用于全历史动态网络分析的系统和方法

摘要

本文提供了用于确定动态网络的历史状态的方法和系统。该方法可以包括从多个不同的数据源连续获得与系统相关联的数据；使用数据构造系统的全历史动态网络(FHDN)；响应于对历史时刻的FHDN的查询，提供历史时刻的系统的状态。

说明书

本申请要求于2018年11月2日提交的美国临时专利申请第62/754,786号的优先权，其全部内容通过引用合并于此。

背景技术

网络科学是对大规模复杂网络的研究。这样的网络可以包括计算机网络、网络物理系统、电信网络、生物网络、认知和语义网络以及社交网络。在这样的网络中，不同的元素或参与者可以由节点(或顶点)表示，并且元素或参与者之间的连接可以由链接(或边缘)表示。

网络可以用图表来说明。不少行业和公司已经开发了用于静态图分析的网络和图处理方法的应用。例如，Google Maps可以规划该国道路网络当前快照上的复杂路线，Facebook可以将其社交网络表示为一个大图，并开发了GraphQL语言来查询该图。这些图在传统意义上不是“静态”的，因为可以随时间添加和去除节点(node)和边缘(edge)，并且节点或边缘的特征可能会改变。但是，这些图没有存储动态过程的全历史。例如，Google Maps可能无法示出特定时间(例如，2013年4月23日，太平洋时间7:45pm)和区域的精确流量状态，而Facebook可能无法示出其社交网络图之一的状态(例如，一年前的任意时刻)。虽然这些网络是动态的，但存储引擎是静态的，因为它仅示出某些预定义时间点的网络当前状态和网络的先前状态，并且它们不提供在任何任意时间点查询图的功能。

发明内容

用于确定网络的历史状态的当前技术可以包括周期性地拍摄网络图的快照，然后分析这些快照的序列以理解历史动态行为。但是，这对于不同的网络域可能还不够。例如，对于物联网(IoT)应用(例如，能源分配系统)，电流可能由网络的精确物理连接决定，理解诸如级联故障的复杂事件可能需要了解电气网络中的开关和连通性的逐秒的精确配置。

本文提供了用于分析和理解动态网络的全历史的方法和系统。所有网络都可能是其核心动态对象，因为网络的边缘和节点可以随着网络的发展而不断地添加，去除或改变状态。例如，在电网中，随时间添加和去除物理资产(电线，变压器等)，打开和关闭开关，这些改变中的每一个都会从根本上改变网络的物理流量特性。例如，在交通网络中，道路是开放的或封闭的，并且给定道路上的交通模式会随着时间而迅速改变。为了有效地推理这种网络，需要一种模型，该模型可以准确地捕获网络随时间的改变。另外，需要对动态网络进行图分析，其中可以在任何给定的时间对网络的精确状态进行查询。

在一方面，一种确定系统的历史状态的计算机实现的方法包括：从多个不同的数据源连续获得有关所述系统的数据；使用所述数据构造所述系统的全历史动态网络(FHDN)，其中所述FHDN包括(1)能够动态改变的多个节点，(2)连接所述节点的多个边缘，其中所述多个边缘能够动态改变，以及(3)与所述多个节点和所述多个边缘中的每一个相关联的时间序列，以及响应于针对所述历史时刻的FHDN的查询，提供对于所述历史时刻的系统状态。时间序列可以指示多个节点和多个边缘的状态随时间的改变。可以构造FHDN，而无需在不同时间点周期捕获和存储系统快照。

在一些实施方式中，所述系统的状态包括在所述历史时刻处于操作状态的系统的精确图形状态(exact graphical state)。在一些实施方式中，所述系统的状态包括在所述历史时刻针对所述系统的子集的精确图形状态。网络或网络子集的图形状态可以是精确的图形状态，基本上精确的图形状态或近似图形状态。在一些实施方式中，构造FHDN而无需在不同时间点周期捕获和存储网络快照。在一些实施方式中，在不分析在不同时间点捕获的网络快照序列的情况下可以确定所述FHDN的历史动态行为。在一些实施方式中，所述FHDN允许在无需在所述历史时刻进行全网络实例化(full network instantiation)的情况下对所述历史时刻的查询进行应答。

在一些实施方式中，所述多个节点和边缘包括：(1)从给定时刻开始在所述网络中先前已经存在的所有节点和边缘，以及(2)在所述网络中当前存在的所有节点和边缘。在一些实施方式中，用于所选节点或边缘的时间序列包括所述网络中所选节点或边缘的添加或移除的时间。在一些实施方式中，所述时间序列基于在所选节点或边缘处发生的事件或改变。

在一些实施方式中，通过使用遍历所述多个节点并搜索所述时间序列的搜索算法来获得所述历史时刻的系统状态。在一些实施方式中，所述搜索算法包括迭代图搜索算法，所述迭代图搜索算法被配置为仅在需要的基础上检查所选节点或边缘的状态。在一些实施方式中，所述查询包括关于在给定时刻的节点的子集的信息请求，并且其中所述搜索算法被配置为仅且直接地查询所述节点的子集，而不查询其他不必要的节点。

在一些实施方式中，该方法还包括：利用阻塞技术在任何给定时间在存储器中高速缓存所述FHDN的整个连接的图形区域。在一些实施方式中，所述阻塞技术包括标准阻塞，令牌阻塞或属性集群阻塞。在一些实施方式中，与常规网络绘图技术相比，在存储器中对整个连接的图形区域的高速缓存允许搜索被更快地执行。

在一些实施方式中，与常规网络绘图技术相比，与常规网络绘图技术相比，所述FHDN的使用允许存储器/存储节省若干数量级。在一些实施方式中，与常规网络绘图技术相比，能够将存储需求降低至少三个数量级。在某些实施方式中，能够将存储需求降低三个以上数量级或小于一个数量级。

在一些实施方式中，该系统包括配电系统。在一些实施方式中，配电系统包括多个配电馈线。在一些实施方式中，所述配电系统的状态包括在所述历史时刻的多个配电馈线的精确图形状态。在一些实施方式中，所述配电系统的状态包括在所述历史时刻的配电馈线的子集的精确图形状态。在一些实施方式中，所述FHDN允许对所述历史时刻的查询进行应答，而无需在所述历史时刻对所述配电系统进行全网络实例化。

在一些实施方式中，(1)所述多个节点和边缘以及(2)所述时间序列与所述多个配电馈线以及每个馈线内的所连接的节点和分支相关联。在一些实施方式中，用于所选节点或边缘的时间序列包括所述网络内所选节点或边缘的添加或移除的时间。在一些实施方式中，所选节点或边缘的添加或移除对应于所述配电系统内的断路器开关的断开或闭合，其中所述断路器开关与所选边缘相关联。

在一些实施方式中，所述查询包括在任何给定时刻的一个或多个所选配电馈线的电气配置的查询。在一些实施方式中，通过仅搜索包含在所述一个或多个所选馈线中的节点和边缘，利用图搜索算法来查询在任何给定时刻所述一个或多个所选配电馈线的精确状态。

在一些实施方式中，所述图搜索算法被配置为仅在需要的基础上查询所选配电馈线中包含的节点和边缘的状态。在一些实施方式中，图搜索算法未配置为查询其他未选择的配电馈线中包含的节点和边缘。在一些实施方式中，该网络包括在6年的时间段内记录的280000个网格节点，320000个边缘以及1000000个打开/关闭时间序列事件。在以上实施方式中，FHDN允许在历史时刻回答网络的任何部分的查询，而与使用传统的绘图技术的2.1TB相比，仅需要13.4MB的存储。在一些实施方式中，该系统包括任何制造公司的物料清单。在一些实施方式中，该系统包括供应链分配网络。在一些实施方式中，该系统包括由多个用户组成的社交网络。

