一种基于蚁群算法的非结构化P2P网络搜索算法

在类似Gnutella的分散的非结构化P2P网络中,如何降低消息开销,提高搜索效率,是解决其扩展性问题的关键。引入蚁群算法的思想,提出一个非结构化P2P网络搜索算法。此算法利用蚂蚁留下信息素的正反馈机制,有效地指导搜索的方向,将查询消息包尽量发往目标可能存在的区域,从而减少冗余消息包的产生,得到更好的搜索输出。     

无结构化P2P网络资源搜索机制研究综述

随着Napster,Gnutella等文件共享应用的成功,对等网络(P2P)得到了快速发展,高效的资源搜索成为P2P应用中的首要问题,现已提出了许多搜索方法。主要研究无结构化P2P网络中的资源搜索机制。在分析现有搜索方法特点的基础上,对它们进行分类,然后深入分析各类搜索方法中的关键技术,并从搜索成功率、产生消息量、对网络动态变化的适应性和网络维护的复杂程度等方面进行比较,最后进行总结。     

一种基于蚁群算法的非结构化P2P网络搜索算法

在类似Gnutella的分散的非结构化P2P网络中，如何降低消息开销，提高搜索效率，是解决其扩展性问题的关键。引入蚁群算法的思想，提出一个非结构化P2P网络搜索算法。此算法利用蚂蚁留下信息素的正反馈机制，有效地指导搜索的方向，将查询消息包尽量发往目标可能存在的区域，从而减少冗余消息包的产生，得到更好的搜索输出。     

P2P资源智能查询策略的研究与设计

提高资源搜索效率、提高网络的扩展性一直是P2P网络的关键技术问题。在分析现有的P2P网络资源搜索的算法及其存在的问题的基础上,作者提出并设计了一种基于最近Query消息查询记录表、本地资源推荐路由表相结合的智能查询策略。能在保持原有搜索覆盖率的前提下,提高网络资源搜索效率,减少Query冗余信息,提高了网络的扩展性。     

基于非结构化P2P的副本技术的研究和应用

副本技术是P2P网络中常用的一种数据管理机制,在P2P网络中,由于节点的高度动态性,致使副本管理也必须具有动态性,副本管理是一项极具研究价值的课题。如何利用副本技术来提高非结构化P2P网络的资源搜索效率仍是目前尚未有效解决的难点之一。对非结构化P2P网络中广泛应用的Gossip协议和副本管理策略进行了探索和研究,运用模糊理论提出一种副本存储节点的选择策略。通过模拟实验,对相关数据进行分析,证明该项研究能有效提高对等网络中资源搜索的效率。     

基于兴趣相关度的P2P网络搜索优化算法

P2P网络中的搜索性能是影响P2P网络发展的关键问题。该文研究非结构化分散型P2P网络中的搜索机制,提出2个改进算法。改进算法利用节点的共享情况和查询历史发掘节点的兴趣爱好,并赋予节点一定的自治性,使得非结构化分散型P2P网络能随着网络中查询数的增长而动态优化,提高查询效率。实验证明改进算法提高了查询检索的效率,在保证查全率的基础上,查询产生的消息减少了75%。     

集中式P2P环境下有效的Top—K查询

目前大多数的Peer-to-Peer(P2P)系统只支持基于文件标识的搜索,用户不能根据文件的内容进行搜索.Top-k查询被广泛地应用于搜索引擎中,获得了巨大的成功.可是,由于P2P系统是一个动态的、分散的系统,在P2P环境下进行top-k查询是具有挑战性的.提出了一种在集中式P2P系统中的基于中心文档的层次化的top-k查询算法.首先,采用层次化的方法实现分布式的top-k查询,将结果的合并和排序分散到P2P网络中的各个节点上,充分利用了网络中的资源.其次,将节点返回的结果录入到中心文档中,然后确定其分数上限,对节点进行选择,提高了查询效率.     

