CN113450558B - 一种识别网络关键节点的方法、***及存储介质 - Google Patents

一种识别网络关键节点的方法、***及存储介质 Download PDF

Info

Publication number
CN113450558B
CN113450558B CN202010229270.5A CN202010229270A CN113450558B CN 113450558 B CN113450558 B CN 113450558B CN 202010229270 A CN202010229270 A CN 202010229270A CN 113450558 B CN113450558 B CN 113450558B
Authority
CN
China
Prior art keywords
road
roads
network
identifying
connection relation
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
CN202010229270.5A
Other languages
English (en)
Other versions
CN113450558A (zh
Inventor
卜园渊
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.)
Shanghai Jiayu Intelligent Technology Co ltd
Original Assignee
Shanghai Xiandou Intelligent Robot Co ltd
Shanghai Xianta Intelligent Technology Co Ltd
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 Shanghai Xiandou Intelligent Robot Co ltd, Shanghai Xianta Intelligent Technology Co Ltd filed Critical Shanghai Xiandou Intelligent Robot Co ltd
Priority to CN202010229270.5A priority Critical patent/CN113450558B/zh
Publication of CN113450558A publication Critical patent/CN113450558A/zh
Application granted granted Critical
Publication of CN113450558B publication Critical patent/CN113450558B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供识别网络关键节点的方法、***及存储介质，所述识别网络关键节点的方法包括：获取道路拓扑数据，所述道路拓扑数据包括各条道路间的连接关系和每条道路的出度；根据所述道路拓扑数据，迭代计算出每条道路的权重值；以及将各条道路的权重值排序，并根据权重值的大小，找出交通网络中的关键道路。本发明通过全局考虑道路之间的连接关系，对道路的关键节点进行基于马尔可夫的处理，通过迭代计算出每条道路的权重值，识别出网络的关键节点。