另一方面，一种用于确定动态网络的历史状态的系统包括：数据聚合组件，用于从多个不同的数据源连续获取有关系统的数据；以及网络绘图组件，其被配置为：使用所述数据构造所述系统的全历史动态网络(FHDN)，其中所述FHDN包括(1)能够动态改变的多个节点，(2)连接所述节点的多个边缘，其中所述多个边缘能够动态改变，以及(3)与所述多个节点和所述多个边缘中的每一个相关联的时间序列，以及响应于针对所述历史时刻的FHDN的查询，提供所述历史时刻的系统状态。

另一方面，一种存储指令的非暂时性计算机可读介质，所述指令在由一个或多个服务器执行时使所述一个或多个服务器执行一种方法，所述方法包括：从多个不同的数据源获得有关所述系统的数据；使用所述数据构造所述系统的全历史动态网络(FHDN)，其中所述FHDN包括(1)能够动态改变的多个节点，(2)连接所述节点的多个边缘，其中所述多个边缘能够动态改变，以及(3)与所述多个节点和所述多个边缘中的每一个相关联的时间序列，以及响应于针对所述历史时刻的FHDN的查询，提供所述历史时刻的系统状态。

根据以下详细描述，本公开的其他方面和优点对于本领域技术人员将变得容易理解，其中仅示出和描述了本公开的说明性实施方式。将会认识到，本公开内容能够具有其他和不同的实施方式，并且其若干细节能够在各种明显的方面进行修改，而所有这些都不脱离本公开内容。因此，附图和描述本质上应被认为是说明性的，而不是限制性的。

本说明书中提到的所有出版物，专利和专利申请都以引用的方式并入本文，就如同每个单独的出版物，专利或专利申请被明确地并单独地指出通过引用并入一样。在通过引用并入的出版物和专利或专利申请与说明书中包含的公开内容相抵触的程度上，该说明书旨在取代和/或优先于任何此类矛盾的材料。

附图说明

在所附权利要求书中具体阐述了本发明的新颖特征。通过参考下面的详细说明，可以更好地理解本发明的特征和优点，所述详细说明阐述了示例性实施方式，其中利用了本发明的原理以及附图(也称为“示图”和“图”)，其中：

图1示出了全历史动态网络(FHDN)的图的示例；

图2示出了在时间t的动态网络的图的示例；以及

图3示出了在不同时间的多个快照的示例。

具体实施方式

尽管本文已经示出和描述了本发明的各种实施方式，但是对于本领域技术人员而言容易理解的是，这些实施方式仅以示例的方式提供。在不脱离本发明的情况下，本领域技术人员可以想到许多改变，更变和替换。应当理解，可以采用本文所述的本发明的实施方式的各种替代方案。

除非另外定义，否则本文所用的所有技术和科学术语具有与所要求保护的主题所属领域的技术人员通常所理解的相同含义。应当理解，前面的一般描述和下面的详细描述仅是示例性和说明性的，并且不限制所要求保护的任何主题。在本申请中，单数的使用包括复数，除非另有明确说明。

在本说明书中，任何百分比范围，比率范围或整数范围应理解为包括所述范围内的任何整数的值，以及在适当时包括其分数(例如，整数的十分之一和百分之一)，除非另有说明。应当理解，本文所用的术语“一个”和“一种”是指所列举的组分中的“一个或多个”，除非上下文另有指示或规定。替代方案(例如，“或”)的使用应理解为是指替代方案之一，两者或它们的任何组合。如本文中所使用的，术语“包括”和“包含”被同义地使用。

术语“大约”或“约”可以表示在特定值的可接受误差范围内，如本领域普通技术人员所确定的那样，这将部分取决于如何测量或确定该值，例如，测量系统的局限性。例如，根据本领域的实践，“约”可以意指正负10％。替代地，“约”可以表示给定值的正负20％，正负10％，正负5％或正负1％的范围。在本申请和权利要求书中描述了特定值的情况下，除非另有说明，否则应假设术语“约”表示该特定值在可接受的误差范围内。同样，在提供值的范围和/或子范围的情况下，范围和/或子范围可以包括范围和/或子范围的端点。

本文提供了一种用于存储和查询全历史动态网络(FHDN)的新范例。FHDN可以允许用户在历史的任何时刻查询网络状态。通过使用FHDN，可以重建“按需”图的快照，并且可以在给定时间点生成全网络，而无需将快照明确存储在数据库中。FHDN可以允许用户即时回答有关图的查询，而无需在此时实例化全图。例如，配电系统中的常见查询是在给定时间查询配电馈线的精确电气配置。全网络可能包含成千上万的配电馈线，但是FHDN允许用户通过仅搜索感兴趣的配电馈线中的节点和边缘，在任何时间使用图搜索算法来查询感兴趣的配电馈线的状态。

FHDN可以通过创建包括在任何时间点在网络中曾经存在的所有节点和边缘的图来进行操作。每个边缘和节点可以包括时间序列，该时间序列指示网络中该节点或边缘的改变的时间(例如，添加或去除)。改变可以包括拓扑改变，例如添加或去除边缘或节点。在某些情况下，改变还可包括边缘或节点的属性或特性(例如，重量)的改变。在能量分配系统的情况下，例如，对应于断路器开关的断开或闭合，可以多次添加或去除边缘。为了在给定的时间重构图，用户可以遍历所有节点，搜索时间序列(例如，使用二进制搜索来查找具有大量事件的节点和边缘)，并生成此时与网络相对应的图。任何需要在图上进行搜索的分析(例如，查找连接的组件)都可以使用迭代图搜索算法来运行，该算法仅根据需要检查节点或分支的状态。如果分析在给定时间需要有关节点的小子集的信息，则可以直接查询FHDN数据结构以评估此分析的结果，而无需处理任何不必要的节点。由于FHDN的大部分很小，足以存储在存储器中，因此可以在任何给定时间采用阻塞技术将图的整个连接区域缓存在存储器中，从而允许用户快速执行这些搜索，偶尔只需要从存储器中加载图的一部分。

在一方面，一种确定动态网络的历史状态的计算机实现的方法可以包括：从多个不同的数据源中连续获取与系统相关联的数据；使用数据构造系统的全历史动态网络(FHDN)；响应于对历史时刻的FHDN的查询，提供历史时刻的系统状态。

动态网络可能是随时间改变的网络。对于动态网络，网络拓扑可能随时间改变。例如，节点和/或边缘可以随着时间形成和去除。动态网络可以包括例如局域网、移动自组织无线网络、通信网络、社交网络、能量分配网络、web和运输网络。动态网络可以由对抗模型，随机模型或博弈论模型驱动。

数据源可以包括来自传感器或智能设备(例如，电器、智能电表、可穿戴设备、监控系统、数据存储、客户系统、计费系统、财务系统、人群源数据、天气数据、社交网络或任何其他传感器、企业系统或数据存储)的数据。智能仪表或传感器的示例可以包括位于客户现场的仪表或传感器，或者位于客户与发电或源位置之间的仪表或传感器。例如，用户仪表、电网传感器或电网上的任何其他传感器可以向电网运营商提供测量数据或其他信息。传感器还可包括但不限于地震检波器、水听器、花边传感器、麦克风、地震仪、声音定位器、空气流量计、AFR传感器、盲点监控器、缺陷检测器、霍尔效应传感器、轮速传感器、安全气囊传感器、冷却液温度传感器、燃油液位传感器、燃油压力传感器、光传感器、MAP传感器、氧气传感器、油位传感器、呼吸分析仪、二氧化碳传感器、一氧化碳传感器、电化学气体传感器、氢气传感器、电流传感器、戴利探测器、验电器、磁异常检测器、MEMS磁场传感器、金属检测器、无线电测向仪、电压检测器、光度计、空气污染传感器、云高仪、气体检测器、加湿器、叶片传感器、雨量计、雨量传感器、雪量计、土壤湿度传感器、流仪表、潮汐仪表、质量流量传感器、水表、云室、神经元检测、空气速度指示器、深度计、磁罗经、转向协调器、火焰探测器、光电二极管、波前传感器、气压计、压力传感器、液位传感器、粘度计、辐射热计、比色计、温度计、接近传感器、簧片开关和生物传感器。通过合并来自各种来源的数据，该系统可能能够执行复杂而详细的分析，从而获得更大的业务洞察力。数据源可以包括但不限于其他行业和系统的传感器或数据库。