一种基于语义相似的P2P搜索机制

现有P2P网络规模大、动态性高、异构性强，有效的搜索技术一直是P2P系统研究中的核心问题。本文针对无结构P2P网络泛洪搜索机制的盲目性所导致的查询开销大、效率低的问题，提出了一种基于语义相似的P2P搜索机制SRVN，通过积累历史搜索经验获得路由指引信息，帮助搜索结点快速发现与搜索内容最相关的结点，从而提高搜索效率和目标命中率。实验结果显示，使用SRVN搜索机制，有效地提高了Gnutella查询性能。     

基于贝叶斯网络的无结构化P2P资源搜索方法

资源搜索是P2P网络基本功能及核心问题,关系到P2P网络可用性及扩展能力.尽管已提出许多无结构化P2P搜索方法,但复杂组织方式、较高搜索代价及过多维护影响其可用性.提出一个全分布无结构化P2P网络搜索方法BNS.该方法从节点自身兴趣特性出发,利用节点上资源之间语义相关,应用贝叶斯网络建立推理模型,根据相关资源历史信息进行推理,采用概率方法,将搜索导向与目标相关的节点,提高搜索性能.实验表明,该方法能够有效地提高搜索性能,消耗较少带宽且维护简单,对P2P动态变化特性具有良好适应能力.     

P2P网络资源搜索方法研究

对等计算（P2P Computing）是下一代网络中的关键技术之一。如何高效地搜索P2P网络上的资源是P2P网络设计中最为关键的问题。文章介绍了P2P网络的特点及分类，在分析P2P网络的基本搜索方法的基础上，对各类搜索方法进行了分析和研究。     

一种基于兴趣域的无结构对等网络搜索模型

资源的搜索是P2P网络的核心问题之一,同时也是P2P网络研究的热点方向。本文研究了集中式对等网络、非结构化对等网络、结构化对等网络与混合结构对等网络模型,并详细分析了各种网络模型的特点及其工作的一般原理。在此基础上,本文结合P2P网络中存在的小世界现象,提出了一个基于兴趣域的无结构对等网络搜索模型。     

超节点结构P2P中负载均衡的信息索引机制

本文首先介绍超节点结构P2P网络的原理,指出其存在负载失衡问题。针对其存在的问题引入信息索引机制IIM,把资源的信息索引分布到多个超节点。通过仿真实验表明,IIM能够在相对不降低搜索效率的前提下,使得各超节点的资源信息相对均衡,有效地解决了超节点结构P2P网络中超节点负载不均衡的问题。     

兴趣和蚁群相结合的非结构化P2P搜索算法

针对传统flooding搜索算法面临的效率低下和网络流量过大等问题,提出了一种改进的基于兴趣和蚁群相结合的资源搜索算法（IASA）。该算法将TTL机制加以改进,并将兴趣相似度引入到蚁群算法的路径概率选择中,同时结合信息素的多样性和正反馈机制,积累历史搜索经验,获得路由指引信息,从而有效地指导查询请求消息的转发,将请求消息尽量发往资源可能存在的节点上。仿真实验表明：该算法能有效地指导资源搜索的方向,提高查询命中率,减少冗余消息包,其整体搜索效果较好。     

基于节点兴趣和Q-learning的P2P网络搜索机制

将智能手机设备加入基于非结构化P2P网络的资源共享系统中能够满足人们对资源共享的多样化、便利性、高频性、实时性、高效性等要求,但是该系统网络规模的扩张和网络节点互异性的加大,必将导致系统资源搜索效率的降低、冗余信息的剧增以及网络更加不稳定。为了解决这些问题,文中设计了一种改进的基于节点兴趣和Q-learning的资源搜索机制。首先将节点根据兴趣相似度进行兴趣聚类,划分兴趣集,然后根据兴趣集中节点的能力值构建兴趣树,该结构避免了消息环路的产生,极大地降低了冗余信息;在资源搜索中,兴趣树内采用洪泛算法转发消息,兴趣树之间采用基于Q-learning的消息转发机制,不断强化最可能获取目标资源的路径,查询消息优先在这些路径上传播。另外,针对“热点”资源问题,设计了自适应热点资源索引机制,减少了重复路径搜索,进一步减少了冗余消息量;针对节点失效的问题,给出了根节点冗余机制和捎带检测的策略方法,分别解决了根节点失效和普通节点失效导致的兴趣树的不完整性问题,分析表明该方法能够减少消息冗余量。仿真实验结果表明,与GBI-BI算法和Interest CN算法相比,所提搜索算法能够提高命中率,缩短响应时间,减少冗余信息,具有较好的综合性能,最终解决了由于智能手机设备加入P2P网络导致的资源搜索效率下降、网络流量开销大的问题。     