Description

一种识别网络关键节点的方法、***及存储介质
技术领域
本发明涉及复杂网络技术领域，特别是涉及一种识别网络关键节点的方法、***及存储介质。
背景技术
随着车辆数量的大幅度增长，城市交通***日趋庞大而复杂，城市交通问题变得日益严峻。
城市交通网中交通枢纽或关键节点的确定问题是城市交通网复杂性问题的研究主题之一。网络中节点所处的位置不同，节点的重要程度也不同。城市交通网中的关键节点对交通网结构安全、可靠性以及整体性能的影响很大。关键节点的确定能提供准确有效的交通管制、引导和疏散措施，并为交通网的规划、设计、改建、扩建提供合理的解决方案。
因此，有必要提供一种识别网络关键节点的方法，以解决上述问题。
发明内容
有鉴于此，本发明提供了一种识别网络关键节点的方法、***及存储介质，以识别交通网络中的关键节点。
本发明是这样实现的：
本发明首先提供一种识别网络关键节点的方法，包括：获取道路拓扑数据，所述道路拓扑数据包括各条道路间的连接关系和每条道路的出度；根据所述道路拓扑数据，迭代计算出每条道路的权重值；以及将各条道路的权重值排序，并根据权重值的大小，找出交通网络中的关键道路。
进一步，所述根据所述道路拓扑数据，迭代计算出每条道路的权重值的步骤，包括：根据各条道路之间是否有连接关系建立道路连接关系矩阵Xn，并对其赋予初始值；根据所述道路连接关系矩阵生成道路转移矩阵P；以及迭代计算Xn+1＝P Xn，并在Xn+1与Xn的距离小于预定值α时，停止所述迭代计算，所述n为自然数。
进一步，所述根据各条道路之间是否有连接关系建立道路连接关系矩阵Xn，并对其赋予初始值的步骤，包括：假定所有道路的权重相同；对道路连接关系矩阵Xn中的各条道路赋予相同的权重值。
进一步，所述根据所述道路连接关系矩阵生成道路转移矩阵P的步骤，包括：获取每条道路的出度T；根据所述出度T产生转移矩阵P。
进一步，所述道路转移矩阵P中，道路交叉处的的元素为1/T，其他处的元素为0。
进一步，所述方法还包括步骤：将权重值最大的一条路作为最关键节点。
本发明另提供一种识别网络关键节点的***，所述识别网络关键节点的***包括：存储器、处理器、通信总线以及存储在所述存储器上的识别网络关键节点的程序；所述通信总线用于实现处理器与存储器间的通信连接；所述处理器用于执行存储在所述存储器上的识别网络关键节点的程序，以实现上述任意一种识别网络关键节点的方法。
本发明还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有识别网络关键节点的程序，所述识别网络关键节点的程序被处理器执行时，实现上述任意一种识别网络关键节点的方法。
本发明通过全局考虑道路之间的连接关系，对道路的关键节点进行基于马尔可夫的处理，通过迭代计算出每条道路的权重值，识别出网络的关键节点。
为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
图1是本发明较佳实施例的识别网络关键节点的方法的流程示意图。
图2是本发明较佳实施例的识别网络关键节点的方法的另一流程示意图。
图3是本发明较佳实施例的识别网络关键节点的方法的逻辑示意图。
图4是本发明较佳实施例的识别网络关键节点的***的逻辑示意图。
图5是本发明较佳实施例的识别网络关键节点的***的方框示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，在本发明较佳实施例中，本发明提供的识别网络关键节点的方法，应用于终端，包括：
步骤S10，获取道路拓扑数据，所述道路拓扑数据包括各条道路间的连接关系和每条道路的出度；
步骤S30，根据所述道路拓扑数据，迭代计算出每条道路的权重值；
步骤S50，将各条道路的权重值排序，并根据权重值的大小，找出交通网络中的关键道路。
具体而言，所述网络可以为交通网络，也可以为虚拟网络。所述道路可以为实际的交通道路，可以为传播的路径，也可以为虚拟的网路。
详细而言，所述步骤S30，即所述根据所述道路拓扑数据，迭代计算出每条道路的权重值的步骤，还包括：
步骤S31，根据各条道路之间是否有连接关系建立道路连接关系矩阵Xn，并对其赋予初始值；
步骤S33，根据所述道路连接关系矩阵生成道路转移矩阵P；以及
步骤S35，迭代计算Xn+1＝P Xn，并在Xn+1与Xn的距离小于预定值α时，停止所述迭代计算，所述n为自然数。
