面向配电网的场域网拓扑结构弹性评估与优化方法研究
这是一篇关于场域网,弹性,评估模型,复杂网络,网络优化的论文, 主要内容为随着物联网与智能电网的深度融合,设备之间实现了智能互联和数据共享,电网的智能化和高效化程度不断提升,信息网在其中的作用也愈加重要。场域网(Field Area Network,FAN)作为配电网的信息网中的重要组成部分,其安全稳定地运行是智能配电网快速发展的关键基础。作为具备双向、实时、高速通信能力的网络,场域网在很大程度上决定了智能配电网系统的性能优劣。因此,对场域网的弹性进行量化评估和分析,优化其网络结构以提高应对扰动的鲁棒性,保证其安全稳定运行,是当前亟需解决的关键问题。针对以上问题,本文主要从以下三个方面进行研究:(1)针对网络弹性评估问题,提出了一种面向配电网的场域网弹性表征和评估模型。首先充分考虑了FAN网络具有多种传输介质、多种节点类型和特殊的网络结构等特点,利用图论和复杂系统理论构建了FAN网络模型。然后,从网络连通性、鲁棒性和冗余性三个方面定义了可量化的弹性表征指标,并通过三个弹性指标的加权和计算了网络总弹性。仿真结果表明,该模型能较好地描述网络弹性性能和拓扑结构变化,反映网络中的弹性薄弱点,并在有效性和通用性方面表现良好,为后续分析FAN网络结构的合理性,优化网络结构提供了必要的理论基础。(2)针对网络优化问题,提出了基于粒子群与遗传算法结合的场域网拓扑优化方法。首先分析了FAN在恶意攻击下的脆弱性以及崩解机理,影响鲁棒性提升的因素,以及网络鲁棒性优化需要满足的约束,然后建立了一个网络拓扑鲁棒性最优化模型,最后通过对粒子群算法进行改进,与遗传算法进行结合,利用改进后的算法得到最优边集添加方案。仿真结果表明,该方法能有效地提高网络鲁棒性,并且在保持优化效果高于其他算法的同时,所加的优化边的数量也少于其他算法,为网络结构的优化提供了一定的指导。(3)为了更有效地管理和评估FAN网络,衡量评估节点动态自愈性以及FAN网络的各种性能,设计并实现了基于Net Logo的场域网可视化仿真平台。首先基于实际的参数对多模异构FAN网络进行建模。然后设计了网络实时评估模块,在弹性评估模型的基础上增加了网络的实时性能评估参数,包括健康度、可信度、吞吐量、弹性、可持续性和包容性等。最后设计了模拟攻击模块,可实现攻击指定的节点及链路、随机攻击和恶意攻击等多种攻击模式,并且能够实时显示攻击后的网络拓扑变化以及性能参数的变化。
可解释的弹性惊喜度推荐
这是一篇关于推荐系统,惊喜度,弹性,可解释性,方向性的论文, 主要内容为推荐系统引导用户从种类繁杂、数量众多的产品中发现感兴趣的候选项,在缓解用户选择困难的同时提高了平台的点击率和交易率。然而,大多数推荐方法以准确性为唯一优化目标,造成了信息茧房、长尾效应等问题。这推动了惊喜度推荐的出现——致力于提供能够引起用户兴趣但又处于其发现能力之外的产品。已有的惊喜度推荐方法主要存在三个问题:定义缺乏客观性、无关推荐问题和缺乏可解释性。针对以上问题,本文提出了可解释的弹性惊喜度推荐方法,试图平衡推荐准确性和差异性,提高可解释性。具体来说,本文的主要研究内容、贡献以及创新点如下:(1)更客观地定义了推荐惊喜度。不同于已有方法根据作者的主观想法定义惊喜度,本文通过分析真实数据集,提出了推荐惊喜度是准确性和差异性的平衡状态的观点。(2)提出了推荐系统中弹性的概念和基于弹性的惊喜度推荐方法。偏好广泛的用户更倾向于接收与其历史不同的产品,而偏好单一的用户则倾向于接收相对熟悉的推荐产品。针对这一现象,本文提出弹性的概念和基于弹性的惊喜度推荐方法,针对用户和产品特征灵活调节用户和推荐产品之间的关联程度,从而达到推荐准确性和差异性的平衡。(3)提出了惊喜度向量的概念和可解释的定向惊喜度推荐方法。已有方法通常使用标量来度量用户和产品之间的关联,忽略了二者在潜在空间中的方向关系。针对这一问题,本文提出惊喜度向量的概念,并基于此提出定向惊喜度推荐方法,增强用户长期偏好在推荐过程中的导向作用。同时,本文提出一种惊喜度推荐中解释生成的方法,合理的解释能够在一定程度上提高用户的接受率和满意度。