基于P2P的网格资源发现机制研究

P2P与网格都是新型的分布式计算模型,在分析现有网格资源发现机制的基础上,将P2P的相关技术引入其中,提出了一种基于P2P的分散资源发现模型。在资源发现过程中为了减少网络流量,提高通信效率,采用数据库查询与基于代理结合的方法。并对该模型的资源发现过程进行了描述,最后通过比较分析给出了该模型所具有的优点。     

基于概率查询算法的P2P仿真平台实现研究

随着P2P网络技术的广泛应用,运用仿真技术来模拟研究P2P网络的运行,已经成为分析研究P2P网络的重要方法。该文实现了一种基于概率查询算法的P2P网络仿真系统。实验表明,运用概率查询算法的仿真系统在查找效率上大大优于传统的洪泛查找方法。     

一种基于信任模型的P2P快速搜索算法—SAT*

针对如何高效准确地从海量的网络信息中搜索到所需的资源,分析了现有搜索算法的优缺点,结合P2P网络中的信任机制对源节点请求算法和中继节点的转发、响应算法进行改进,提出SAT搜索算法来提高搜索的成功率,并采取了高速共享资源缓存机制和无重复转发机制减缓搜索的时延。仿真实验表明,与Random-walk算法相比,SAT算法具有更高的搜索成功率和更短的搜索时延。     

基于IP-P2P的校园网资源共享平台的研究

为了能够适应高度动态性,同时又能进行高效搜索,文章提出基于索引的结构化P2P网络IP-P2P（Index-PeerP2P）模型,它具有双层索引机制,一层是由索引对等体组成的有结构P2P网络,另一层是由普通对等体组成P2P网络,然后实现了基于IP-P2P校园网资源共享平台的方案并通过测试证明了该平台的有效性。     

PeerRank:一种无结构P2P资源发现策略

资源发现是P2P应用所面临的最核心问题之一.相关的无结构P2P系统主要采用了查询消息泛洪和信息索引机制,这会造成严重的网络带宽负担以及巨大的索引维护开销.给出了一种无结构P2P环境下能够节约带宽、容易维护的自适应搜索策略PeerRank.PeerRank依据用户结点命中查询的历史信息赋予结点相应权值作为查询消息路由的依据,引导查询快速接近目标资源.自适应缓存机制和索引机制的引入使搜索性能大为加强.最后的实验表明,附带自适应缓存和索引的PeerRank以其高搜索成功率、多副本发现和很短的时间响应,能够显著地提高资源发现性能.     

RNP2P——一种基于复本网络的非结构化P2P系统

根据非结构化P2P系统中资源分布的特点，提出一种基于复本网络的非结构化P2P系统，即RNP2P。通过查询反馈、主动探测和反向探测三种方式协调复本节点之间的相互感知，构建数据结构存储每种资源的其他复本节点信息，针对每种资源均构成一个复本网络。基于这种复本管理机制，RNP2P平均能够以命中3~5个复本的消息开销获得100%的命中率，其他查询方法均可以和RNP2P有效结合。模拟结果表明RNP2P的查询性能远远高于其他查询方案。当采用k-随机游走进行查询，RNP2P的消息开销为普通非结构化P2P中k-随机游走查询的5%,并且远远低于泛洪查询,RNP2P的查询时延也相应降低。