详细而言，所述步骤S31，即所述根据各条道路之间是否有连接关系建立道路连接关系矩阵Xn，并对其赋予初始值的步骤，包括：
步骤S311，假定所有道路的权重相同；
步骤S313，对道路连接关系矩阵Xn中的各条道路赋予相同的权重值。
更详细而言，所述步骤S33，即所述根据所述道路连接关系矩阵生成道路转移矩阵P的步骤，包括：
步骤S331，获取每条道路的出度T；
步骤S333，根据所述出度T产生转移矩阵P。
具体而言，所述道路转移矩阵P中，道路交叉处的的元素为1/T，其他处的元素为0。
详细而言，所述方法还可以包括步骤S51：将权重值最大的一条路作为最关键节点。
具体而言，对交通网络，步骤S31中，建立一个连接关系矩阵，可以按照如下规则：假设这个小区域内的道路数量为N，则建立一个N*N的矩阵Xn，如果两条道路之间有连接关系，则将这两条道路的对应的矩阵的取值为1，否则取值为0，对道路连接关系矩阵X赋予初始值。相应地，步骤S33中，根据得到的该小区域内的道路连接关系矩阵可以生成一个该区域内道路转移矩阵P，按照如下规则：假设该区域内某一条道路的出度个数为T，则修改道路转移矩阵的系数为1/T，余下的系数都是0。步骤S35中，预定值α可以无限趋近于零，例如可以是0.000001，两个权重向量的距离计算规则如下：向量X中的每一项与向量Y中的对应项求差的绝对值相加，迭代计算停止后，所得到的区域内每条道路的权重会有所不同，X的值即为权重，这样就能确定在这一区域内交通网络的关键节点就是计算权重最高的那条道路。
例如，若某区域内有4条道路A、B、C、D，来自A道路的车辆可以进入B、C或D，来自B的车辆可以进入A或D，这样，初始化该区域内所有道路的权重为1的权重向量，Xn的初始值X1即：
Figure BDA0002428789300000051
转移矩阵P即：
Figure BDA0002428789300000052
用转移矩阵P乘以X1即可得到X2的结果，直到第n次迭代后Xn+1与Xn的距离小于预定值α，例如可以收敛到[1.5,1,0.5,1]，也就是A、B、C、D四个页面最终状态下的影响力。此时，可以选择权重值最大的A道路作为最关键节点。
综上所述，可以参考图3，本发明的识别网络关键节点的方法可以依次包括：建立道路连接关系矩阵；产生道路转移矩阵；初始化道路权重；设置迭代停止条件；输出道路权重。本发明采用的的方法是一种全局方法，权值越重的道路连接的道路的权重也越重。对开始不能完全确定道路权重这一问题，本申请最开始假定所有道路的权重相同，然后进行迭代计算，选择出权重最重要的道路。
利用上述方法，可以构建一种识别网络关键节点的***，如图4所示，可以包括数据采集模块、数据分析模块和结果呈现模块。数据采集模块用于采集某区域内的道路数据以及道路连接点，例如交叉路口，的数据，通过对区域内道路数据、限行、单行道等数据以及道路连接点的数据进行算法整理，即可得出该区域内道路的连接矩阵。数据分析模块用于根据数据采集模块得到的区域内道路的连接矩阵，通过前述识别网络关键节点的方法，对道路的连接关系以及道路的权重进行数据分析，通过迭代计算出该区域内所有道路的权重。结果呈现模块用于根据数据分析模块得到的区域内道路的权重值，经过简单排列之后就能展现出来该区域内交通网络的关键节点即权重最大的某一条路为最关键节点。
本发明具有上述识别网络关键节点的***可以是PC，也可以是智能手机、平板电脑、便携计算机等终端设备。
具体而言，如图5所示，所述识别网络关键节点的***200可以包括处理器202、存储器204和通信总线203。其中，所述通信总线203用于实现处理器202和存储器204之间的连接通信。所述存储器204可以是高速RAM存储器，也可以是NVM(non-volatile memory；非易失存储器)，例如磁盘存储器，还可以是独立于前述处理器202的存储装置。
可选地，所述识别网络关键节点的***200还可以包括用户接口206、网络接口208、摄像头、射频电路、音频电路、WiFi模块等等。用户接口206可以包括显示屏、输入单元比如键盘，可选用户接口206还可以包括标准的有线接口、无线接口。网络接口208可选的可以包括标准的有线接口、无线接口，如WI-FI接口。