数据源可以包括用于任何类型行业的大量传感器，智能设备或设备。数据源可以包括计算网络中的系统，节点或设备，或企业，公司，顾客或客户或其他实体使用的其他系统。在一个实施方式中，数据源可以包括客户或公司信息的数据库。数据源可以包括以非结构化数据库或格式存储的数据，例如Hadoop分布式文件系统(HDFS)。数据源可以包括由诸如客户信息系统(CIS)，客户关系管理(CRM)系统或呼叫中心系统的客户系统存储的数据。数据源可以包括由企业系统存储或管理的数据，该企业系统诸如记账系统，财务系统，供应链管理(SCM)系统，资产管理系统和/或劳动力管理系统。数据源可以包括由操作系统存储或管理的数据，例如分布式资源管理系统(DRMS)，文档管理系统(DMS)，内容管理系统(CMS)，能源管理系统(EMS)，地理信息系统(GIS)，全球化管理系统(GMS)和/或监督控制和数据采集(SCADA)系统。数据源可以包括有关设备事件的数据。设备事件可以包括例如设备故障，重启，中断，篡改等。数据源可以包括社交媒体数据，例如来自

全历史动态网络(FHDN)可以包含动态网络的整个历史。例如，FHDN可以在动态网络的历史中的任何时间包括动态网络的节点，边缘以及节点与边缘之间的关系。例如，如果在2010年创建了动态网络，则FHDN可能包含自2010年以来动态网络中曾经存在的所有边缘，所有节点和时间序列。此外，FHDN也可能包含动态网络中所有边缘和所有节点随时间改变的信息。FHDN可以被配置为存储和查询动态网络的信息。FHDN可以被配置为在动态网络历史中的任何时间查询系统状态。

FHDN可以包括(1)能够动态改变的多个节点，(2)连接节点的多个边缘，这些边缘能够动态改变，以及(3)与多个节点和边缘中的每个相关联的时间序列。

多个节点中的给定节点可以是重新分配点或通信端点。如果网络是物理网络，则节点可以是附接到网络的活动电子设备。在这种情况下，该节点可能能够在通信信道上创建，接收或传输信息。物理网络节点可以是诸如调制解调器，集线器，桥接器或交换机的数据通信设备(DCE)，或者诸如数字电话听筒，打印机或主机计算机的数据终端设备(DTE)。如果网络是局域网(LAN)或广域网(WAN)，则至少是数据链路层设备的每个LAN或WAN节点都可以有一个网络地址，通常是其拥有的每个网络接口控制器的地址。物理网络中节点的示例可以包括计算机，分组交换机，xDSL调制解调器(具有以太网接口)和无线LAN接入点。如果网络是因特网或内联网，则物理网络节点可以是由IP地址识别的主机。

在固定电话网络中，节点可以是公用或专用电话交换机，远程集中器或提供某些智能网络服务的计算机。在蜂窝通信中，节点的示例可以包括交换点和数据库，例如基站控制器，归属位置寄存器，网关GPRS支持节点(GGSN)和服务GPRS支持节点(SGSN)。在有线电视系统(CATV)中，节点可以包括光纤节点。光纤节点可以是特定地理区域内由公共光纤接收器提供服务的家庭或企业。如果网络是分布式系统，则节点可以是客户端，服务器或对等节点。

多个边缘中的给定边缘可以是网络的两个节点(或顶点)之间的连接之一。可以定向边缘，这意味着它们从一个节点指向另一节点。在这种情况下，通过定向边缘连接的两个节点可以处于单向关系。单向关系可以使得一个节点向另一节点发送信息但不从另一节点接收任何信息。边缘也可以是无向的，在这种情况下，它们是双向的。在这种情况下，通过定向边缘连接的两个节点可以处于双向关系。双向关系可以使得一个节点向另一节点发送信息，并且还从另一节点接收任何信息。在某些情况下，节点可能不会相互发送信息。

时间序列可以是按时间顺序排列的数据点序列。时间序列可以是在连续的等间隔时间点上取得的序列。时间序列可以包括离散时间数据的序列。该时间序列可以指示节点或边缘何时改变，例如，何时节点或边缘被添加，去除，激活，解激活，或与另一节点连接或断开。替代地或附加地，时间序列可以指示节点或边缘的时变特性。在配电网络的情况下，节点可以是例如发电厂，输电变电站，配电馈线，变压器，断路器和用户。边缘可以是传输线和连接这些节点的其他电线。该时间序列可以指示例如电厂何时在线或离线，或者断路器何时断开或闭合。时间序列可以另外指示例如电厂随时间的功率输出。在社交网络的情况下，节点可以是在社交网络上具有配置文件的企业和人。边缘可以是这些公司与人(例如，朋友，关注者等)之间的关系。时间序列可以指示社交网络上的关系何时开始或结束。时间序列可以另外指示例如社交网络中的企业或人的属性如何随时间改变(例如，人的关系状态，职业或位置如何随时间改变)。在供应链分销网络的情况下，节点可以是供应商工厂，组装工厂，区域分销中心，本地分销中心和客户位置。节点可以是将供应链网络中的节点相互连接的道路，铁路，航道和飞行路径。该时间序列可以指示例如工厂在特定时间是否正在运行以及道路或铁路在特定时间是否开放。

时间序列可能表示FHDN中动态改变的节点和边缘。这种改变可能是系统性的，也可能是非系统性的。如果改变是系统的，则可以以系统的时间间隔获得时间序列。如果改变是非系统的，则可以以非系统的时间间隔获得时间序列。例如，时间序列可以首先在1分钟的时间段内每1s获得一次，然后在10小时的时间段内每10s获得一次。在某些情况下，尽管可以连续或周期监视系统是否有节点和边缘的改变，但是时间序列条目可能仅在发生节点和边缘的实际改变时才存储在存储器中。这样可以减少存储FHDN所需的存储器量。对FHDN的查询可以包括对来自FHDN的信息的请求。该查询可以包括在历史时刻请求动态网络的状态。可以通过从菜单中通过选择参数来提出查询，在该菜单中，数据库系统会呈现用户可以选择的参数列表。该查询也可以通过示例查询来提出，其中系统呈现空白记录，并让用户指定定义查询的字段和值。这些字段或值可以直接指定历史时刻，也可以间接指定历史时刻。例如，字段或值可以指定发生在特定节点上的改变。可以用查询语言来提出查询，在查询语言中，用户以必须以特殊的查询语言编写的风格化查询的形式请求信息。

图1示出了FHDN的图的示例。在图1中，FHDN 100包括能够动态改变的多个节点102，连接节点并且能够动态改变的多个边缘104以及与多个节点106和边缘108中的每一个相关联的时间序列。FHDN可以包含动态网络中曾经存在的所有节点和边缘。一个节点的时间序列106可以是T1＝[A，I，A，A，A，...]，它表示在特定的时间间隔处，节点随时间的改变是“活动，不活动，活动，活动，活动，...”。一个边缘的时间序列108可以为T2＝[A，I，I，A，A，...]，它表示在特定的时间间隔处，边缘随时间的改变是“活动，不活动，不活动，活动，活动，...。”

