规划控制下的二阶段设计理论 -【多核服务价值链协同】

简介: 规划控制下的二阶段设计理论 -【多核服务价值链协同】

提出背景

  • CAD(Computer Aided Design ,计算机辅助设计 )

利用计算机及其图形设备帮助设计人员进行设计工作;
在设计中用计算机对不同方案进行大量的计算、分析和比较,以决定最优方案。

在工程设计中,设计者可以凭经验在无限巨大的设计空间中迅速找到最优结果。设计中设计者凭借的是他的设计经验和领域知识,并参考了以前的同类设计,进行抽象思维和形象思维综合运用的结果。

在这里插入图片描述

规划控制下的二阶段设计理论

  1. 规划

==一种问题分解技术。==
采用面向对象的设计方法,对工程结构进行规划分解,用对象来抽象工程结构。通过分解形成一个由父类和子类概念构成的层次结钩。

  1. 一阶段

==初始解的产生。==
设计对象 = <对象的构成方式,对象的功能描述,施加在对象上的知识,对象的当前状态>
领域专家的经验和成功的设计示例包含在设计对象之中,组成知识库,获得初始解集。

  1. 二阶段

==目标状态的搜索过程。==
由于第一阶段的设计,使搜索一开始就在被认为是最有可能获得解的状态中,使搜索过程变得容易进行了。

二阶段求解模型

(1)第一阶段
建立问题的初始状态。它是在已有知识、方法和既往求解经验的基础上,针对新的需求所进行的定性分析,是一个包含有可能满足用户需求的多个解的集合。
(2)第二阶段
从问题的初始状态出发,在限定的问题状态空间中搜索、匹配最佳状态的过程。在该过程中,可以引入问题各项指标的评价函数,进行定量化求解,从而得到最佳解集。

多核服务价值链

多核服务价值链:多核服务价值链是由多条围绕核心企业形成的服务价值链,通过核心企业展开服务协同,形成的多链合作共生、优势互补的复杂业务协作网络。

  • 多核心

多核服务价值链由多条传统线性服务价值链构成,每一条线性服务价值链必存在一个核心企业,企业之间通过各自链条的核心企业展开业务协作。

  • 多主体

在多核服务价值链上囊括了数量庞大的企业主体,同时,一个企业主体既可以是本价值链内的重要成员,又可以是其他服务价值链上不可或缺的一员。

  • 多角色

一个企业在不同的价值链上扮演不同的角色。例如:发动机制造厂既是以其为核心的服务价值链上的制造企业,又是以整车制造企业为核心的服务价值链上的配件供应商。

多核服务价值链协同二阶段设计模型

规划

建立标准化描述体系,协同主体对象。
在这里插入图片描述
在这里插入图片描述

一阶段

在复杂的多企业群协作环境下,确定候选协同对象的初始解集。
在这里插入图片描述
在这里插入图片描述一阶段总结: 首先,根据服务协同活动的特征属性进行分析,确定可提供服务协同的一条或多条服务价值链。然后,从类型、语义匹配的角度,确定候选企业群的服务范围是否能够匹配服务协同活动的特征属性,同时,基于候选企业群的服务能力和服务资源评价信息,从服务能力、服务资源等约束角度进一步对候选企业群进行筛选,得到初始解集。

二阶段

基于一阶段的初始解集,综合各类成本性因素(距离、服务、资源),据不同的优化测度计算跨链协同问题的最优解。

参考文献:
[1] 基于知识的智能CAD系统设计[J],西南交通大学学报,1999(6):611-616.
[2] 《科技服务与价值链,协同业务科技资源》,孙林夫等.
[3] 基于云平台的多核服务价值链协同技术研究. 吕瑞.

目录
相关文章
|
数据采集 存储 监控
大数据的数据来源 - 数据采集的方式(数据接入的方式)
大数据处理关键技术一般包括:大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用(大数据检索、大数据可视化、大数据应用、大数据安全等)。下面主要介绍下大数据采集
6610 0
|
3月前
|
机器学习/深度学习 移动开发 算法
【语音识别】基于K近邻分类算法的语音情感识别(Matlab代码实现)
【语音识别】基于K近邻分类算法的语音情感识别(Matlab代码实现)
173 4
|
机器学习/深度学习 人工智能 自然语言处理
AI发展与GPT简介
人工智能(AI)是指计算机系统执行通常需要人类智能的任务的能力,如视觉感知、语音识别、决策制定和语言翻译。简而言之,AI就是让计算机模仿人类的思考和行为过程。
1846 0
|
存储 Python
离散事件模拟(Discrete Event Simulation)详解与Python代码示例
离散事件模拟(Discrete Event Simulation)详解与Python代码示例
|
机器学习/深度学习 数据采集 算法
Python实现GBDT(梯度提升树)分类模型(GradientBoostingClassifier算法)并应用网格搜索算法寻找最优参数项目实战
Python实现GBDT(梯度提升树)分类模型(GradientBoostingClassifier算法)并应用网格搜索算法寻找最优参数项目实战
|
网络协议 网络性能优化
SOCK_STREAM(流式套接字)
SOCK_STREAM(流式套接字)
560 1
|
运维 Cloud Native 持续交付
云端新纪元:云原生技术的崛起与影响
在当今数字化转型的浪潮中,云原生技术以其独特的优势和广泛的应用前景,正迅速成为业界关注的焦点。本文将深入探讨云原生技术的核心概念、关键技术、应用案例以及面临的挑战和发展趋势,揭示其在云计算领域的独特魅力和未来发展潜力。
253 27
Python 代码从 `.env` 文件中读取环境变量
这篇文章介绍了如何在Python项目中使用`python-dotenv`库从`.env`文件读取环境变量的详细步骤,包括安装库、创建`.env`文件、在代码中加载和读取环境变量。
|
SQL 数据处理 数据库
|
数据采集 人工智能 数据挖掘
【钉钉杯大学生大数据挑战赛】初赛B 航班数据分析与预测 Python代码实现Baseline
本文提供了参加"钉钉杯大学生大数据挑战赛"初赛B的航班数据分析与预测项目的Python代码实现Baseline。内容包括题目背景、思路分析、训练集和测试集的预处理、模型训练与预测、特征重要性分析,以及代码下载链接。预处理步骤涉及读取数据、时间信息处理、前序航班延误时间计算、天气信息匹配等。模型训练使用了Gradient Boosting Classifier,并对模型的准确率和特征重要性进行了评估。
539 0