本领域技术人员可以理解，图5中示出的识别网络关键节点的***并不构成对识别网络关键节点的***的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图5所示，作为一种计算机存储介质的存储器204中可以包括操作***、网络通信模块以及识别网络关键节点的程序。操作***是管理和控制识别网络关键节点的***硬件和软件资源的程序，支持识别网络关键节点的程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器204内部各组件之间的通信，以及与识别网络关键节点的***中其它硬件和软件之间通信。
在图5所示的识别网络关键节点的***中，处理器202用于执行存储器204中存储的识别网络关键节点的程序，所述识别网络关键节点的程序用于实现上述任一种识别网络关键节点的方法。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个程序，所述程序可被至少一个处理器执行以实现上述的识别网络关键节点的方法。
在一实施方式中，本实施例提供的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质，例如，ROM、RAM、磁盘、光盘、闪存等。
综上所述，本发明通过全局考虑道路之间的连接关系，对道路的关键节点进行了基于马尔可夫的处理。结合上海市的道路数据，最后得出上海市中环路的权重最高为41.82，上海市内环路的权重也排在前列，这基本符合上海市道路的情况。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，除了包含所列的那些要素，而且还可包含没有明确列出的其他要素。
以上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、等同替换或改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种识别网络关键节点的方法，其特征在于，包括：
获取道路拓扑数据，所述道路拓扑数据包括各条道路间的连接关系和每条道路的出度；
根据所述道路拓扑数据，迭代计算出每条道路的权重值；以及
将各条道路的权重值排序，并根据权重值的大小，找出交通网络中的关键道路；
所述根据所述道路拓扑数据，迭代计算出每条道路的权重值的步骤，包括：根据各条道路之间是否有连接关系建立道路连接关系矩阵Xn，并对其赋予初始值；根据所述道路连接关系矩阵生成道路转移矩阵P；以及迭代计算Xn+1＝P Xn，并在Xn+1与Xn的距离小于预定值α时，停止所述迭代计算，所述n为自然数；
所述根据各条道路之间是否有连接关系建立道路连接关系矩阵Xn，并对其赋予初始值的步骤，包括：假定所有道路的权重相同；对道路连接关系矩阵Xn中的各条道路赋予相同的权重值；
所述根据所述道路连接关系矩阵生成道路转移矩阵P的步骤，包括：获取每条道路的出度T；根据所述出度T产生道路转移矩阵P；
所述道路转移矩阵P中，道路交叉处的的元素为1/T，其他处的元素为0。
2.根据权利要求1所述的识别网络关键节点的方法，其特征在于，所述方法还包括步骤：将权重值最大的一条路作为最关键节点。
3.一种识别网络关键节点的***，其特征在于：所述识别网络关键节点的***包括：
存储器、处理器、通信总线以及存储在所述存储器上的识别网络关键节点的程序；
所述通信总线用于实现处理器与存储器间的通信连接；
所述处理器用于执行存储在所述存储器上的识别网络关键节点的程序，以实现如权利要求1至2中任一项所述的识别网络关键节点的方法。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有识别网络关键节点的程序，所述识别网络关键节点的程序被处理器执行时，实现如权利要求1至2中任一项所述的识别网络关键节点的方法。
CN202010229270.5A 2020-03-27 2020-03-27 一种识别网络关键节点的方法、***及存储介质 Active CN113450558B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010229270.5A CN113450558B (zh) 2020-03-27 2020-03-27 一种识别网络关键节点的方法、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010229270.5A CN113450558B (zh) 2020-03-27 2020-03-27 一种识别网络关键节点的方法、***及存储介质

