堆上的数据分布与堆选择算法

本文对堆上的数据分布进行了测定，根据测定结果并利用堆的性质设计出一个堆选择算法，对于ｎ＜２＾１６，算法的平均复杂度以８．９ｎ为上界。     

基于最小总代价的自适应数据分布

本文分析了分布式数据库环境下数据分布问题，提出了一种能适应应用环境的改变，基于最小总代价的自适应数据分布算法，实验结果也表明了算法的合理性。     

分层网络数据分布优化策略

提出了采用簇的技术来处理分层网络数据分布优化问题，并给出了其数学模型、优化算法及可行性分析。对于一般的网络，给出了把它完全映射到一个分层网络上的方法，以至于完全可以利用分层网络的数据分布优化算法来处理一般网络的数据分布优化问题。     

改进的自适应数据分布算法

本文分析了分布式数据库的数据分布问题，提出了一种精度高，运行速度快的自适应数据分布算法，并进行了实验模拟。     

快速分布式数据库数据分布模型求解算法

针对我们提出的以最小代价为目标的分布式数据库数据分布模型，进行适当的数据分组，并对部份组进行排序，使单目运算，双目运算的计算复杂度分别提高了Ｏ（ｎ）和Ｏ（ｎ＾２）。更新运算分解后计算复杂度提高Ｏ（ｎ）。     

分布式数据库中的数据分布

本文讨论了分布式系统中的数据分布问题,给出了数据分布的一些基本方法,并对关系分布式数据库中的查询优化问题进行了讨论,说明了查询分解在减少查询的响应时间和处理代价中的重要作用。同时,给出了分布式查询优化的三个较有效的算法,并对每一个算法作出了简单的评价。在第一节中,给出了分布式查询的一个例子,它说明了分布式查询的复杂性。第二节讨论关系分割的一些基本方法,包括对关系的水平分割、垂直分割和水平垂直分割。分布式查询优化算法以及最优查询优化算法所应具有的性质在第三节给出。最后是结语。     

基于粒计算的双权网络分层算法

复杂网络环境下数据分布优化问题是个NP问题,但由于大多复杂网络有层次性特征,在此情形下可降低优化问题计算复杂性。应用粒计算理论提出了一种双权分层网络数据分布优化模型和算法,将双权复杂网络映射成一个分层网络,在分层网络上计算数据优化解。算法的时间复杂度为O（C×n2）。仿真实验表明,算法能够得到数据分布优化的满意解,且可通过调整子网络的粒度达到实际应用的需求。     

并行数据库上的进行CMD—Join算法

并行数据库在多处理机之间的分布方法对并行数据 算法的性能影响很大，如果在设计并行数据操作算法时充分利用数据分布方法的特点，可以得到十分有效的并行算法。本研究如何充分利用数据分布方法的特点，设计并行数据操作算法的问题，提出了基ＣＭＤ多维数据分布方法的并行ＣＭＤ－Ｊｏｉｎ算法，理论分析和实验结果表明，并行ＣＭＤ－Ｊｏｉｎ算法的效率高于其它并行Ｊｏｉｎ算法。     

针对动态非平衡数据集鲁棒的在线极端学习机

动态数据存在数据量动态改变,数据类别分布非平衡、不稳定等问题,这些问题成为分类的难点。针对该问题,通过对在线极端学习机模型进行拓展,提出鲁棒的权值在线极端学习机算法。为解决动态数据非平衡性,该算法借助代价敏感学习理论生成局部动态权值矩阵,从而优化分类模型产生的经验风险。同时,算法进一步考虑动态数据由于时序性质改变造成的数据分布变化,而引入遗忘因子增强分类器对数据分布变更的敏感性。算法在不同数据分布的24个非平衡动态数据集上测试,取得了较好的效果。     

关于排列集p（n,r）的几种有效算法

本文在按字典排序的前提下，给出了生成排列集ｐ（ｎ，ｒ）的枚举算法，为建立ｐ（ｎ，ｒ）与它的反相集合的映射及逆映射，提供了一对编解码算法；在此编解码算法的基础上，为建立ｐ（ｎ，ｒ）与ｚ＝｛１，２，…，│ｐ（ｎ，ｒ）│｝之间的一一映射关系，还给出了相应的排序和逆排序算法。实际上，我们给出的这些算法，与已知的算法相比，更具有普遍性和优越性。     

混装货物优化配置模型及算法

为最小化总运费,提出一种混装货物的优化配置模型。根据不同货物的运输费率、实际重量和体积重量完成混装搭配,在证明 2个相关引理的基础上设计启发式算法,将其与基本遗传算法进行多组随机计算比较。实验结果表明,对于50件货物的10组随机数据,遗传算法所用平均计算时间是启发式算法的2 325倍,对于200件物品的10组随机数据,启发式算法所用的平均计算时间仅为4.009 4 s。     

A new ant colony optimization based algorithm for data allocation problem in distributed databases

The Performance and the efficiency of a distributed database system depend highly on the way data are allocated to the sites. The NP-completeness of the data allocation problem and the large size of its real occurrence, call for employing a fast and scalable heuristic algorithm. In this paper, we address the data allocation problem in terms of minimizing two different types of data transmission across the network, i.e., data transmissions due to site-fragment dependencies and those caused by inter-fragment dependencies. We propose a new heuristic algorithm which is based on the ant colony optimization meta-heuristic, with regards to the applied strategies for query optimization and integrity enforcement. The goal is to design an efficient data allocation scheme to minimize the total transaction response time under memory capacity constraints of the sites. Experimental tests indicate that our algorithm is capable of producing near- optimal solutions within a reasonable time. The results also reveal the flexibility and scalability of the proposed algorithm.     

