基于改进遗传算法的QoS感知Web服务组合

传统遗传算法在种群初始化的时候,普遍采用均匀取种法或随机取种法,这些方法生成的种群的平均适应度比较低,难以保证算法的搜索效率。文中提出一种改进的遗传算法用于QoS敏感的Web服务组合,采用两种不同的算法进行服务选择,避免了随机生成初始种群给算法带来的负面影响。并且,该算法将路径模板化以减少服务组合的工作量,用染色体可变长的编码方式来解决组合服务的多路径选择问题。通过仿真实验,与传统的算法相比,所提出的算法在实现服务组合时收敛更快,最优解的适应度更高。     

基于双线性映射和属性证书的远程证明方案

针对现有TCG组织定义的远程证明机制证明过程复杂和隐私泄漏的不足,通过使用基于双线性映射的BBS’签名算法和属性证书机制代替平台配置信息的方式,提出了一种基于双线性映射和属性证书的远程证明方案（Bilinear Mappingand Property Based Attestation,BMPBA）。与已有的远程证明方案相比,BMPBA方案更好地降低了平台配置信息易泄露的风险,其使用的签名方案具有密钥与签名长度短和计算效率高的优点,从而提高了远程证明机制的运行效率。分析结果表明：利用该方案能够高效率地实现平台间的远程证明,并能较好地保证平台证明的安全性、正确性和不可伪造性。     

基于预测与优先级缓存的MIPv6切换算法

为了提升移动IPv6的切换性能,保证实时性要求高的音频、视频等业务的服务质量,针对去除DAD过程的RDMIPv6方案未考虑在传输速率相对较慢的无线信道中,移动节点向NAR本地注册所产生的时延以及切换过程中引入的丢包问题,提出一种优化方案PCRD-MIPv6。PCRD-MIPv6方案结合基于L2触发的切换预测和数据包优先级缓存机制,在L2切换完成之前向移动节点MN维护的接入路由器缓存列表T_AR中的所有AR发送MOA实现本地注册,与此同时,将切换过程中的数据包按优先级缓存在PAR中,在切换完成后发往移动节点,从而减少切换过程中的丢包率。NS-2仿真结果表明,PCRD-MIPv6方案有效地减少了切换时延,降低了切换过程中的丢包率。     

自适应收扩系数的双中心协作QPSO算法

针对量子粒子群优化(QPSO)算法迭代后期种群多样性下降、收敛速度慢、易陷入局部最优的缺点,提出一种自适应收缩-扩张系数的双中心协作最子粒子群优化算法。该算法从2个方面进行改进:(1)自适应调节收缩-扩张系数,其目的是帮助粒子跳出局部最优点,提高粒子的全局搜索能力;(2)双重更新全局最优位置,即在每次迭代中,先后分别采用2种不同的方式更新全局最优位置。第1种方式与QPSO算法一致,第2种方式则引入双中心粒子,使其和当前全局最优位置在相应维度上合作,从而达到更新全局最优位置的目的。从固定迭代次数和固定精度角度分析算法性能,仿真结果表明,相比于QPSO算法,该算法在保证复杂度较低的情况下,可提高收敛速度,增强全局和局部搜索能力。     

线性递减的粒子群优化算法

粒子群优化算法（ PSO）是一种仿生类的全局优化算法,它借助记忆与反馈机制完成了寻优搜索。该算法受到了鸟类觅食活动的启发而得,其基本思想源于对鸟类简化社会模型的研究及行为模拟,其中的每个个体充分利用自身与群体的智能,不断地调整学习,最终得到满意解。该算法常用于求解非线性问题、组合优化问题等。因其具有易理解,易实现,控制参数少,收敛速度快等优点,该算法一经提出就吸引了广泛的关注,逐渐成为一个新的研究热点。然而粒子群优化算法也有些不足,如搜索精度不高,易早熟以及易陷入局部极值等。而且算法在搜索后期也有产生振荡现象的可能,使得算法收敛起来会较慢。所以,文中就粒子群在迭代后期所出现的振荡现象进行了研究,并作出改进,提出了一种飞行时间单调递减的粒子群优化算法。新算法改善了算法的寻优能力,减小了粒子在寻优过程中的振荡现象。     

云计算中的数据安全存储和加密模型的设计

随着时代的快速发展,网络技术也正在进行着新的变革,现阶段最受到人们关注的热点无疑就是云计算,它已经成为计算机领域中最新兴的研究重点。然而,云计算中的安全问题已经成为制约云计算快速发展和推广的关键问题,如何快速、安全地存储和传输生成于云环境中的大量数据,也已成为新的研究重点。文中在分析云计算中数据不安全因素的基础上,通过对云端数据进行合理加密的技术手段,实现了一种有效的安全数据存储和加密的服务模型,达到了对云环境中的数据进行安全的数据存储和备份。     

基于CTI呼叫中心的ACD算法研究

通过阐述了基于CTI（计算机电话集成）技术呼叫中心的经典ACD（自动呼叫分配）排队Erlang—C模型,并分析了其实际应用中的缺陷,在此基础上提出了两种改进ACD算法：线性加权优先级排队算法、预测等待时间算法,这两种算法具有很大的灵活性,实用性及智能性!     

界标窗口中数据流频繁模式挖掘算法研究

数据流的流量太大会无法被整个存储,或被多次扫描。为此,在研究已有挖掘算法的基础上,提出一种界标窗口中数据流频繁模式挖掘算法DSMFP_LW。利用扩展前缀模式树存储全局临界频繁模式,实现单遍扫描数据流和数据增量更新。实验结果表明,与Lossy Counting算法相比,DSMFP_LW算法具有更好的时空效率。     

具有数据丢失的离散复杂动态网络H_∞控制

考虑到复杂动态网络节点之间的信息传输存在数据丢失和信道干扰的现象,利用Bernoulli随机序列描述数据丢失,得到离散复杂动态网络模型。在此模型基础上,基于Lyapunov稳定性理论和随机分析方法,提出了一种新的H∞控制方案,使得复杂动态网络的控制输出满足一定的H∞性能指标。该控制方案以线性矩阵不等式形式描述,给出了存在数据丢失时,离散复杂动态网络的H∞控制器设计准则。以20个节点的离散复杂动态网络为例,进行了数值仿真。仿真结果表明所设计的H∞控制器能够使耦合数据丢失的复杂动态网络均方渐近稳定,且满足一定的H∞性能指标。     

基于PBAC模型和IBE的医疗数据访问控制方案

医疗卫生领域形成的医疗大数据中包含了大量的个人隐私信息,面临着外部攻击和内部泄密的潜在安全隐患。传统的访问控制模型没有考虑用户访问目的在侧重数据隐私的访问控制中的重要作用,现有的对称、非对称加密技术又都存在密钥管理、证书管理复杂的问题。针对这些问题,提出了综合应用PBAC模型和IBE加密技术的访问控制方案,支持针对医疗数据密文的灵活访问控制。通过加入条件目的概念对PBAC模型进行扩展,实现了对目的树的全覆盖;以病患ID、条件访问位和预期目的作为IBE身份公钥进行病患数据加密,只有通过认证并且访问目的符合预期的用户才能获得相应的私钥和加密数据,从而实现对病患信息的访问。实验结果证明,该方案达到了细粒度访问控制和隐私保护的目的,并具有较好的性能。