Publications (2)

Publication Number Publication Date
CN113450558A CN113450558A (zh) 2021-09-28
CN113450558B true CN113450558B (zh) 2022-11-08

Family

ID=77808113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010229270.5A Active CN113450558B (zh) 2020-03-27 2020-03-27 一种识别网络关键节点的方法、***及存储介质

Country Status (1)

Country Link
CN (1) CN113450558B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102102992A (zh) * 2009-12-22 2011-06-22 山东省计算中心 基于多级网络划分的匹配道路初筛方法及地图匹配***
CN102592440A (zh) * 2012-02-14 2012-07-18 清华大学 道路网关键节点诊断技术
CN102883359A (zh) * 2012-10-19 2013-01-16 无锡赛睿科技有限公司 一种用于无线传感器网络的关键节点的测量的方法、装置以及***
CN104166702A (zh) * 2014-08-04 2014-11-26 浙江财经大学 一种面向服务供应链网络的服务推荐方法
CN106652483A (zh) * 2017-03-06 2017-05-10 同济大学 利用检测设备在区域公路网布设交通信息检测点的方法
CN107292481A (zh) * 2017-04-26 2017-10-24 广东电网有限责任公司惠州供电局 一种基于节点重要度的电网关键节点评估方法
CN107743071A (zh) * 2017-05-18 2018-02-27 清华大学 一种网络节点的增强表示方法及装置
CN108183956A (zh) * 2017-12-29 2018-06-19 武汉大学 一种传播网络的关键路径提取方法
CN108563863A (zh) * 2018-04-11 2018-09-21 北京交通大学 城市轨道交通***的能耗计算与调度方法
CN109034578A (zh) * 2018-07-13 2018-12-18 交通运输部公路科学研究所 一种综合交通运输网络节点重要度评估方法
CN109446628A (zh) * 2018-10-22 2019-03-08 太原科技大学 基于复杂网络的多层城市交通网构建及关键节点识别方法
DE102017218383A1 (de) * 2017-10-13 2019-04-18 Robert Bosch Gmbh Verfahren und Vorrichtung zum Ermitteln eines Reibwertes einer Fahrbahn
CN109740963A (zh) * 2019-01-21 2019-05-10 杭州远眺科技有限公司 一种识别城市道路网关键交叉口的方法
CN110135092A (zh) * 2019-05-21 2019-08-16 江苏开放大学（江苏城市职业学院） 基于半局部中心性的复杂加权交通网关键节点识别方法
CN110213164A (zh) * 2019-05-21 2019-09-06 南瑞集团有限公司 一种基于拓扑信息融合的识别网络关键传播者的方法及装置
CN110232819A (zh) * 2019-05-16 2019-09-13 北京航空航天大学 一种基于复杂网络的城市关键道路的发掘方法
CN110543728A (zh) * 2019-09-05 2019-12-06 大连理工大学 一种城市交通路网关键路口发现方法
CN110557393A (zh) * 2019-09-05 2019-12-10 腾讯科技（深圳）有限公司 网络风险评估方法、装置、电子设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7493380B2 (en) * 2003-12-02 2009-02-17 International Business Machines Corporation Method for determining load balancing weights using application instance topology information
US8213334B2 (en) * 2008-02-29 2012-07-03 International Business Machines Corporation Optimizing a physical data communications topology between a plurality of computing nodes
US8909918B2 (en) * 2011-10-05 2014-12-09 Cisco Technology, Inc. Techniques to classify virtual private network traffic based on identity
US9331941B2 (en) * 2013-08-12 2016-05-03 Cisco Technology, Inc. Traffic flow redirection between border routers using routing encapsulation
CN106530687B (zh) * 2016-10-13 2019-04-12 北京交通大学 一种基于时空属性的交通网络节点重要度测算方法
CN108921366B (zh) * 2018-03-24 2022-03-15 北京工业大学 一种基于PageRank算法的路网重要路段筛选方法
CN109766642A (zh) * 2019-01-15 2019-05-17 电子科技大学 一种自演化交通路网拓扑建模方法
CN110033048A (zh) * 2019-04-18 2019-07-19 西南交通大学 一种轨道交通关键节点及关键路段识别方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102102992A (zh) * 2009-12-22 2011-06-22 山东省计算中心 基于多级网络划分的匹配道路初筛方法及地图匹配***
CN102592440A (zh) * 2012-02-14 2012-07-18 清华大学 道路网关键节点诊断技术
CN102883359A (zh) * 2012-10-19 2013-01-16 无锡赛睿科技有限公司 一种用于无线传感器网络的关键节点的测量的方法、装置以及***
CN104166702A (zh) * 2014-08-04 2014-11-26 浙江财经大学 一种面向服务供应链网络的服务推荐方法
CN106652483A (zh) * 2017-03-06 2017-05-10 同济大学 利用检测设备在区域公路网布设交通信息检测点的方法