图2示出了在时间t的动态网络的图的示例。在图2中，动态网络200包括在时间t被激活的多个节点202(阴影)以及连接在时间t被激活的节点的多个活动边缘204(由实线表示)。在时间t，节点206的其余部分(未阴影)和边缘208的其余部分(由虚线表示)未被激活。

在历史时刻，系统的状态可以包括处于操作状态的全网络的图形状态。历史时刻可以是用户定义的动态网络的历史中的任何时间。例如，历史时刻可以是动态网络的历史中的时间点(例如，2000年8月12日上午10点)，动态网络的历史中的时间段(例如，1980年10月11日上午1点至下午12点之间)或其组合。图形状态可以包括图结构，该图结构可以是涉及节点之间的关系(边缘)的数据的图表示。图可以是包括一组节点和一组边缘的有序对。节点可以是一组，以及与连接两个节点的每个边缘相关联的入射关系。

图可用于为许多类型的关系和过程建模。例如，在计算机科学中，图可用于表示通信网络，数据组织，计算设备，计算流程等。在一个示例中，网站的链接结构可以由有向图表示，其中节点表示网页，有向边缘表示从一页到另一页的链接。另一示例是化学，其中图可以为分子建立自然模型--节点表示原子，边缘表示键。在统计物理学中，图可以表示系统交互部分之间的局部连接，以及此类系统上物理过程的动力学。类似地，在计算神经科学中，图可用于表示相互作用以产生各种认知过程的大脑区域之间的功能连接，其中结点表示大脑的不同区域，而边缘表示这些区域之间的连接。可以使用图来表示多孔介质的微尺度通道，其中节点表示孔，边缘表示连接孔的较小通道。在生物学中，节点可以表示存在某些物种(或栖息地)的区域，而边缘表示区域之间的迁移路径或运动。该图还可以应用于社交媒体，旅行，计算机芯片设计，绘制神经退行性疾病进展以及其他许多领域的问题。在旅行的情况下，本文描述的系统和方法可以用于创建旅行网络(例如，道路，水路，飞行路径等)的FHDN。节点可以表示旅行网络中的不同目的地(例如，城市)，并且边缘可以表示这些目的地之间的不同路径。边缘可以通过距离或行进时间加权。FHDN中的时间序列可以指示特定的路径是否在特定的时间开放(例如，特定的道路是否可通行或特定的航班是否可用)。旅行网络的FHDN可用于确定从一个目的地到另一目的地的最佳路线(例如，最快或最短的路线)。

在计算机芯片设计的情况下，本文描述的系统和方法可用于创建计算机芯片的FHDN，其可用于分析随时间推移的组件故障并随后预测未来的故障。

在神经退行性疾病的情况下，本文所述的系统和方法可用于创建人脑的FHDN。FHDN的节点可以表示大脑中的神经元，边缘可以是神经元之间的连接。时间序列可以指示特定神经元是否已受到疾病进展的不利影响。创建患者大脑的FHDN可以帮助医生预测和预防其他患者的疾病进展。

本文所述的系统和方法还可用于创建石油和天然气处理管道的FHDN。石油和天然气处理管道可能包括钻井资产，炼油资产和管道资产(例如，泵，压缩机，热交换器和阀门)。FHDN中的节点可以表示钻探和炼油资产，边缘可以表示管道资产。时间序列可以指示某些资产在某些时间是否可以运行，还可以指示这些资产随时间的容量或输出。

可以通过向图的每个边缘分配权重来扩展图结构。具有权重的图或加权图可用于表示其中成对连接具有一些数值的结构。例如，如果图表示道路网络，则权重可以表示每条道路的长度。可能存在与每个边缘相关联的多个权重，包括距离(如前面的示例)，行驶时间或金钱成本。还可以通过将时间序列分配给图的每个边缘和节点来扩展图结构。具有时间序列的图可用于表示其中成对连接具有一些随时间改变的值的结构。例如，如果图表示道路网络，则时间序列可以表示每条道路随时间的流量。权重可以替代地或附加地表示节点之间的关系或连接的强度。

图可以存储在计算机系统中。用于存储图的数据结构可以取决于图结构和用于操纵图的算法。数据结构可以包括列表结构，矩阵结构或两者的组合。列表结构可用于稀疏图，因为它们具有较小的存储器需求。矩阵结构可以为某些应用提供更快的访问权限，但会消耗大量存储器。不同的列表结构和矩阵结构可以包括邻接列表，邻接矩阵和关联矩阵。对于邻接列表，可以将节点存储为记录或对象，并且每个顶点都可以存储相邻顶点的列表。该数据结构可以允许在节点上存储附加数据。对于邻接矩阵，可以使用二维矩阵，其中行表示源节点，列表示目的地节点，并且边缘和节点上的数据可以存储在外部。对于入射矩阵，可以使用二维布尔矩阵，其中行表示节点，列表示边缘，并且条目可以指示行处的顶点是否入射到列处的边缘。该条目可以是指示在任何给定时刻行的顶点是否入射到列的边缘的时间序列。

所提供的FHDN可以用作图数据库的图结构。数据对象可以以FHDN的形式存储在图数据库中。图数据库可以是将图结构用于具有节点，边缘和属性的查询以表示和存储数据的数据库。在一个实施方式中，每个元素都包含指向其相邻元素的直接指针，并且不需要索引查找。系统的关键概念可能是图(或边缘或关系)，它直接关联商店中的数据项。这些关系可以允许将存储中的数据直接链接在一起，并且在许多情况下可以通过一项操作来检索。指针可以是单向的或双向的。

图数据库可以允许对关系系统中难以建模的复杂层次结构进行简单，快速的检索。图数据库的存储机制可以包括依赖关系引擎并将图数据“存储”在表中的机制，或者是使用键值存储或面向文档的数据库进行存储的机制，从而使它们固有地具有NoSQL结构。一些基于非关系存储引擎的图数据库还可以添加标签或属性的概念，它们实质上是具有指向另一文档的指针的关系。从图数据库检索数据可能需要查询语言。某些图数据库可以通过应用程序编程接口(API)访问。

图数据库可以采用包括节点，边缘和属性的图结构。该图结构可以是如本文其他地方所述的FHDN。例如，指示节点或边缘的改变时间的时间序列可以与节点或边缘一起记录。节点可以表示诸如人员，企业，账户或任何其他要跟踪的项目的实体。边缘可能是将节点连接到其他节点的线，它们可能表示它们之间的关系。边缘可能表示未在系统中直接实现的抽象。属性可以是有关节点的元数据或数据。例如，在人为节点的社交网络的情况下，属性可以包括关于人的人口统计信息或个人信息(例如年龄，性别，雇主，学校，位置等)。本文公开的方法可以包括外部图数据库。外部图数据库可以包括AllegroGraph，AnzoGraph，ArangoDB，DataStax，InfiniteGraph，Marklogic，Microsoft SQL Server，Neo4j，OpenLinkVirtuoso，Oracle Spatial and Graph，OrientDB，SAP HANA，Sparksee，SqrrlEnterprise，Teradata Aster或其他类似类型的数据库。

