16、数字孪生与物联网助力智慧城市监测

数字孪生与物联网助力智慧城市监测

1. 数字孪生与物联网技术概述

借助模拟和其他技术,可根据需求开发各种数据共享流程。生成数字孪生时,由于每个孪生体都携带独特数据,能避免数据短缺,降低连接过程中对额外数据的需求。利用数学技术创建基于决策的方案,可通过孪生表示系统构建可信网络。检测到特定数据后,部署这些技术能制定基线策略,解决与安全威胁和数据泄露相关的诸多问题。尽管请求过程不够精确,但仍可高度安全地传输两组孪生体中的所有信息,不过数据连接过程需制定特定协议。将数字孪生与人工智能算法结合,可改善低影响下零能耗建筑的自主创建过程。建立数字孪生后,实施过程以非常安全的方式进行,且对环境无负面影响。对于数字孪生表示,还描绘了基于入侵的系统,并为每个物联网层定义了监控状态。通过特定观察,可显著降低参与可能性,因为所有易受攻击的孪生体都与无线数据表示模块分离。

以下是现有方法与提议方法在目标函数方面的对比表格:
| 参考 | 方法/算法 | 目标 | | | |
| — | — | — | — | — | — |
| | | A | B | C | D |
| Wang (2022) | 节能型智慧城市管理 | ✓ | ✓ | | |
| Panteleeva and Borozdina (2019) | 基于物联网的智慧城市 | | ✓ | | |
| Wang (2021) | 空间解析几何系统 | ✓ | ✓ | | |
| Ganguli and Adhikari (2020) | 智慧城市离散动态系统 | ✓ | ✓ | | |
| Area et al. (2022) | 智慧城市的斯蒂尔杰斯导数分析 | | ✓ | |

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值