基于身份的强指定验证人签名方案*

在有些情况下, 需要将验证者限定为某一个人。 利用基于身份的密码体制, 提出了一种强指定验证人签名和一种强指定验证人多重代理签名, 并对其安全性进行了分析。 在签名代价和验证代价上, 提出的强指定验证人签名比Kang等人的方案要低。提出的强指定验证人多重代理签名可以同时授权给n个代理人, 可以有效防止代理签名人对签名权的滥用。     

一种新的多重代理多重数字签名方案*

基于离散对数问题,提出了一种新的多重代理多重签名方案,该方案指定了签名验证人,在门方案的基础上又完善了签名过程,最终签名由其中一位代理人给出,从而避免了门方案中不具有追踪性、可滥用签名权的漏洞,签名体现了签名者身份信息,进一步防止了伪造攻击,是一种相对安全的多种代理多重数字签名方案。     

新的基于ID的身份鉴别方案

针对网络环境下用户身份的鉴别问题,依据双线性加群上计算性Diffie-Hellman问题的困难性假设建立了一个随机语言模型,采用了无证书公钥密码体制私钥生成方法,首次提出了一个能有效抵抗重置攻击和冒充攻击的基于身份(ID)的身份鉴别方案.新方案避免了基于公钥证书诸多方案的密钥吊销问题,也避免了基于身份的诸多方案所涉及的密钥托管问题,并释放了传统的基于身份的方案中私钥生成中心(PKG)无条件可信假设.在随机预言模型下对新方案进行了安全性证明.结果显示,即使PKG参与了主动并行攻击,多项式时间敌手冒充攻击成功方案的概率可以忽略.     

求解约束优化问题的引导多目标差分进化算法

将约束优化问题转化为带偏好的双目标优化问题,用差分进化算法求解转化问题。为了克服基于Pareto支配关系的多目标算法求解转化问题时没有考虑问题偏好、收敛慢等缺点,借助多目标α-支配关系的特点,提出了基于动态α-支配的新适应度函数。新适应度函数根据种群中可行解的比例动态平衡进化过程中对两个目标的偏好,引导算法不断向问题的偏好区域靠近,从而快速收敛到约束优化问题的最优解。对6个标准测试函数的数值实验结果表明:基于α-支配的动态引导多目标差分进化算法能快速收敛到问题的最优解。与3种经典高效算法的比较说明,所提出算法的鲁棒性强且效率高。     

软BCK代数

提出了软BCK代数的概念,研究了软BCK代数的并,交和乘积运算,讨论了这些运算的代数性质。     

基于可能性测度的计算树逻辑

首先,提出了可能的Kripke结构的定义,建立了可能的Kripke结构的可能性测度空间,并分析了可能的Kripke结构的一系列性质,即任一路径转移的可能性可由其初始状态的可能性分布与各转移的可能性取下确界而得到;依据可能的Kripke结构所定义的可能性测度具有其合理性等等。其次,给出了可能性计算树逻辑(PoCTL)的概念,讨论了两个PoCTL状态公式以及PoCTL与经典计算树逻辑(CTL)公式的等价性。最后,证明了PoCTL公式有与CTL*公式中"一致性"相对应的公式。     

奇异时滞系统的全阶规范观测器的设计

由于奇异时滞系统代数结构的复杂性,往往在构造观测器的结构和计算系数矩阵时遇到很大的困难.利用Lambert W函数的特征值配置技术,给出了奇异时滞系统的全阶规范观测器的新的设计步骤.在此基础上,利用Simulink建模对观测器的可行性进行了验证,并通过Matlab对具体算例进行了仿真.仿真结果表明系统的动态误差状态渐进稳定.因此,算法是一种针对奇异时滞系统的观测器设计的有效方案.     

差分演化算法在约束优化问题中的应用

差分演化算法的变异机制没有充分利用种群的信息,导致变异是盲目的。受到粒子群算法信息共享机制的启发,文中提出了一种多群体差分演化算法,新算法将整个种群分成多个子种群,每个子种群通过借鉴本种群的内部经验与整个种群的外部经验对变异进行指导。一方面,由于变异操作借鉴了子种群的局部信息和整个种群的全局信息,提高了算法收敛的速度;另一方面,多个子群体增强了种群的多样性,提升了算法的全局搜索能力。数值实验表明新算法具有很强的稳定性和全局搜索能力,在相同计算复杂度情况下的全局搜索能力较原始差分演化算法有明显提升,可以有效求解约束优化问题。     

BR_0代数中的次极大滤子

首先在BR0代数M中引入滤子,然后又给出了M中次极大滤子的概念,并讨论了它的性质,得到了BR0代数中的每个滤子都可表示为一些次极大滤子的交的结果。特别地,在满足滤子降链条件的BR0代数中,每个滤子都可表示为有限个次极大滤子的交。     

异质性和时滞作用下神经元网络的共振动力学

利用参数互异的Fitzhugh-Nagumo神经元构建了含耦合时滞的无标度神经元网络模型,通过数值模拟的方法,提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学.结果发现,当耦合项中不含时滞时,适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优,即适中的参数异质性能够诱导神经元网络的共振响应,而且异质性诱导共振对耦合强度具有鲁棒性.更重要的是,耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响.当时滞约为信号周期的整数倍时,神经元网络能够周期性地出现共振现象,即适当的耦合时滞能够诱导神经元网络的多重共振,而且这种现象在异质性参数的适当范围内都能明显出现.