系统的状态可以包括在历史时刻的网络子集的图形状态。图形状态可以包括由动态网络的用户定义的历史时刻的查询所请求的所有节点和边缘。在用户定义的历史时刻的查询所请求的所有节点和边缘都可能是网络的子集。在用户定义的历史时刻的查询所请求的所有节点和边缘都可能是全网络。网络的子集可以包括全网络的节点的子集，边缘的子集和/或时间序列的子集。网络的子集可以包括全网络的至少约4％，5％，6％，7％，8％，9％，10％，15％，20％，30％，40％，50％，60％，70％，80％，90％或更多的节点。在其他情况下，网络的子集可以包括全网络的至多约90％，80％，70％，60％，50％，40％，30％，20％，15％，10％，9％，8％或更少的节点。网络的子集可以包括全网络的至少约4％，5％，6％，7％，8％，9％，10％，15％，20％，30％，40％，50％，60％，70％，80％，90％或更多的边缘。在其他情况下，网络的子集可以包括全网络的至多约90％，80％，70％，60％，50％，40％，30％，20％，15％，10％，9％，8％或更少的边缘。网络的子集可以包括全网络的至少约4％，5％，6％，7％，8％，9％，10％，15％，20％，30％，40％，50％，60％，70％，80％，90％或更多的时间序列。在其他情况下，网络的子集可以包括全网络的至多约90％，80％，70％，60％，50％，40％，30％，20％，15％，10％，9％，8％或更少的时间序列。

可以构造FHDN而无需在不同时间点周期捕获和存储网络快照。

快照可以包括特定时间点的系统状态。图3示出了动态网络在不同时间的多个快照的示例。在图3中，示出了针对时刻t＝1至t＝6的动态网络的快照的时间序列。虚线边缘指示没有关系，实线边缘指示有关系。例如，(1，2)在t＝1时没有关系，(2，4)在t＝6时没有关系。

无需分析在不同时间点捕获的网络快照序列，就可以确定FHDN的历史动态行为。历史动态行为可以包括在用户定义的历史时刻FHDN的改变。历史动态行为可以包括在用户定义的时间段内FHDN的改变。为了在不分析在不同时间点捕获的网络快照序列的情况下确定FHDN的历史动态行为，可以获取时间序列并将其与有关动态网络中的节点和边缘的信息一起使用。在这种情况下，可能不需要跨快照复制有关节点和边缘的信息。

FHDN可以允许对历史时刻的查询被回答而无需在历史时刻进行全网络实例化。实例化可以是真实实例的创建或抽象或模板(例如一类对象或计算机进程)的特定实现。为了在历史时刻不需要全网络实例化来回答关于历史时间姿势的查询，可以获取时间序列并将其与关于动态网络中的节点和边缘的信息一起使用。在这种情况下，仅可以搜索和获取与查询有关的时间序列，节点和边缘，而与查询无关的时间序列，节点和边不需要进行搜索/处理。在某些情况下，可以从其他时间序列，节点和边缘来推断特定的时间序列，节点和边缘。例如，可以从节点和与相应节点相邻的边缘来推断相应节点的状态。当例如由于传感器故障或其他连接问题而丢失有关该节点的数据时，可能需要推断该节点的状态。

多个节点和边缘可以包括：(1)在开始收集有关网络的数据之后的给定时间，先前已经存在于网络中的所有节点和边缘；以及(2)当前网络中存在的所有节点和边缘。在其他实施方式中，多个节点和边缘包括：(1)在任何给定时间先前已存在于网络中的所有节点和边缘；(2)网络中当前存在的所有节点和边缘；以及(3)网络中将存在的所有节点和边缘。所有节点的数量可以至少为1、10、50、100、200、300、400、500、1000、10000、100000、1000000、10000000、100000000、1000000000或更大。所有节点的数量至多为1000000000、100000000、10000000、1000000、100000、10000、1000、500、400、300、200、100、50、10或更小。边缘的数量可以与节点的数量相当，或者边缘的数量可以大于节点的数量。在某些情况下，边缘的数量可以少于节点的数量。

时间序列可以基于在所选节点或边缘发生的事件或改变。在某些情况下，事件或改变可能包括拓扑改变。替代地或附加地，该改变可以包括边缘或节点的特性或属性(例如，重量，方向性)的改变。事件或改变可以包括选择节点，取消选择节点，选择边缘以及取消选择边缘。所选节点或边缘的时间序列可以包括网络中所选节点或边缘的添加或去除的精确时间。所选节点或边缘的时间序列可以包括网络中所选节点或边缘的添加，去除和修改的精确时间。可以以系统或非系统时间间隔获得时间序列。系统时间间隔可以至少为每0.1微秒(μs)，1μs，10μs，100μs，1毫秒(ms)，10ms，100ms，1秒(s)，2s，3s，10s，30s，60s，2分钟(m)，3m，4m，5m，10m或更大。在一些实施方式中，系统时间间隔可以至多为每10m，5m，4m，3m，2m，1m，30s，10s，3s，2s，1s，100ms，10ms，1ms，100μs，10μs，1μs，1μs或更小。对于非系统时间间隔，可以首先在第一时间的第一时间段获得时间序列，然后在第二时间段的第二时间获得时间序列。例如，时间序列可以首先在1分钟的第一时间段中每1s获得，然后在10小时的第二时间段中每10s获得。

该时间序列可以存储在包括高吞吐量的分布式键值数据存储的存储中。分布式键/值存储可以提供可靠性和可伸缩性，并具有存储大量数据集并以高可靠性进行操作的能力。还可以通过严格控制可用性，一致性和成本效益之间的折衷来优化键/值存储。数据持久性过程可以设计为利用弹性计算机节点，向外扩展需要额外的处理以跟上消息到达分布式队列的到达速度。该存储可以包括各种各样的数据库类型。例如，分布式键值数据存储可能是处理时间序列和其他非结构化数据的理想选择。键值数据存储库可以设计为处理许多商品服务器上的大量数据，可以提供高可用性而没有单点故障。关系数据存储可用于存储和查询具有复杂实体关系的业务类型。多维数据存储可用于存储和访问包括来自多个不同数据源或数据存储的聚合数据的聚合。

可以通过使用在多个节点上迭代并搜索时间序列的搜索算法来获得历史时刻的系统状态。多个节点的数量可以不是动态网络中曾经存在的所有节点。在其他情况下，多个节点的数量可以是动态网络中曾经存在的所有节点。

可以通过使用在多个边缘上迭代并搜索时间序列的搜索算法来获得历史时刻的系统状态。多个边缘的数量可以不是动态网络中曾经存在的所有边缘。在其他情况下，多个边缘的数量可以是动态网络中曾经存在的所有边缘。

搜索算法可以是解决搜索问题以检索存储在数据结构内或在问题域的搜索空间中计算出的信息的任何算法。搜索算法的示例可以包括但不限于链表，数组数据结构或搜索树。适当的搜索算法可能取决于要搜索的数据结构和有关数据的先验知识。搜索可能包含查询数据结构的算法，例如SQL SELECT命令。

搜索算法可以包括线性搜索算法，二进制搜索算法，跳转搜索算法，内插搜索算法，指数搜索算法，子列表搜索算法，比较搜索算法和数字搜索算法。线性搜索算法可以以线性方式检查与目标关键字关联的每个记录。二进制搜索算法可以重复地以搜索结构的中心为目标，并将搜索空间划分为两半。比较搜索算法可以通过基于关键字的比较连续去除记录直到找到目标记录来改善线性搜索。比较搜索算法可以按定义的顺序应用于数据结构。数字搜索算法可以基于使用数字键的数据结构中数字的属性来工作。

搜索算法可以包括迭代图搜索算法，该迭代图搜索算法被配置为仅在需要的基础上检查所选节点或边缘的状态。图搜索算法可以指定搜索图的节点的顺序。图搜索算法可以是例如连通分量搜索，诸如深度优先搜索或广度优先搜索。例如，图搜索算法可以从源节点开始，一直搜索直到找到目标节点，然后边界可以包括尚未探索的节点，并且每次迭代都可以将节点从边界上移走，并将其邻居添加到边界。用户可以根据需要设置基础。例如，如果分析在给定时间需要有关节点的小子集的信息，则可以直接查询FHDN数据结构以评估此分析的结果，而无需接触任何不必要的节点。不必要的节点可以是与查询不相关的节点。不必要的节点可以包括FHDN中所有节点的至少大约4％，5％，6％，7％，8％，9％，10％，15％，20％，30％，40％，50％，60％，70％，80％，90％或更多。在其他情况下，不必要的节点可以包括FHDN中的所有节点的至多大约90％，80％，70％，60％，50％，40％，30％，20％，15％，10％，9％，8％或更少。

