[发明专利]网络攻击下产品与供应链协同演进系统补偿方法及系统

权利要求书

1.一种网络攻击下产品与供应链协同演进系统补偿方法，其特征在于，所述方法包括：

获取产品与供应链协同演进系统中每条子链的历史库存状态数据，所述历史库存状态数据包括遭受网络攻击前子链的历史库存状态数据和遭受网络攻击后子链的历史库存状态数据；

以所述遭受网络攻击后子链的历史库存状态数据为输入，以所述遭受网络攻击前子链的历史库存状态数据为标签，对基于循环神经网络建立的预测模型进行训练，得到训练好的预测模型；

针对每条子链，将遭受网络攻击后获得的子链最新库存状态数据输入所述训练好的预测模型，预测出子链当前库存状态数据；

根据所述子链当前库存状态数据得到子链的局部邻域库存跟踪误差；

根据所述子链的性能指标函数，以所述子链的局部邻域库存跟踪误差最小为目标，利用零和博弈方法设计子链的最佳生产率和不确定市场需求；所述性能指标函数为关于所述子链的局部邻域库存跟踪误差、所述生产率和所述不确定市场需求的函数；

所述根据所述子链的性能指标函数，以所述子链的局部邻域库存跟踪误差最小为目标，利用零和博弈方法设计子链的最佳生产率和不确定市场需求，具体包括：

根据所述指标函数定义子链的值函数；

性能指标函数为：

子链的值函数为：

采用零和博弈方法计算所述值函数的最优值；

根据所述值函数的最优值获得所述子链的最优生产率和不确定市场需求；

所述采用零和博弈方法计算所述值函数的最优值，具体包括：

根据所述值函数建立零和微分博弈公式；

根据所述零和微分博弈公式获得等价于所述值函数的哈密尔顿函数；

通过Q-learning算法求解所述哈密尔顿函数的解，所述哈密尔顿函数的解为所述值函数的最优值；

所述哈密尔顿函数的计算公式为：

其中，δ_i为子链的局部邻域库存跟踪误差，δ_i(0)为初始误差数据，δ_i(t)为第i条子链的局部邻域库存跟踪误差，N_i为节点i的邻居集，u_i和u_j分别为第i条子链的生产率和第j条子链的生产率，u_-i为第i条子链的邻居子链的生产率，ω_i为第i条子链的不确定市场需求，ω_-i为第i条子链的邻居子链的不确定市场需求，ω_j为第j条子链的不确定市场需求；和分别为δ_i、u_i、u_j、ω_i和ω_j各自的转置矩阵；A、B和D均为系统矩阵；d_i为第i条子链的常需求；g_i为子链i的牵引增益；a_ij为节点间连接矩阵元素；Q_ii≥0,R_ii＞0,R_ij≥0,T_ii＞0和T_ij＞0均为正定对称权重矩阵；γ为牛鞭效应抑制水平常数。

2.根据权利要求1所述的补偿方法，其特征在于，在所述利用零和博弈方法设计子链的最佳生产率和不确定市场需求之后，所述方法还包括：

判断所述不确定市场需求是否为零，得到第一判定结果；

根据所述第一判定结果验证产品与供应链协同演进系统中链主的库存状态是否与所有子链的库存状态保持一致得到第二判定结果，或根据所述第一判定结果验证所述产品与供应链协同演进系统能否抑制牛鞭效应，获得第三判定结果；

根据所述第二判定结果和/或所述第三判定结果判定变更补偿方法是否有效。