[發明專利]網絡攻擊下產品與供應鏈協同演進系統補償方法及系統有效
| 申請號: | 202210271701.3 | 申請日: | 2022-03-18 |
| 公開(公告)號: | CN114760101B | 公開(公告)日: | 2023-05-26 |
| 發明(設計)人: | 李慶奎;高雪峰;易軍凱 | 申請(專利權)人: | 北京信息科技大學 |
| 主分類號: | H04L9/40 | 分類號: | H04L9/40;H04L67/12;G06Q10/04;G06Q10/087;G06Q10/10;G06Q50/04;G06N3/044;G06N3/092 |
| 代理公司: | 北京恒律知識產權代理有限公司 11416 | 代理人: | 張琳麗 |
| 地址: | 100096 北*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 網絡 攻擊 產品 供應 協同 演進 系統 補償 方法 | ||
1.一種網絡攻擊下產品與供應鏈協同演進系統補償方法,其特征在于,所述方法包括:
獲取產品與供應鏈協同演進系統中每條子鏈的歷史庫存狀態數據,所述歷史庫存狀態數據包括遭受網絡攻擊前子鏈的歷史庫存狀態數據和遭受網絡攻擊后子鏈的歷史庫存狀態數據;
以所述遭受網絡攻擊后子鏈的歷史庫存狀態數據為輸入,以所述遭受網絡攻擊前子鏈的歷史庫存狀態數據為標簽,對基于循環神經網絡建立的預測模型進行訓練,得到訓練好的預測模型;
針對每條子鏈,將遭受網絡攻擊后獲得的子鏈最新庫存狀態數據輸入所述訓練好的預測模型,預測出子鏈當前庫存狀態數據;
根據所述子鏈當前庫存狀態數據得到子鏈的局部鄰域庫存跟蹤誤差;
根據所述子鏈的性能指標函數,以所述子鏈的局部鄰域庫存跟蹤誤差最小為目標,利用零和博弈方法設計子鏈的最佳生產率和不確定市場需求;所述性能指標函數為關于所述子鏈的局部鄰域庫存跟蹤誤差、所述生產率和所述不確定市場需求的函數;
所述根據所述子鏈的性能指標函數,以所述子鏈的局部鄰域庫存跟蹤誤差最小為目標,利用零和博弈方法設計子鏈的最佳生產率和不確定市場需求,具體包括:
根據所述指標函數定義子鏈的值函數;
性能指標函數為:
子鏈的值函數為:
采用零和博弈方法計算所述值函數的最優值;
根據所述值函數的最優值獲得所述子鏈的最優生產率和不確定市場需求;
所述采用零和博弈方法計算所述值函數的最優值,具體包括:
根據所述值函數建立零和微分博弈公式;
根據所述零和微分博弈公式獲得等價于所述值函數的哈密爾頓函數;
通過Q-learning算法求解所述哈密爾頓函數的解,所述哈密爾頓函數的解為所述值函數的最優值;
所述哈密爾頓函數的計算公式為:
其中,δi為子鏈的局部鄰域庫存跟蹤誤差,δi(0)為初始誤差數據,δi(t)為第i條子鏈的局部鄰域庫存跟蹤誤差,Ni為節點i的鄰居集,ui和uj分別為第i條子鏈的生產率和第j條子鏈的生產率,u-i為第i條子鏈的鄰居子鏈的生產率,ωi為第i條子鏈的不確定市場需求,ω-i為第i條子鏈的鄰居子鏈的不確定市場需求,ωj為第j條子鏈的不確定市場需求;和分別為δi、ui、uj、ωi和ωj各自的轉置矩陣;A、B和D均為系統矩陣;di為第i條子鏈的常需求;gi為子鏈i的牽引增益;aij為節點間連接矩陣元素;Qii≥0,Rii>0,Rij≥0,Tii>0和Tij>0均為正定對稱權重矩陣;γ為牛鞭效應抑制水平常數。
2.根據權利要求1所述的補償方法,其特征在于,在所述利用零和博弈方法設計子鏈的最佳生產率和不確定市場需求之后,所述方法還包括:
判斷所述不確定市場需求是否為零,得到第一判定結果;
根據所述第一判定結果驗證產品與供應鏈協同演進系統中鏈主的庫存狀態是否與所有子鏈的庫存狀態保持一致得到第二判定結果,或根據所述第一判定結果驗證所述產品與供應鏈協同演進系統能否抑制牛鞭效應,獲得第三判定結果;
根據所述第二判定結果和/或所述第三判定結果判定變更補償方法是否有效。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京信息科技大學,未經北京信息科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210271701.3/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種焊接施工方法及焊接施工設備
- 下一篇:一種多向雙穩態波能轉換器