查询可以包括关于在给定时间的节点的子集的信息请求。该查询可以包括关于在给定时刻的边缘的子集的信息请求。该查询可以包括关于在给定时刻的节点和边缘的子集的信息请求。该查询可以包括关于在多个给定时间的节点的子集的信息请求。该查询可以包括关于在多个给定时间的边缘的子集的信息请求。该查询可以包括关于在多个给定时间的节点和边缘的子集的信息请求。

可以将搜索算法配置为仅直接查询节点的子集，而不查询其他不必要的节点。

该方法可以进一步包括利用阻塞技术在任何给定的时间将FHDN的一个或多个连接的图形区域缓存在存储器中。该存储器可以是易失性RAM或非易失性存储器。易失性RAM可以实现为动态RAM(DRAM)，该动态RAM持续需要电源以刷新或维护存储器中的数据。非易失性存储器可以是磁性硬盘驱动器，磁性光学驱动器，光学驱动器(例如DVD RAM)或即使在从系统移除电源后仍保持数据的其他类型的存储系统。非易失性存储器也可以是随机存取存储器。非易失性存储器可以是直接耦合到数据处理系统中其余组件的本地设备。也可以使用远离系统的非易失性存储器，例如通过诸如调制解调器或以太网接口的网络接口耦合到本文所述的任何计算机系统的网络存储设备。

阻止技术可以包括标准阻止，令牌阻止或属性群集阻止。阻塞技术可以帮助避免许多应用中的存储器带宽瓶颈。阻塞技术可以通过确保跨多个用途将数据保留在缓存中来利用应用中固有的数据重用。可以在1-D，2-D或3-D空间数据结构上执行阻塞技术。一些迭代应用程序可以进一步受益于阻塞多次迭代以进一步缓解带宽瓶颈。阻塞技术可以包括环路分裂和互换的组合。高速缓存阻塞可能是一种重新排列数据访问以将数据的子集(块)拉入高速缓存并在此块上进行操作以避免从主存储器重复获取数据的技术。

与传统的网络绘图技术相比，在存储器中缓存一个或多个连接的图形区域可以允许更快地执行搜索。连接的图形区域可能是指图的连接区域，其中不包含不可达的顶点/节点。例如，可以将图的连接区域加载到缓存中，并保留多次使用。与常规网络绘图技术相比，将一个或多个连接的图形区域缓存在存储器中可以使搜索执行速度快5-65倍，甚至更多。

与传统的网络绘图技术相比，FHDN的使用可以节省数个数量级的存储器/存储。与传统的网络绘图技术相比，可以将存储需求降低至少三个数量级。与传统的网络绘图技术相比，存储需求可以减少1到10、2到9、3到8、4到7、5到6个数量级。与传统的网络绘图技术相比，可以将存储需求降低至少3、4、5、6、7、8、9、10或更多个数量级。在某些情况下，与传统的网络绘图技术相比，可以将存储需求降低至少10、9、8、7、6、5、4或更少的数量级。

该系统可以包括配电系统。配电系统可以包括不同的布置。该布置可以包括径向系统，扩展的径向系统，具有主要选择性的径向系统，主要和次要简单径向系统，主要回路系统，次要选择性系统，主要选择性系统，备用变压器系统，次要点网络，以及复合系统。

配电系统可以包括多个配电馈线。多个配电馈线可以通过多个连接彼此连接。配电馈线可以包括多个节点。节点可以包括电力消耗设备和电网。配电馈线可以包括多个边缘。边缘可以包括连接节点的电线。

配电系统的状态可以包括在历史时刻的多个配电馈线的图形状态。配电系统的状态可以包括在历史时刻连接配电馈线的多个连接的图形状态。

配电系统的状态可以包括在历史时刻的配电馈线的子集的图形状态。图形状态可以包括由查询在历史时刻请求的所有配电馈线。历史时刻的所有配电馈线可以是配电系统的子集。配电馈线的子集可以包括配电系统的配电馈线至少大约：4％，5％，6％，7％，8％，9％，10％，15％，20％，30％，40％，50％，60％，70％，80％，90％或更多。在其他情况下，配电馈线的子集可以包括配电系统的配电馈线至多大约：90％，80％，70％，60％，50％，40％，30％，20％，15％，10％，9％，8％或更少。

FHDN可以允许对历史时刻的查询被回答而无需在历史时刻的配电系统的全网络实例化。实例化可以是真实实例的创建，也可以是抽象或模板(例如数据对象的类或计算机进程)的特定实现。

多个节点和边缘以及时间序列可以与多个配电馈线以及每个馈线内的连接的节点和分支相关联。多个节点和边缘可以包括(1)在任何给定时刻先前已经存在于配电馈线中的所有节点和边缘，以及(2)当前存在于配电馈线中的所有节点和边缘。在其他实施方式中，多个节点和边缘包括(1)在任何给定时刻先前已存在于分配馈线中的所有节点和边缘，(2)当前存在于配电馈线中的所有节点和边缘，和(3)配电馈线中将存在的所有节点和边缘。

该时间序列可以包括配电馈线中所选节点或边缘的添加或去除的精确时间。该时间序列可以包括针对配电馈线中的所选节点或边缘的添加，去除或修改的精确时间。可以通过系统时间间隔或非系统时间间隔来获取时间序列。对于非系统时间间隔，可以首先在第一时间段的第一时间获得时间序列，然后在第二时间段的第二时间获得时间序列。例如，时间序列可以首先在1分钟的第一时间段中每1s获得，然后在10小时的第二时间段中每10s获得。所选边缘的添加或去除可以对应于配电系统内的断路器开关的断开或闭合，其中断路器开关与所选边缘相关联。所选边缘的修正可以表示所选边缘的电消耗的改变。

该查询可以包括在任何给定时刻对一个或多个所选配电馈线的精确电气配置的查询。

可以通过仅搜索包含在一个或多个所选的配电馈线中的节点和边缘，利用图搜索算法来查询在任何给定时刻的一个或多个所选的配电馈线的状态。搜索算法可以是解决搜索问题以检索存储在某个数据结构内或在问题域的搜索空间中计算出的信息的任何算法。搜索算法的示例包括但不限于链表，数组数据结构或搜索树。搜索算法还可以包括线性搜索算法，二进制搜索算法，跳转搜索算法，内插搜索算法，指数搜索算法，子列表搜索算法，比较搜索算法和数字搜索算法。

图搜索算法可能未配置为查询其他未选择的配电馈线中包含的节点和边缘。搜索算法可以被配置为仅并且直接查询节点的子集，而不查询其他不必要的节点。搜索算法可以被配置为仅和间接地查询节点的子集，而不查询其他不必要的节点。搜索算法可以被配置为仅和直接查询节点的子集，而不查询其他不必要的边缘。搜索算法可以被配置为仅和间接地查询节点的子集，而不查询其他不必要的边缘。搜索算法可以被配置为仅和直接查询节点的子集，而不查询其他不必要的节点和边缘。搜索算法可以被配置为仅和间接地查询节点的子集，而不查询其他不必要的节点和边缘。不必要的节点和边缘可以是与查询无关的节点和边缘。