面向配电网的场域网拓扑结构弹性评估与优化方法研究
这是一篇关于场域网,弹性,评估模型,复杂网络,网络优化的论文, 主要内容为随着物联网与智能电网的深度融合,设备之间实现了智能互联和数据共享,电网的智能化和高效化程度不断提升,信息网在其中的作用也愈加重要。场域网(Field Area Network,FAN)作为配电网的信息网中的重要组成部分,其安全稳定地运行是智能配电网快速发展的关键基础。作为具备双向、实时、高速通信能力的网络,场域网在很大程度上决定了智能配电网系统的性能优劣。因此,对场域网的弹性进行量化评估和分析,优化其网络结构以提高应对扰动的鲁棒性,保证其安全稳定运行,是当前亟需解决的关键问题。针对以上问题,本文主要从以下三个方面进行研究:(1)针对网络弹性评估问题,提出了一种面向配电网的场域网弹性表征和评估模型。首先充分考虑了FAN网络具有多种传输介质、多种节点类型和特殊的网络结构等特点,利用图论和复杂系统理论构建了FAN网络模型。然后,从网络连通性、鲁棒性和冗余性三个方面定义了可量化的弹性表征指标,并通过三个弹性指标的加权和计算了网络总弹性。仿真结果表明,该模型能较好地描述网络弹性性能和拓扑结构变化,反映网络中的弹性薄弱点,并在有效性和通用性方面表现良好,为后续分析FAN网络结构的合理性,优化网络结构提供了必要的理论基础。(2)针对网络优化问题,提出了基于粒子群与遗传算法结合的场域网拓扑优化方法。首先分析了FAN在恶意攻击下的脆弱性以及崩解机理,影响鲁棒性提升的因素,以及网络鲁棒性优化需要满足的约束,然后建立了一个网络拓扑鲁棒性最优化模型,最后通过对粒子群算法进行改进,与遗传算法进行结合,利用改进后的算法得到最优边集添加方案。仿真结果表明,该方法能有效地提高网络鲁棒性,并且在保持优化效果高于其他算法的同时,所加的优化边的数量也少于其他算法,为网络结构的优化提供了一定的指导。(3)为了更有效地管理和评估FAN网络,衡量评估节点动态自愈性以及FAN网络的各种性能,设计并实现了基于Net Logo的场域网可视化仿真平台。首先基于实际的参数对多模异构FAN网络进行建模。然后设计了网络实时评估模块,在弹性评估模型的基础上增加了网络的实时性能评估参数,包括健康度、可信度、吞吐量、弹性、可持续性和包容性等。最后设计了模拟攻击模块,可实现攻击指定的节点及链路、随机攻击和恶意攻击等多种攻击模式,并且能够实时显示攻击后的网络拓扑变化以及性能参数的变化。
云计算中容器-虚拟机两层结构的弹性及优化方法研究
这是一篇关于云计算,容器,虚拟机,排队论,弹性,优化方法的论文, 主要内容为随着人工智能、大数据、区块链等技术的发展,普通计算机有限的计算和存储能力已经无法满足个人及企业用户日益增长的资源需求。云计算作为一种资源网络为大量的计算资源缺口提供了一种新的解决方案,使用者可以随时获取“云”上“可无限扩展”的资源,按需求量使用,按使用量付费。然而,云数据中心在为用户提供高效计算服务的同时,也带来了大量的电力资源消耗以及二氧化碳排放。因此,云计算动态可扩展性作为保障云平台服务质量并提高资源利用率的有效方式,一直是国内外学者的研究热点。目前对此的大多数研究都是基于虚拟机的粒度进行的,随着微服务架构的兴起,容器因具有启动速度快且开销低的显著特点而成为微服务架构的首要部署技术,使用容器能够大大提升云平台的服务质量。但是容器集群的使用使得原来的虚拟机集群扩展到了容器-虚拟机的两层结构,因此原本基于单层结构的研究并不完全适用,且目前对于两层结构的研究较少。针对上述问题,本文基于容器-虚拟机两层结构研究云平台的弹性及性能成本优化方法,论文主要工作包括:(1)基于云计算中任务调度和任务执行的两阶段过程构建排队论弹性模型。该模型在现有研究的基础上充分考虑实际云平台中调度队列、执行队列的有限容量问题及容器-虚拟机两层结构的特点,通过一维M/M/1/Kd排队模型及二维M/M/ci Ni/K i排队模型分别构建任务调度模型及任务执行模型,并结合拟生灭过程及矩阵几何解给出排队模型的稳态概率分布。