，算法检查对于中节点n的前继集合，中节点m的前继集合中是否存在相应的节点与其一一对应。同理，对于中节点m的前继集合，中节点n的前继集合中是否存在相应的节点与之一一对应。
对应制造服务供需匹配模型，以及约束2（服务唯一性约束），规则中采用了函数求集合中元素的个数。是剪枝策略，该策略的核心思想是在检索过程中，两子图的节点数量满足查询图节点数量不大于目标图节点数量。若查询图某一类的节点数大于目标图，根据约束2，说明未来不可能形成一致状态，因为未来必然会有查询图中的边在目标图中无法找到的情况。可行性规则形式化定义如下：
规则约束主要考虑与当前状态中的节点直接相连的节点(集合)和新的节点对间的关系，即判断未来一步是否可能构成一致状态。简单来说，对于目标图G1在候选节点对集P(s)范围内的的节点数量，都要不小于查询图在候选节点对集P(s)范围内的的节点数量，即。若不符合，说明未来不可能形成一致状态，因为未来必然会有查询图中的边在目标图中无法找到的情况。
规则中涉及的与前继（Pred）节点和后继（Succ）节点的关系分为四种，分别对应公式（23）和公式（24）中的的规则。规则的可行性分别是三种情况。
规则判断未来两步是否可能构成一致状态，考虑与当前状态中的节点不直接相连的节点与新的节点对间的关系，新的节点对即与相邻的节点，即前继节点，后继节点。该规则考虑的是两步以后的节点状态是否满足数量关系，即，这样能更细粒度的剪枝，提高搜索效率。
（4.6）选择步骤（4.5）中符合制造服务供需匹配模型及其约束条件的一个节点对，将该节点对加入匹配集合M(s)，并进入下一个状态，重复步骤，直到完成该节点对在所有状态下的匹配关系判断。
（4.7）回到状态s，依次遍历步骤（4.5）中符合制造服务供需匹配模型及其约束条件的其余节点对，执行步骤。如果若干次后都没有找到同构的子图，则说明当前状态不可能扩展出可行的子图同构匹配，将生成当前状态从匹配集合M(s)中删除，回溯到上一个状态。
（4.8）返回两个子图之间的映射M(s)，即中与同构的子图集合。
（5）根据步骤（2）中的制造服务供需匹配策略，将匹配结果映射为服务子图集合和任务子图集合的子图匹配集合，。
如图3所示，在实际使用过程中，若输入的制造服务供需匹配策略为任务优先，为制造任务寻找匹配的制造服务结果。将任务子图集合赋值为查询图，服务子图集合赋值为目标图；采用VF2算法进行子图匹配，得到与所需的制造任务匹配的服务子图，并将匹配的服务推送给需求方。
若输入的制造服务供需匹配策略为服务优先，为制造服务寻找匹配制造任务的结果。将服务子图集合赋值为查询图，任务子图集合赋值为目标图；采用VF2算法进行子图匹配，得到与所需的制造服务匹配的任务子图，并将匹配的任务推送给供应方。
下面通过具体实施例具体说明本发明。
实施例1
本实施例中为了说明本发明的效果，随机生成了30个包含10个以内节点的服务子图和任务子图，将子图中的节点以0-9编码，边的标签为[-1,0,1]；分别采用本发明基于子图同构的制造服务供需匹配方法，以及现有的节点匹配方法（制造任务和制造服务中的节点一致，即为匹配），对上述制造服务和制造任务进行匹配。本实施例的计算环境为一台CPU为3.60 GHz、i7-4790，内存为16.0 GB、Windows 7为64位的PC机，编程语言为Python。得到的运行结果如表3所示，注意，表中展示的结果以采用本发明方法的结果为基准。
表3节点匹配与子图匹配性能对比结果
；
表3汇总了该案例中30对制造服务和制造任务的匹配总数量及总用时。本发明所采用的基于子图匹配的方法，相对于现有的节点匹配方法，在任务优先的匹配策略中，精简了39个错误匹配结果，在匹配性能上提升了22.54%的正确率（以子图匹配的结果为基准）；在服务优先的匹配策略中，精简了35个错误匹配结果，在匹配性能上提升了31.25%的正确率。
基于子图匹配的方法结合了节点匹配和结构匹配两个阶段，因此相比单一阶段的匹配消耗了更多的运行时间。如表3所示，本发明的匹配方法匹配用时根据不同的制造服务供需匹配策略，分别多出了13.62ms和8.03ms；其中，单个服务任务匹配用时最大分别为1.26ms和0.44ms，即两种方法的单个任务用时的最大差值为0.82ms，差值很小。可见，本发明提出的基于子图同构的制造服务供需子图匹配方法，在提升制造服务供需匹配精度的同时，并没有过多消耗运行时间，该方法具有显著有效性和可行性。
本发明为了解决服务（或任务）节点匹配和服务（或任务）组合过程中的歧义问题，提出了基于子图匹配的服务供需匹配方法，以多个节点组成的复合服务（或任务）为单位进行匹配，包括服务（或任务）节点的匹配和服务（或任务）结构的匹配。基于子图的匹配方式，不仅提高了匹配精度，也省去了匹配后的服务（或任务）节点再根据需求进行服务（或任务）组合的步骤，提高了匹配效率。
本领域普通技术人员可以理解，以上所述仅为发明的优选实例而已，并不用于限制发明，尽管参照前述实例对发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实例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。凡在发明的精神和原则之内，所做的修改、等同替换等均应包含在发明的保护范围之内。