CN107292481A (zh) * 2017-04-26 2017-10-24 广东电网有限责任公司惠州供电局 一种基于节点重要度的电网关键节点评估方法
CN107743071A (zh) * 2017-05-18 2018-02-27 清华大学 一种网络节点的增强表示方法及装置
DE102017218383A1 (de) * 2017-10-13 2019-04-18 Robert Bosch Gmbh Verfahren und Vorrichtung zum Ermitteln eines Reibwertes einer Fahrbahn
CN108183956A (zh) * 2017-12-29 2018-06-19 武汉大学 一种传播网络的关键路径提取方法
CN108563863A (zh) * 2018-04-11 2018-09-21 北京交通大学 城市轨道交通***的能耗计算与调度方法
CN109034578A (zh) * 2018-07-13 2018-12-18 交通运输部公路科学研究所 一种综合交通运输网络节点重要度评估方法
CN109446628A (zh) * 2018-10-22 2019-03-08 太原科技大学 基于复杂网络的多层城市交通网构建及关键节点识别方法
CN109740963A (zh) * 2019-01-21 2019-05-10 杭州远眺科技有限公司 一种识别城市道路网关键交叉口的方法
CN110232819A (zh) * 2019-05-16 2019-09-13 北京航空航天大学 一种基于复杂网络的城市关键道路的发掘方法
CN110135092A (zh) * 2019-05-21 2019-08-16 江苏开放大学（江苏城市职业学院） 基于半局部中心性的复杂加权交通网关键节点识别方法
CN110213164A (zh) * 2019-05-21 2019-09-06 南瑞集团有限公司 一种基于拓扑信息融合的识别网络关键传播者的方法及装置
CN110543728A (zh) * 2019-09-05 2019-12-06 大连理工大学 一种城市交通路网关键路口发现方法
CN110557393A (zh) * 2019-09-05 2019-12-10 腾讯科技（深圳）有限公司 网络风险评估方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113450558A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
Franks Performance analysis of distributed server systems.
Mitzenmacher On the analysis of randomized load balancing schemes
CN110557393B (zh) 网络风险评估方法、装置、电子设备及存储介质
US7181383B1 (en) System and method for simulating a circuit having hierarchical structure
KR20190086134A (ko) 인공 신경망을 구성하는 복수의 학습 모델 중 최적 학습 모델 선택 방법 및 장치
US6405345B1 (en) Updating placement during technology mapping
WO2008016495A2 (en) Determination of graph connectivity metrics using bit-vectors
US7024652B1 (en) System and method for adaptive partitioning of circuit components during simulation
Hutton et al. Characterization and parameterized generation of synthetic combinational benchmark circuits
US20200125926A1 (en) Dynamic Batch Sizing for Inferencing of Deep Neural Networks in Resource-Constrained Environments
Muppala et al. Composite performance and availability analysis using a hierarchy of stochastic reward nets
CN109379195A (zh) 零知识证明电路的优化方法、装置、设备及可读存储介质
CN110515986A (zh) 一种社交网络图的处理方法、装置及存储介质
US6378116B1 (en) Using budgeted required time during technology mapping
CN112395383A (zh) 基于多源信息融合的人口数据空间化方法、装置和设备
CN115081613A (zh) 生成深度学习模型的方法、装置、电子设备及存储介质
CN115048254A (zh) 数据分配策略的仿真测试方法、***、设备和可读介质
CN114971078A (zh) 基于约束性多目标粒子群优化的路径规划方法及相关设备
CN113450558B (zh) 一种识别网络关键节点的方法、***及存储介质
US8826199B2 (en) System and method for development of a system architecture
CN109670141A (zh) 预测方法、***、介质和电子设备
CN112729323B (zh) 路径规划方法及设备
US7392170B1 (en) System and method for dynamically compressing circuit components during simulation
CN113435502B (zh) 站点流量确定方法、装置、设备及存储介质
CN111723247A (zh) 基于图的假设计算

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231102

Address after: Floors 3-7, Building T3, No. 377 Songhong Road, Changning District, Shanghai, 200000

Patentee after: Shanghai Jiayu Intelligent Technology Co.,Ltd.

Address before: 201800 area a, building 12, No. 6655, Jiasong North Road, Jiading District, Shanghai

Patentee before: Shanghai Xiandou intelligent robot Co.,Ltd.

Patentee before: Shanghai xianta Intelligent Technology Co.,Ltd.