(2)基于现有单层结构研究成果给出本文两层结构模型的弹性、性能及成本指标定义并分析系统配置参数对各指标的影响。首先,通过上述模型稳态概率分布结果计算排队模型的损失率、期望任务队列长度、期望虚拟机数量、任务响应时间等多个属性。随后,结合现有研究结果给出模型的弹性、性能及成本指标的量化定义。最后,根据属性计算结果及量化指标定义进行参数数值分析实验,进而分析系统配置参数对各指标的影响并通过对比实验证明两层结构模型的优势。(3)基于单目标优化方法与多目标智能优化算法求解模型最优参数配置及性能成本Pareto前沿。首先,根据上述指标定义及两阶段模型特点将优化模型划分为子模型优化、调度模型优化及任务流分配三个子优化模型。然后,基于多目标智能优化算法、单目标优化理论与实验结论给出优化方案,同时通过理论与实验分析方案的可行性。最后,通过实验对比分析本文模型及优化方案的优势及有效性。经实验验证及对比分析,本文所提出的基于容器-虚拟机两层结构的两阶段模型相较单层结构模型大部分情况下在弹性、成本及一些性能参数上有更好的性能表现。所提出的优化方案能够有效给出模型的基础参数配置及任务流分配方案,达到较高的整体性价比。
面向配电网的场域网拓扑结构弹性评估与优化方法研究
这是一篇关于场域网,弹性,评估模型,复杂网络,网络优化的论文, 主要内容为随着物联网与智能电网的深度融合,设备之间实现了智能互联和数据共享,电网的智能化和高效化程度不断提升,信息网在其中的作用也愈加重要。场域网(Field Area Network,FAN)作为配电网的信息网中的重要组成部分,其安全稳定地运行是智能配电网快速发展的关键基础。作为具备双向、实时、高速通信能力的网络,场域网在很大程度上决定了智能配电网系统的性能优劣。因此,对场域网的弹性进行量化评估和分析,优化其网络结构以提高应对扰动的鲁棒性,保证其安全稳定运行,是当前亟需解决的关键问题。针对以上问题,本文主要从以下三个方面进行研究:(1)针对网络弹性评估问题,提出了一种面向配电网的场域网弹性表征和评估模型。首先充分考虑了FAN网络具有多种传输介质、多种节点类型和特殊的网络结构等特点,利用图论和复杂系统理论构建了FAN网络模型。然后,从网络连通性、鲁棒性和冗余性三个方面定义了可量化的弹性表征指标,并通过三个弹性指标的加权和计算了网络总弹性。仿真结果表明,该模型能较好地描述网络弹性性能和拓扑结构变化,反映网络中的弹性薄弱点,并在有效性和通用性方面表现良好,为后续分析FAN网络结构的合理性,优化网络结构提供了必要的理论基础。(2)针对网络优化问题,提出了基于粒子群与遗传算法结合的场域网拓扑优化方法。首先分析了FAN在恶意攻击下的脆弱性以及崩解机理,影响鲁棒性提升的因素,以及网络鲁棒性优化需要满足的约束,然后建立了一个网络拓扑鲁棒性最优化模型,最后通过对粒子群算法进行改进,与遗传算法进行结合,利用改进后的算法得到最优边集添加方案。仿真结果表明,该方法能有效地提高网络鲁棒性,并且在保持优化效果高于其他算法的同时,所加的优化边的数量也少于其他算法,为网络结构的优化提供了一定的指导。(3)为了更有效地管理和评估FAN网络,衡量评估节点动态自愈性以及FAN网络的各种性能,设计并实现了基于Net Logo的场域网可视化仿真平台。首先基于实际的参数对多模异构FAN网络进行建模。然后设计了网络实时评估模块,在弹性评估模型的基础上增加了网络的实时性能评估参数,包括健康度、可信度、吞吐量、弹性、可持续性和包容性等。最后设计了模拟攻击模块,可实现攻击指定的节点及链路、随机攻击和恶意攻击等多种攻击模式,并且能够实时显示攻击后的网络拓扑变化以及性能参数的变化。
O2O-IDS的供应链网络弹性仿真研究