Claims (7)

1.一种基于子图同构的制造服务供需匹配方法，其特征在于，包括以下步骤：
步骤一：构建制造服务供需匹配问题描述模型，包括制造服务MS的数学模型和制造任务MT的数学模型；
步骤二：构建制造服务供需匹配模型，其表达式如下：
式中，tj、tj′均表示任务节点，TT表示任务节点的集合，ET表示任务节点之间边的集合，SS表示服务节点的集合，ES表示服务节点之间边的集合；LT表示任务节点的标签集合，LS表示服务节点的标签集合；f：TT→SS表示MS和MT中的节点对应关系，若任务节点tj，tj′∈TT，则f(tj)，f(tj′)∈SS表示任务节点tj、tj′对应的SS中的服务节点，(f(tj)，f(tj′))∈ES表示任务节点tj、tj′对应的SS中的服务节点之间的边；
步骤三：构建约束条件，所述约束条件包括：服务范围约束、服务唯一性约束、服务关系约束和服务属性约束；
步骤四：制定制造服务供需匹配策略，包括服务优先匹配和任务优先匹配；提取出MS中的节点集VS和对应的标签集，构建服务子图集合GS，GS＝＜VS，ES＞；提取出MT中的节点集VT和对应的标签集，构建任务子图集合GT，GT＝＜VT，ET＞；对于服务优先匹配，将GT赋值为目标图G1＝(V1，E1)，GS赋值为查询图G2＝(V2，E2)；对于任务优先匹配，将GT赋值为查询图G2，GS赋值为目标图G1；
步骤五：结合所述制造服务供需匹配模型和约束条件，采用VF2算法，基于子图同构求解制造服务供需匹配模型，并将匹配结果映射为服务子图和任务子图的子图匹配集合。
2.根据权利要求1所述的基于子图同构的制造服务供需匹配方法，其特征在于，所述步骤一的具体操作如下：
制造服务MS的数学模型表达式如下：
MS＝＜SS，ES＞；
式中，p为服务节点的数量，si、si′均表示服务节点，表示服务节点i的标签，表示服务节点si、si′之间边ii′的标签；以表示服务节点的标签集合；边集合ES中设置了三个值(-1，0，1)来标记边的方向，并在模型中以边的标签的形式表示，服务节点的边的标签集合为若则表示服务节点si、si′之间的边是反向的，若则表示服务节点si、si′之间的边是正向的，若则表示服务节点si、si′之间没有连接边；
制造任务MT的数学模型表达式如下：
MT＝＜TT，ET＞；
式中，q为任务节点的数量，表示任务节点j的标签，表示任务节点tj、tj′之间边jj’的标签；以表示任务节点的标签集合；边集合ET中设置了三个值(-1，0，1)来标记边的方向，并在模型中以边的标签的形式表示，以表示任务节点的边的标签集合；若则表示任务节点tj、tj′之间的边是反向的，若则表示任务节点tj、tj′之间的边是正向的，若则表示任务节点tj、tj′之间没有连接边。
3.根据权利要求1所述的基于子图同构的制造服务供需匹配方法，其特征在于，所述步骤三中，当需要为制造任务匹配一个满足该任务需求的制造服务时，所需满足的服务范围约束的表达式如下：
式中，服务节点的集合SS中任一节点和任务节点的集合TT中任一节点配对，这样成对的服务任务节点构成了集合
服务唯一性约束的表达式如下：
服务关系约束的表达式如下：
服务属性约束的表达式如下：
式中，表示服务节点对应的标签函数的映射关系，表示任务节点对应的标签函数的映射关系；表示服务节点之间的边对应的标签函数的映射关系，表示任务节点之间的边对应的标签函数的映射关系。
4.根据权利要求1所述的基于子图同构的制造服务供需匹配方法，其特征在于，所述步骤三中，当需要为制造服务匹配一个满足该服务需求的制造任务时，所需满足的服务范围约束的表达式如下：
式中，si、si′均表示服务节点，f-1：SS→TT表示MT和MS中的节点对应关系；
服务唯一性约束的表达式如下：
服务关系约束的表达式如下：
服务属性约束的表达式如下：
式中，表示服务节点对应的标签函数的映射关系，表示任务节点对应的标签函数的映射关系；表示服务节点之间的边对应的标签函数的映射关系，表示任务节点之间的边对应的标签函数的映射关系。
5.根据权利要求1所述的基于子图同构的制造服务供需匹配方法，其特征在于，所述步骤五具体通过如下子步骤实现：
(1)初始化MS和MT参数，生成服务子图集合GS和任务子图集合GT；
(2)根据输入的制造服务供需匹配策略，将优先匹配项赋值为查询图G2，被用于匹配的对象赋值为目标图G1；
(3)判断目标图和查询图是否满足若满足，则继续进行下一步；若不满足，则认为无法达成制造服务供需匹配，结束匹配；
(4)采用VF2算法，基于子图同构求解制造服务供需匹配模型；
(5)根据步骤(2)中的制造服务供需匹配策略，将匹配结果映射为服务子图集合GS和任务子图集合GT的子图匹配集合MSST，MTTS。