DDedDBS中的一种启发式规则分配算法

本文讨论分布式演绎数据库系统中的规则分配问题。文中给出了五种有效的启发式规则分配算法，它将规则库表示成一个有向的层次结构图，并依据此图按自上而五方式分配规则。本算法的时间复杂度是Ｏ，其中ｍ是系统中的站点个数，ｎ是规则条数。     

A Heuristic Genetic Algorithm for Solving Resource Allocation Problems

In the paper, a heuristic genetic algorithm for solving resource allocation problems is proposed. The resource allocation problems are to allocate resources to activities so that the fitness becomes as optimal as possible. The objective of this paper is to develop an efficient algorithm to solve resource allocation problems encountered in practice. Various genetic algorithms are studied and a heuristic genetic algorithm is proposed to ameliorate the rate of convergence for resource allocation problems. Simulation results show that the proposed algorithm gives the best performance.     

Distributed replica placement algorithms for correlated data

In distributed systems, data may be correlated due to accesses from clients and the correlation has some impact on date placement, and existing research works focus on independent data objects. In this paper, we address both the scalability and the stability of the data placement solutions in internet environment. We first show that replica allocation decisions can be made locally for each replica site in a tree network, with data access knowledge of its neighbors. We then develop a new replication cost model for correlated data objects in Internet environment. Based on the cost model and the algorithms in previous research, we develop a distributed optimal replica allocation algorithm (DOPR) for correlated data in internet environment. A distributed heuristic algorithm (DHPR) is then developed to efficiently make replica placement decisions. The algorithm obtains sub-optimal solutions for the correlated data model and yields significant performance gains. Experimental studies show that the distributed heuristic allocation algorithm significantly outperforms the general frequency-based replication schemes (in which the replication decision of each data object is made based on the number of accesses on that data object).     

系统级综合中结合资源分配的调度算法

在系统级综合中,资源的分配通常由设计者指定,或在设计空间搜索的最外层循环中进行枚举探索.提出了一种结合资源分配的启发式调度算法.它根据当前系统划分的结果,在调度过程中寻找合适的所需资源实例的数目,从而确定系统的资源分配以及调度指派方案.应用该调度算法可使设计空间搜索过程简化为划分、调度和评估三个步骤,省去了最外层的资源分配枚举循环,提高了搜索效率.实验结果验证了该算法的可行性和有效性.     

可变频宽无线网络中信道频谱分配与链路调度

考虑信道频宽对链路传输距离和链路间干扰的影响,对可变频宽无线网络现有的累积干扰模型进行了改进,并基于改进的干扰模型对可变频宽无线网络的信道频谱分配和链路调度问题进行了建模分析。设计了一种两层优化算法对信道频谱分配和链路调度问题进行解耦,提出了一种考虑链路负载需求满足程度的链路优先级指标,启发式地构建并发传输信道分配矩阵的方法。仿真结果表明,两层优化算法能够在合理时间内收敛,启发式方法能够高效地构建并发传输信道分配矩阵。     

基于任务分解与强化学习的多平台协同火力分配方法

为了有效求解多平台协同火力分配问题,根据“分而治之”的思想,基于任务分解策略将复杂的决策任务分解为子目标平台选择和子平台火力分配两个阶段,通过融合启发式算法和强化学习模型,提出一种新的强化学习求解方法(HARL),并以多平台联合火力打击为作战背景进行实验仿真.子目标平台选择层根据当前状态,基于强化学习策略选择攻击当前子目标最适合的火力平台;而子平台火力分配层则使用启发式算法为执行攻击任务的平台规划最优的火力分配方案.实验结果表明,融合启发式算法和强化学习的HARL方法相比于传统的强化学习算法武器消耗量减少15%以上,相比于经典的启发式算法求解时效性提升20%以上,表明该研究成果可为未来求解复杂作战决策问题提供有力的技术支持.     

树型网格计算环境下的独立任务调度

任务调度是实现高性能网格计算的一个基本问题,然而,设计和实现高效的调度算法是非常具有挑战性的.讨论了在网格资源计算能力和网络通信速度异构的树型计算网格环境下,独立任务的调度问题.与实现最小化任务总的执行时间不同(该问题已被证明是NP难题),为该任务调度问题建立了整数线性规划模型,并从该线性规划模型中得到最优任务分配方案??各计算节点最优任务分配数.然后,基于最优任务分配方案,构造了两种动态的需求驱动的任务分配启发式算法:OPCHATA(optimization-based priority-computation heuristic algorithm for task allocation)和OPBHATA(optimization-basedpriority-bandwidth heuristic algorithm for task allocation).实验结果表明:在异构的树型计算网格环境下实现大量独立任务调度时,该算法的性能明显优于其他算法.     

File and workload allocation design for distributed database on a two-level local multi-access computer network

This paper presents an analytical model to allocate files and workload simultaneously among heterogeneous servers that operate distributed databases on a two-level local multi-access computer network. The allocation problem is presented in the form of a non-linear integer programming model. The model incorporates both local processing and data communication overhead. The problem is NP-complete and thus a heuristic is developed. To illustrate its suitability, the heuristic is compared with an exhaustive enumeration method for small problems and with a genetic algorithm for large problems. Computational results imply that the heuristic provide effective database designs.