FHDN可以允许回答历史时刻在网络任何部分的查询，而使用传统的绘图技术与2.1TB相比仅使用大约10MB到100MB的存储。存储FHDN所需的存储器量最多为40MB，30MB，25MB，20MB，19MB，18MB，17MB，16MB，15MB，14MB，13.4MB，13MB，12MB，11MB，10MB，9MB，8MB，7MB，6MB，5MB，4MB，3MB，2MB，1MB或更少。在某些情况下，具体取决于FHDN表示的系统的大小，复杂性和寿命，存储FHDN所需的存储器量可能会更大。

该系统可以包括任何制造公司的物料清单。物料清单(BOM)可以包括原材料，子组件，中间组件，子组件，零件的清单，以及制造最终产品所需的每种的数量。BOM可以用于制造合作伙伴之间的通信，也可以限于单个制造工厂。

BOM可以定义设计的产品(工程物料清单)，订购的产品(销售物料清单)，制造的产品(制造物料清单)或维护的产品(服务物料清单)。BOM的不同类型取决于其期望的业务需求和用途。BOM还可包括配方，配方或成分列表。在电子产品中，BOM可以表示在印刷线路板或印刷电路板上使用的组件列表。

该系统可以包括供应链分配网络。供应链分配网络可以包括多个参与者(例如，买方或卖方)。多个参与者可以通过多个连接彼此连接。连接可以表示购买，出售或购买和出售。

供应链分配网络的状态可以包括在历史时刻的多个参与者的图形状态。供应链分配网络的状态可以包括在历史时刻连接参与者的多个连接的图形状态。

供应链分配网络的状态可以包括在历史时刻的参与者的子集的图形状态。图形状态可以包括在历史时刻在供应链分配网络中活跃的所有参与者。历史时刻的所有参与者可以是系统的子集。参与者的子集可以包括供应链分配网络中的参与者的至少大约：4％，5％，6％，7％，8％，9％，10％，15％，20％，30％，40％，50％，60％，70％，80％，90％或更多。在其他情况下，参与者的子集可以包括供应链分配网络中的参与者的至多大约90％，80％，70％，60％，50％，40％，30％，20％，15％，10％，9％，8％或更少。

FHDN可以查询要回答的历史时刻，而无需在历史时刻对供应链分配网络进行全网络实例化。在供应链分配网络中，FHDN可以包括多个参与者(由多个节点表示)，连接参与者的多个连接(由多个边缘表示)以及与多个参与者和连接中的每一个相关联的时间序列。供应链分配系统的FHDN可能包括供应链分配系统中曾经存在的所有参与者和所有连接。

多个节点和边缘以及时间序列可以与多个参与者相关联。多个节点和边缘可以包括(1)在任何给定时刻先前已经存在于供应链分配系统中的所有节点和边缘，以及(2)目前存在于供应链分配系统中的所有节点和边缘。在其他实施方式中，多个节点和边缘包括(1)在任何给定时刻先前已存在于供应链分配系统中的所有节点和边缘，(2)目前存在于供应链分配系统中的所有节点和边缘。(3)供应链分配系统中将存在的所有节点和边缘。

时间序列可以包括供应链分配系统中选定节点或边缘的添加或去除的精确时间。时间序列可以包括供应链分配系统中所选节点或边缘的添加，去除或修改的精确时间。在供应链分配系统中，添加项可能表示参与者愿意向其他参与者购买或出售，清除可能表示参与者不愿意向其他参与者购买或出售，修正可能表示参与者改变了他/她从其他参与者购买或出售的头寸。可以通过系统时间间隔或非系统时间间隔来获取时间序列。对于非系统时间间隔，可以首先在第一时间段的第一时间获得时间序列，然后在第二时间段的第二时间获得时间序列。例如，时间序列可以首先在1分钟的第一时间段中每1s获得，然后在10小时的第二时间段中每10s获得。

通过仅搜索在供应链分配网络中活动的节点和边缘，可以使用图搜索算法来查询给定时刻的供应链分配网络的状态。图搜索算法可以指定搜索图的节点的顺序。图搜索算法可以是例如连通分量搜索，诸如深度优先搜索或广度优先搜索。例如，图搜索算法可以从源节点开始，一直搜索直到找到目标节点，然后边界可以包括尚未探索的节点，并且每次迭代都可以将节点从边界上移走，并将其邻居添加到边界。用户可以根据需要设置。例如，如果分析在给定时间需要有关节点的小子集的信息，则可以直接查询FHDN数据结构以评估此分析的结果，而无需接触任何不必要的节点。搜索算法可以是解决搜索问题以检索存储在某个数据结构内或在问题域的搜索空间中计算出的信息的任何算法。示例搜索算法在本文其他地方描述。图搜索算法可以指定搜索图的节点的顺序。图搜索算法可以是深度优先搜索算法，宽度优先搜索算法，Dijkstra算法等。

图搜索算法可能未配置为查询供应链分配网络中包含的未选择节点和边缘。搜索算法可以被配置为仅和直接查询节点和/或边缘的子集，而不查询其他不必要的节点和/或边缘。搜索算法可以被配置为仅和间接地查询节点和/或边缘的子集，而不查询其他不必要的节点和/或边缘。不必要的节点或边缘可以包括分别在FHDN中所有节点或边缘的至少大约：4％，5％，6％，7％，8％，9％，10％，15％，20％，30％，40％，50％，60％，70％，80％，90％或更多。在其他情况下，不必要的节点或边缘可以包括分别在FHDN中的所有节点或边缘的至多大约：90％，80％，70％，60％，50％，40％，30％，20％，15％，10％，9％，8％或更少。

FHDN可以允许回答在历史时刻在供应链分配网络的任何部分的查询，而只需要很小的存储。存储FHDN所需的存储器量可以最多为40MB，30MB，25MB，20MB，19MB，18MB，17MB，16MB，15MB，14MB，13.4MB，13MB，12MB，11MB，10MB，9MB，8MB，7MB，6MB，5MB，4MB，3MB，2MB，1MB或更少。在某些情况下，具体取决于FHDN表示的系统的大小，复杂性和寿命，存储FHDN所需的存储器量可能会更大。

该系统可以包括由多个用户组成的社交网络。该系统可以包括多个社交网络。多个社交网络可以通过多个连接彼此连接。多个社交网络中的给定社交网络可以包括多个用户(由节点表示)和多个连接(由边缘表示)。

本文所述的系统可以用于查询历史上特定时间的社交网络的状态。例如，此类状态可以用于跟踪社交网络上人口的人口统计改变。社交网络的用户可能也会对此类状态感兴趣，以便此类用户可以看到他们的社交圈如何随时间增长。系统的状态可以包括在历史时刻的多个连接社交网络的图形状态。系统的状态可以包括在历史时刻连接社交网络的多个连接的图形状态。在历史时间的社交网络的数量可以是至少1、10、50、100、200、300、400、500、1000、10000或更多。在历史时间的社交网络的数量可以是至多10000、1000、500、400、300、200、100、50、10或更少。在历史时刻连接社交网络的连接数可以是至少1、10、50、100、200、300、400、500、1000、10000或更多。在历史时刻连接社交网络的连接数可以是至多10000、1000、500、400、300、200、100、50、10或更少。

系统的状态可以包括在历史时刻的社交网络的子集的图形状态。图形状态可以包括在历史时刻活跃的所有社交网络。在历史时刻的所有社交网络可以是系统的子集。社交网络的子集可以包括系统的全社交网络的至少大约：4％，5％，6％，7％，8％，9％，10％，15％，20％，30％，40％，50％，60％，70％，80％，90％或更多。在其他情况下，社交网络的子集可以包括系统的全社交网络的至多大约90％，80％，70％，60％，50％，40％，30％，20％，15％，10％，9％，8％或更少。