6.根据权利要求5所述的基于子图同构的制造服务供需匹配方法，其特征在于，所述步骤(4)中，定义映射M1(s)表示M(s)中属于V1中的点集，M2(s)表示M(s)中属于V2中的点集，G1(s)表示通过M1(s)和E1(s)得到的G1的子图，G2(s)表示通过M2(s)和E2(s)得到的G2的子图；
所述步骤(4)具体包括以下子步骤：
(4.1)初始化状态s0，M(s0)为空集；
(4.2)开始递归搜索；
(4.3)判断当前状态s对应的部分匹配M(s)是否包含了G2中的所有节点，即在G1中是否已经找到了与G2同构的子图；若是，则继续下一步；若否，则认为无法达成制造服务供需匹配，结束匹配；
(4.4)计算M(s)中包含的候选节点对集P(s)，节点对即从查询图G2和目标图G1中各选一个节点形成节点对；候选节点对集P(s)的具体计算方式如下：
考虑直接连接到G1(s)和G2(s)的节点的集合，取为G1(s)中不属于M1(s)但属于其节点的后继节点构成的集合，为G2(s)中不属于M2(s)但属于M2(s)中节点的后继节点构成的集合；为G1(s)不属于M1(s)但属于M1(s)中节点的前继节点构成的集合，为G2(s)中不属于M2(s)但属于M2(s)中节点的前继节点构成的集合；
若和都不为空，则P(s)的表达式为：
式中，表示中具有最小编号的节点；
若和都不为空，且和均不为空，则P(s)的表达式为：
若均为空集，则P(s)的表达式为：
P(s)＝(V1-M1(s))×{min(V2-M2(s)))}；
当中只有一个集合为空，和/或和中只有一个集合为空时，状态s不可能构造出最终的同构，不需要再继续分析；
(4.5)遍历每一个节点对，通过可行性分布函数F(s，n，m)的计算，判断当前候选节点对是否符合制造服务供需匹配模型及其约束条件；其中，s为状态，n为G1中的一个点，m为G2中的一个点；
(4.6)选择步骤(4.5)中符合制造服务供需匹配模型及其约束条件的一个节点对，将该节点对加入匹配集合M(s)，并进入下一个状态s′，重复步骤(4.2)～(4.5)，直到完成该节点对在所有状态下的匹配关系判断；
(4.7)回到状态s，依次遍历步骤(4.5)中符合制造服务供需匹配模型及其约束条件的其余节点对，执行步骤(4.2)～(4.6)；如果若干次后都没有找到同构的子图，则说明当前状态不可能扩展出可行的子图同构匹配，将生成当前状态从匹配集合M(s)中删除，回溯到上一个状态；
(4.8)返回两个子图之间的映射M(s)，即G1中与G2同构的子图集合。
7.根据权利要求6所述的基于子图同构的制造服务供需匹配方法，其特征在于，所述步骤(4.5)中，可行性分布函数F(s，n，m)的计算方式具体如下：
对于在M1(s)和M2(s)中的节点，检查M1(s)中的节点和n的出边入边是否与M2(s)中的节点和m的出边入边一一对应；M2(s)对应的节点数必须小于等于M1(s)对应的节点数；对于带标签的图，F(s，n，m)还要进一步检查对应的点和边的标签是否一致；
对于不在M1(s)和M2(s)中的节点，计算Ti(s)和的节点个数，其表达式如下：
式中，Ti(s)表示和的集合，表示与当前状态中的节点不直接相连的节点；
定义五种可行性规则：Rpred、Rsucc、Rin、Rout、Rnew；Rpred、Rsucc规则用于检验添加候选对(n，m)到当前方案M(s)后，得到的部分解M(s)的一致性，Rin、Rout规则用于判断未来一步是否可能构成一致状态；Rnew规则用于判断未来两步是否可能构成一致状态；
对应制造服务供需匹配模型，以及服务范围约束、服务关系约束、服务属性约束，可行性规则Rpred、Rsucc形式化定义如下：
式中，(n′，m′)为新加入的候选对，n′为G1中的点，m′为G2中的点；Pred(G1，n)为G1中n的入度邻居节点构成的集合，即n的前继集合；Succ(G1，n)为G1中n的出度邻居节点构成的集合，即n的后继集合；Pred(G2，m)为G2中m的入度邻居节点构成的集合，即m的前继集合；Succ(G2，m)为G2中m的出度邻居节点构成的集合，即m的后继集合；
对应制造服务供需匹配模型以及服务唯一性约束，可行性规则Rin、Rout和Rnew形式化定义如下：
CN202310831307.5A 2023-07-07 2023-07-07 一种基于子图同构的制造服务供需匹配方法 Active CN116610896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310831307.5A CN116610896B (zh) 2023-07-07 2023-07-07 一种基于子图同构的制造服务供需匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310831307.5A CN116610896B (zh) 2023-07-07 2023-07-07 一种基于子图同构的制造服务供需匹配方法

