农产品溯源区块链的源头数据验证机制研究

农产品溯源系统中区块链以其数据防篡改、可追溯的特性使上链后的数据真实可靠,但目前溯源系统中并没有确保上链前数据可靠的验证机制,上传至区块链系统的数据存在恶意修改和系统误差的问题。对此,设计了区块链源头数据验证机制,采用多维数据交叉验证算法和多源数据匹配计算算法验证农产品生产与物流的源头数据;提出基于云模型与复杂动态赋权的客户评价评估算法对交易环节的客户交易评价数据进行验证并计算真实评价数据;依据以上算法的验证结果设计节点信誉评分规则,在POS共识机制的基础上设计基于信誉的共识机制CPOS,恶意行为越多的节点越难得到记账权,解决了POS共识机制因节点的币龄值过大造成节点权益越来越大的不公平记账权竞争问题,并在一定程度上遏制了节点的作弊行为,保证了源头数据的真实性。实验表明,该机制可有效地过滤恶意和虚假的源头数据,保证农产品溯源系统的源头数据在相对合理的范围内。

基于模糊信息公理与云模型的虚拟企业合作伙伴选择

针对虚拟企业建立过程中的关键问题——合作伙伴选择,本文以合作需求为驱动,建立了一种基于模糊信息公理与云模型的合作伙伴选择方法.利用质量功能展开法将合作需求转化为决策属性及其重要度,采用模糊三角数处理展开过程中的不确定信息,并以相对偏好关系计算属性相对重要度.运用信息公理计算各候选企业的信息量,再以各候选企业信息量作为云滴,利用逆向云生成器求得评价结果的云数字特征,通过云数字特征将其转换为定性评价,并进一步分析评价结果.最后,通过实例分析验证了该方法的可行性和有效性.

云制造环境中信息不完全的合作伙伴选择

针对云制造环境中合作伙伴选择信息不完全、动态多属性问题,提出一种基于广义优序法的合作伙伴选择模型。针对不同的数据采用不同的方式将其量化为广义优序数,将伙伴企业选择问题转换为广义优序数矩阵问题,并给出了基于灰色关联法的属性变权计算方法和具有惩罚机制的时序权重确定方法。通过综合广义优序数对候选企业进行排序选择。最后,通过实验仿真验证该模型是可行的和有效的。

基于区块链多链的农产品供应链追溯应用

针对农产品供应链溯源体系中数据量庞大、多源异构、数据安全性低及区块链存储压力大、存储成本高的问题,基于区块链技术构建了农产品溯源数据多链式存储保护模型,在确保上链数据安全可靠的情况下,给供应链中各环节区块分配多个账户,以多链适应供应链各环节不同企业或厂家间的复杂交互,有效避免了溯源数据安全性低及区块链中存储压力大的问题;结合农产品供应链的溯源体系实际需求设计了追溯架构,并编写智能合约,保证了农产品供应链中各方交易的安全性与可靠性;最后,结合具体应用场景验证该模型的可行性与有效性。实验表明:该模型在数据存储安全性、交易可靠性等方面具有明显优势。

考虑主体心理的云制造服务双层规划选择

为了使云制造服务匹配达到供需双方都满意,在考虑双方利益的情况下,结合主体心理构建了一个云制造服务选择双层规划模型。针对决策主体对服务质量收益和损失的不同心理,以需求方对组合服务心理满意度作为上层规划的优化目标,把服务供给方对需求方心理满意度作为下层规划的优化目标。最后,采用改进的反弹自适应粒子群算法求解该模型,挑选出供需双方都满意的组合服务。实验仿真结果也证明了该模型的合理性和有效性。

基于区块链的知识共享机制的设计

传统的知识共享系统是以个体之间的信任为基础,用户之间的频繁交互和处理交易耗费的人力成本,已经阻碍了知识共享系统的发展。区块链具有可追溯、不可篡改、去中心化等特性,在知识共享领域具有明显优势。在分析区块链关键技术的基础上,提出了一种基于联盟区块链技术的知识共享模型。运用星际文件系统集群保证知识数据存储的可靠性,利用构建的智能合约实现知识共享,并保证知识数据的安全性。最后,基于以太坊在实验室中搭建了共享模型,实验结果表明:该模型能够满足知识共享双边用户的需求,且链上数据具有可溯源、防篡改等特性。

云制造环境中考虑心理预期的合作伙伴选择

为了解决云制造环境下中小企业合作伙伴选择问题,提出一种考虑企业心理预期的合作伙伴双向选择模型。首先,根据属性的不同描述方式给出了不同的量化、比较方法,并以对合作条件的心理预期作为参考点,构建相对于参考点的双方互评损益矩阵;随后,依据前景理论计算出双方选择之间的满意度综合前景值;最后,构建了双向选择优化数学模型,并给出了遗传算法的求解过程。实验仿真结果表明,该模型是可行的和有效的。

需求驱动的虚拟企业合作伙伴选择

针对虚拟企业建立过程中的合作伙伴选择问题,以合作需求为驱动,将粗糙数理论与可拓评价相结合,建立合作伙伴选择的粗糙可拓评价方法.首先,利用质量功能展开法分析企业的合作需求及其重要度,并将其转化为选择决策属性及其重要度,其中采用粗糙数处理分析过程中的不确定语义信息,基于极大熵准则对粗糙质量功能展开进行计算;然后,基于企业的合作需求构建合作伙伴选择粗糙可拓评价方法,从中推荐出最合适的候选企业;最后,通过实例分析与比较验证所提出方法的可行性和有效性.