FHDN可以允许回答一历史时刻的查询而无需在所述历史时刻系统的全网络实例化。在该系统中，FHDN可以包括多个用户(由多个节点表示)，连接用户的多个连接(由多个边缘表示)以及与多个用户和连接中的每一个相关联的时间序列。连接可以表示成为或添加朋友。社交网络的FHDN可以包括系统中曾经存在的所有用户和所有连接。

多个节点和边缘以及时间序列可以与多个社交网络以及每个社交网络内的连接的节点和分支相关联。多个节点和边缘可以包括(1)在任何给定时刻先前已经存在于社交网络中的所有节点和边缘，以及(2)当前存在于社交网络中的所有节点和边缘。在其他实施方式中，节点和边缘可以包括(1)在任何给定时刻先前已经存在于社交网络中的所有节点和边缘，(2)当前存在于社交网络中的所有节点和边缘，以及(3)将存在于社交网络中的所有节点和边缘。

时间序列可以包括针对社交网络中的所选节点或边缘的添加或去除的精确时间。该时间序列可以包括针对社交网络中的所选节点或边缘的添加，去除或修改的精确时间。在社交网络中，添加可能表示用户正在将另一用户添加为朋友或成为另一用户的朋友，去除可能表示该用户正在阻止或取消与另一用户成为朋友，而修改可能表示用户将他/她的位置改变为另一用户。对于系统时间间隔，可以首先在第一时间段的第一时间中获得时间序列，然后在第二时间段的第二时间中获得时间序列。例如，时间序列可以首先在1分钟的第一时间段中每1s获得，然后在10小时的第二时间段中每10s获得。

可以通过仅搜索感兴趣的社交网络中包含的节点和边缘来利用图搜索算法来查询任何给定时刻的社交网络的状态。搜索算法可以是解决搜索问题以检索存储在某个数据结构内或在问题域的搜索空间中计算出的信息的任何算法。示例搜索算法在本文其他地方描述。

图搜索算法可以被配置为仅在需要的基础上查询所选社交网络中包含的节点和边缘的状态。图搜索算法可能未配置为查询其他未选择的社交网络中包含的节点和边缘。搜索算法可以被配置为仅和直接地查询节点和/或边缘的子集，而不查询其他不必要的节点和/或边缘。在其他实施方式中，搜索算法可以被配置为仅和间接地查询节点和/或边缘的子集，而不查询其他不必要的节点和/或边缘。不必要的节点或边缘可以分别包括FHDN中的所有节点和边缘的至少大约：4％，5％，6％，7％，8％，9％，10％，15％，20％，30％，40％，50％，60％，70％，80％，90％或更多。在其他情况下，不必要的节点或边缘可以包括FHDN中的所有节点和边缘的至多大约：90％，80％，70％，60％，50％，40％，30％，20％，15％，10％，9％，8％或更少。存储FHDN所需的存储器量可以至多为40MB，30MB，25MB，20MB，19MB，18MB，17MB，16MB，15MB，14MB，13.4MB，13MB，12MB，11MB，10MB，9MB，8MB，7MB，6MB，5MB，4MB，3MB，2MB，1MB或更少。在某些情况下，具体取决于FHDN表示的系统的大小，复杂性和寿命，存储FHDN所需的存储器量可能会更大。

在另一方面，一种用于确定动态网络的历史状态的系统可以包括数据聚合组件和网络绘图组件。

数据聚合组件可以被配置为从多个不同的数据源连续获得与系统相关联的数据。数据源将在本文其他地方进行说明。数据聚合组件可以执行数据聚合。数据聚合可以包括图聚合。在图聚合中，可以使用聚合作为用于表示空间网络的图中的边缘/节点属性来表示拓扑和参数值的时间改变。边缘和节点可能会在某些时刻期间从网络中消失，并且可以添加新的节点和边缘。时间聚合图可以通过附加到每个节点和边缘的时间序列来跟踪这些改变，这些时间序列指示它们在各个时刻的存在。

网络绘图组件可以被配置为使用数据构造系统的全历史动态网络(FHDN)，并响应于对历史时刻的FHDN的查询，提供历史时刻的系统状态。FHDN可以包括(1)能够动态改变的多个节点，(2)连接节点的多个边缘，这些边缘能够动态改变，以及(3)与多个节点和边缘中的每一个相关联的时间序列。FHDN在本文其他地方描述。

该系统可以进一步包括显示组件。显示组件可以包括扬声器或显示屏。扬声器和/或显示屏可以与电子设备可操作地耦合。扬声器和/或显示屏可以与电子设备集成。该电子设备可以是小型警报装置。该电子设备可以是便携式电子设备。电子设备可以是移动电话，PC，平板计算机，打印机，消费类电子产品和家用电器。电子设备可以是可穿戴设备，包括但不限于Fitbit，Apple手表，Samsung health，Misfit，Xiaomi Mi手环和Microsoft手环。显示屏可以是液晶显示器，类似于平板计算机。显示屏可以伴随一个或多个扬声器，并且可以被配置为向用户提供视觉和听觉指令。扬声器可以包括智能扬声器。智能扬声器可以包括Alexa，Google Home，Google Assistant，Clova，Microsoft Cortana，AliGenie，Ambient，Apple HomeKit，Apple Siri和Apple Pod。

在另一方面，一种非暂时性计算机可读介质可以存储指令，当这些指令由一个或多个服务器执行时，该指令使一个或多个服务器执行一种方法，该方法包括从多个不同的数据源中连续获取与系统相关联的数据；使用数据构造系统的全历史动态网络(FHDN)；响应于对历史时刻的FHDN的查询，提供历史时刻的系统状态。

数据可以存储在数据库中。数据库可以以计算机可读格式存储。计算机处理器可以被配置为访问存储在计算机可读存储器中的数据。可以使用计算机系统来分析数据以获得结果。结果可以远程或内部存储在非暂时性计算机可读介质上，并传达给系统或FHDN的用户。非暂时性计算机可读介质可以与用于传输结果的组件可操作地耦合。用于传输的组件可以包括有线和无线组件。有线通信组件的示例可以包括通用串行总线(USB)连接，同轴电缆连接，以太网电缆(诸如Cat5或Cat6电缆)，光纤电缆或电话线。无线通信组件的示例可以包括Wi-Fi接收器，用于访问移动数据标准(诸如3G或4G LTE数据信号)的组件或蓝牙接收器。非暂时性计算机可读介质中的所有这些数据可以被收集和存档以建立数据仓库。

FHDN可以包括(1)能够动态改变的多个节点，(2)连接节点的多个边缘，这些边缘能够动态改变，以及(3)与多个节点和边缘中的每个相关联分时间序列。FHDN在本文其他地方描述。

例如，可以使用在美国专利申请公开No.2018/0191867(名称为“Systems,Methods,and Devices for an Enterprise AI and Internet-of-Things Platform(用于企业AI和物联网平台的系统，方法和设备)”，通过引用将其全部内容并入本文)中描述的平台的各种实施方式来实现本文所述的系统和方法。

虽然已经在本文中示出和描述了本发明的优选实施方式，但是对于本领域技术人员而言容易理解的是，仅通过示例的方式提供了这样的实施方式。并非意图通过说明书中提供的特定示例来限制本发明。尽管已经参考前述说明书描述了本发明，但是本文中的实施方式的描述和图示并不意味着以限制性的意义来解释。在不脱离本发明的情况下，本领域技术人员现在将想到许多改变，更改和替代。此外，应理解，本发明的所有方面不限于本文所阐述的具体描述，构造或相对比例，其取决于各种条件和变量。应当理解，本文所述的本发明的实施方案的各种替代方案可以用于实施本发明。因此，可以预期的是，本发明也将涵盖任何这样的替代，修改，改变或等同形式。旨在由以下权利要求书限定本发明的范围，并且由此涵盖这些权利要求书范围内的方法和结构及其等同物。