Publications (2)

Publication Number Publication Date
CN116610896A true CN116610896A (zh) 2023-08-18
CN116610896B CN116610896B (zh) 2023-10-27

Family

ID=87682073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310831307.5A Active CN116610896B (zh) 2023-07-07 2023-07-07 一种基于子图同构的制造服务供需匹配方法

Country Status (1)

Country Link
CN (1) CN116610896B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117151433A (zh) * 2023-10-30 2023-12-01 浙江大学高端装备研究院 一种基于云的智能制造服务供需匹配评估方法和装置
CN117151547A (zh) * 2023-10-30 2023-12-01 浙江大学高端装备研究院 一种基于云的智能制造服务供需平衡评估方法和装置
CN117172633A (zh) * 2023-10-30 2023-12-05 浙江大学高端装备研究院 一种面向工业互联网平台的制造服务子图仿真方法及系统

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105138601A (zh) * 2015-08-06 2015-12-09 中国科学院软件研究所 一种支持模糊约束关系的图模式匹配方法
CN105959401A (zh) * 2016-06-20 2016-09-21 北京航空航天大学 一种基于超网络的制造服务供需匹配与动态调度方法
CN108932306A (zh) * 2018-06-13 2018-12-04 桂林电子科技大学 一种基于对称破坏的子图同构约束求解方法
CN109034552A (zh) * 2018-07-05 2018-12-18 河南理工大学 面向供需不确定的社群化制造服务匹配方法及系统
CN109726926A (zh) * 2019-01-02 2019-05-07 重庆大学 一种多元质量约束下基于灰色关联算法的机床装备资源供需匹配方法
CN111445963A (zh) * 2020-03-31 2020-07-24 桂林电子科技大学 一种基于图节点信息聚合的子图同构约束求解方法
CN113240287A (zh) * 2021-05-17 2021-08-10 北京航空航天大学 一种基于供需关系的制造服务自适应调度方法
CN113283785A (zh) * 2021-06-09 2021-08-20 广东工业大学 一种多任务制造资源的协同调度优化方法
CN113657731A (zh) * 2021-07-30 2021-11-16 哈尔滨工业大学 一种基于双边模式和关联矩阵的服务供需匹配方法
CN113656453A (zh) * 2021-07-29 2021-11-16 哈尔滨工业大学 一种服务供需双边模式关联矩阵构造与更新方法
WO2022041023A1 (zh) * 2020-08-27 2022-03-03 清华大学 子图匹配策略确定方法、子图匹配方法、子图计数方法和计算装置
CN114172963A (zh) * 2021-10-15 2022-03-11 合肥工业大学 基于资源利用率的多粒度的任务与服务匹配方法和系统
CN115242424A (zh) * 2022-05-31 2022-10-25 东南大学 一种基于状态机子图同构匹配的私有网络协议分类方法
US20220365977A1 (en) * 2020-06-11 2022-11-17 Zhejiang Bangsun Technology Co., Ltd. Method for reverse real-time matching based on event-driven graph patterns
CN115759510A (zh) * 2022-11-15 2023-03-07 南京航空航天大学 一种云制造任务与机加工制造服务的匹配方法
CN115905295A (zh) * 2022-12-29 2023-04-04 之江实验室 基于vf2算法的sparql查询子图模式匹配方法
CN116248520A (zh) * 2023-03-16 2023-06-09 北京航空航天大学 一种网络平台制造服务协作优化的基准测试方法及系统

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105138601A (zh) * 2015-08-06 2015-12-09 中国科学院软件研究所 一种支持模糊约束关系的图模式匹配方法
CN105959401A (zh) * 2016-06-20 2016-09-21 北京航空航天大学 一种基于超网络的制造服务供需匹配与动态调度方法
CN108932306A (zh) * 2018-06-13 2018-12-04 桂林电子科技大学 一种基于对称破坏的子图同构约束求解方法