这是一篇关于O2O模式,供应链网络,弹性,仿真,即时配送服务(IDS)的论文, 主要内容为根据《中国即时物流行业发展报告》的数据表明,2021年订单量达294亿单,预计到2025年将达793亿单。我国即时配送行业市场规模大,市场潜力大,不仅吸引了越来越多投资者的关注,也逐渐成为学术研究的热点。O2O模式下的即时配送服务(O2O-IDS)的每一笔订单是一条供应链,O2O-IDS系统汇集了大量订单的集合,属于一个复杂的供应链网络。O2O-IDS供应链网络相较于传统的供应链网络主要有以下几点不同:其一,供需节点和分配节点不固定,因此比传统的供应链网络的配送路线更为复杂;其二,配送范围也相对较短,配送速度相对较慢;其三,对于订单的取送货时间要求精准,客户对平台的稳定性要求较高。基于O2O-IDS的供应链网络的特殊性,平台企业亟需提高系统弹性,即系统抵御外界冲击,保持稳定运营的能力。弹性作为供应链网络抵抗冲击的一种能力,近年来是学术界研究的重点。本文通过研究O2O-IDS供应链网络弹性的定义、属性和测度指标,并通过计算机仿真对测度指标进行定量化分析,发现调配测度指标的规则,为增强O2O-IDS供应链网络抵御外部冲击的能力,提供了量化方法和决策依据。通过研究O2O模式、即时配送服务、供应链网络弹性三个领域的相关文献,并对相关学科的弹性研究进行梳理和总结,提出了 O2O-IDS供应链网络弹性的定义,即O2O-IDS系统在由于受到外部环境(如恶劣天气、交通状况、疫情等)或供需变化的影响,使正常情况下的导致派单状态发生变动时,系统所能承受最大供需变化的适应能力,以及和从非正常状态下恢复为正常派单状态的恢复能力。以美团业务流程为例,分析了 O2O-IDS系统的业务流程,构建了 O2O-IDS供应链网络弹性的测度指标。进而与行业专家和领域学者访谈,将一、二级指标进行匹配。根据O2O-IDS业务流程及供应链网络测度指标,明确O2O-IDS仿真系统的功能需求和功能模块流程图,设计出满足O2O-IDS供应链网络弹性仿真的实验系统。进而与系统开发人员和算法工程师沟通,确定目前的仿真系统所能支持的各测度指标的等级划分,在此基础上定义了 324组影响因素的等级组合。通过对324组等级组合进行实验,得到了进行后续分析的实验结果,在实验结果中选取了贴合表现供应链网络弹性并与O2O-IDS相结合的实验结果—系统未接单时间作为测量供应链网络弹性的分析指标。通过对实验结果进行聚类分析,将系统未派单时间及系统中断时间划分为3个等级,使用随机抽样的方法,将数据按照类簇进行随机抽样,以此划分抽取50组实验。通过对样本数据进行判别分析和随机森林演算法进行模型构建,比对50组实验中二者分类的准确性和稳健性。通过对比两种方法,随机森林演算法相较于判别分析法,误判率较低,并且随着训练样本的数据量和特征值的加大,随机森林演算法的可处理高维度不降维的优势更加明显,其预测的稳定性和正确率会越来越高。但判别分析较为直观的反应测度指标对于被分析变量的影响,因此,后续研究学者应考虑在不同场景下选择不同的方法。最后结合随机森林演算法与判别分析法,选择贡献度较大,并适合于平台调配的测度指标进行相对应的敏感性分析,最终为平台企业提出建议,既能加强平台弹性,又能提高平台运营效率。为使仿真系统满足业务场景与实验要求,为仿真系统设计了订单生成功能模块、顾客管理功能模块、商户管理功能模块、实验场景设置功能模块、路径规划算法功能模块、实验过程记录功能模块、实验结果查询功能模块等7个功能模块。后续的O2O-IDS的供应链网络弹性分析所选取的变量为配送范围、单一骑手可承载量、骑手配送速度、顾客数量、订单总量、骑手人数六个变量。结合随机森林演算法与判别分析法,使用随机森林演算法得到的贡献度较大的3个测度指标,即顾客数量、订单总量、骑手人数,通过使用判别分析法构建判别函数,并使用判别函数来进行敏感性分析,通过在固定顾客数量、订单总量的情况下,分析骑手人数的合理配置,为平台方提出建议,加强平台弹性,减少资源浪费。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码客栈 ，原文地址：https://m.bishedaima.com/lunwen/54070.html