CN109034552A (zh) * 2018-07-05 2018-12-18 河南理工大学 面向供需不确定的社群化制造服务匹配方法及系统
CN109726926A (zh) * 2019-01-02 2019-05-07 重庆大学 一种多元质量约束下基于灰色关联算法的机床装备资源供需匹配方法
CN111445963A (zh) * 2020-03-31 2020-07-24 桂林电子科技大学 一种基于图节点信息聚合的子图同构约束求解方法
US20220365977A1 (en) * 2020-06-11 2022-11-17 Zhejiang Bangsun Technology Co., Ltd. Method for reverse real-time matching based on event-driven graph patterns
WO2022041023A1 (zh) * 2020-08-27 2022-03-03 清华大学 子图匹配策略确定方法、子图匹配方法、子图计数方法和计算装置
CN113240287A (zh) * 2021-05-17 2021-08-10 北京航空航天大学 一种基于供需关系的制造服务自适应调度方法
CN113283785A (zh) * 2021-06-09 2021-08-20 广东工业大学 一种多任务制造资源的协同调度优化方法
CN113656453A (zh) * 2021-07-29 2021-11-16 哈尔滨工业大学 一种服务供需双边模式关联矩阵构造与更新方法
CN113657731A (zh) * 2021-07-30 2021-11-16 哈尔滨工业大学 一种基于双边模式和关联矩阵的服务供需匹配方法
CN114172963A (zh) * 2021-10-15 2022-03-11 合肥工业大学 基于资源利用率的多粒度的任务与服务匹配方法和系统
CN115242424A (zh) * 2022-05-31 2022-10-25 东南大学 一种基于状态机子图同构匹配的私有网络协议分类方法
CN115759510A (zh) * 2022-11-15 2023-03-07 南京航空航天大学 一种云制造任务与机加工制造服务的匹配方法
CN115905295A (zh) * 2022-12-29 2023-04-04 之江实验室 基于vf2算法的sparql查询子图模式匹配方法
CN116248520A (zh) * 2023-03-16 2023-06-09 北京航空航天大学 一种网络平台制造服务协作优化的基准测试方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FRIEDEMANN KAMMLER等: "Leveraging The Value of Data-Driven Service Systems in Manufacturing: A Graph-Based Approach", 《EUROPEAN CONFERENCE ON INFORMATION SYSTEMS(ECIS)》, pages 1 - 15 *
GRISCHAN ENGEL等: "Semantic subgraph isomorphism for enabling physical adaptability of Cyber-physical production systems", 《2016 IEEE 21ST INTERNATIONAL CONFERENCE ON EMERGING TECHNOLOGIES AND FACTORY AUTOMATION(ETFA)》, pages 1 - 8 *
刘睿霖: "基于需求-服务匹配的服务解决方案构造优化方法", 《中国博士学位论文全文数据库 信息科技辑》, vol. 2021, no. 1, pages 138 - 61 *
董莺: "面向中小企业的物联制造服务关键技术研究", 《中国博士学位论文全文数据库 工程科技II辑》, vol. 2020, no. 6, pages 029 - 23 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117151433A (zh) * 2023-10-30 2023-12-01 浙江大学高端装备研究院 一种基于云的智能制造服务供需匹配评估方法和装置
CN117151547A (zh) * 2023-10-30 2023-12-01 浙江大学高端装备研究院 一种基于云的智能制造服务供需平衡评估方法和装置
CN117172633A (zh) * 2023-10-30 2023-12-05 浙江大学高端装备研究院 一种面向工业互联网平台的制造服务子图仿真方法及系统
CN117172633B (zh) * 2023-10-30 2024-01-30 浙江大学高端装备研究院 一种面向工业互联网平台的制造服务子图仿真方法及系统
CN117151433B (zh) * 2023-10-30 2024-01-30 浙江大学高端装备研究院 一种基于云的智能制造服务供需匹配评估方法和装置
CN117151547B (zh) * 2023-10-30 2024-02-06 浙江大学高端装备研究院 一种基于云的智能制造服务供需平衡评估方法和装置

Also Published As

Publication number Publication date
CN116610896B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
CN116610896B (zh) 一种基于子图同构的制造服务供需匹配方法
CN107391542B (zh) 一种基于文件知识图谱的开源软件社区专家推荐方法
US20070250331A1 (en) Method for composition of stream processing plans
CN105893637A (zh) 大规模微博异构信息网络中的链接预测方法
CN110119399B (zh) 基于机器学习的业务流程优化方法
CN114841789B (zh) 基于区块链的审计审价故障数据在线编辑方法及系统
CN107784327A (zh) 一种基于gn的个性化社区发现方法
CN113254669B (zh) 基于知识图谱的配电网cim模型信息补全方法及系统
CN111355696A (zh) 一种报文识别方法、装置、dpi设备及存储介质
CN111666468A (zh) 一种基于团簇属性在社交网络中搜索个性化影响力社区的方法
CN115240048A (zh) 面向图像分类的深度学习的算子定位融合方法及装置
WO2022037102A1 (zh) 面向多方协作的利益相关者服务价值冲突发现和消解方法
CN115470236A (zh) 一种多子图匹配方法、装置及设备
CN110119268B (zh) 基于人工智能的工作流优化方法
CN115134293B (zh) 电信路由推荐方法、装置及服务器
CN115794884A (zh) 一种基于图摘要技术进行预计算子图查询的方法及装置
CN114997414B (zh) 数据处理方法、装置、电子设备和存储介质
CN116187675A (zh) 任务分配方法、装置、设备及存储介质
CN113722728B (zh) 基于区块链的智慧政务信息管理方法
CN113392143B (zh) 一种面向多关系图的可达性查询索引的构建与处理方法
CN112560213B (zh) 基于模型系统工程和超网络理论的体系建模方法及系统
CN110135747B (zh) 基于神经网络的流程定制方法
CN110990426B (zh) 一种基于树搜索的rdf查询方法
CN107105052A (zh) 基于图规划的启发式Web服务组合方法
Kang et al. Properties of stochastic Kronecker graphs

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