基于最小价值的流媒体缓存替换算法

为提高基于P2P流媒体系统的服务质量,提出了一种基于最小价值的流媒体缓存替换算法SDU.研究了现有的缓存替换算法,通过对现有的缓存替换算法的理解、研究和分析,得出了现有的缓存替换算法在P2P网络节点间效率不高.对P2P网络和流媒体系统的分析研究,提出了SDU算法.该算法综合考虑了副本的供求关系、数据的紧迫度和数据的字节...     

ACACRA:一种新的网络缓存替换算法

为了提高网络缓存的命中率,分析了背包问题与缓存替换问题之间的异同,证实了缓存替换问题是一种典型的0/1背包问题,并由此借鉴求解0/1背包的蚁群算法模型的思路,提出了一种实施在应用层的基于蚁群算法的缓存替换算法ACA-CRA.该算法综合考虑了缓存数据的大小,被命中次数和在缓存中存留的时间来判定该缓存的缓存价值,并利用蚁群算法中正反馈机制使得缓存中保持的都是缓存价值较大的缓存数据,从而提高缓存命中率.并通过仿真实验证明了该算法的可行性和有效性.     

一种有效的Web代理缓存替换算法

设计良好的Web缓存替换策略能使网络上的资源得到最有效的利用。文章设计了一个较有效率的Web缓存替换策略LFRU,期望以较佳的方式获得网络资源及改善Web缓存的性能和服务质量。实验结果表明该策略有较高的文档命中率和字节命中率。     

基于最小延迟代价的Web缓存替换算法研究

命中率、字节命中率和延迟时间是Web缓存系统中最重要的性能指标,但是却难以准确、合理地度量不同大小的Web对象的访问延迟.引入字节延迟的概念,为不同的对象延迟建立了一个比较合理的评价标准.提出最小延迟代价的Web缓存替换算法LLC,使用户访问的延迟时间尽可能缩短.实验结果表明,与常用的缓存替换算法相比,LLC算法在有效减少用户感知的访问延迟方面具有较好的性能表现.     

基于背包理论的流媒体缓存算法

为了使缓存总体效益最大化,基于字节命中率,利用0-1背包对代理缓存建立模型,给出流媒体缓存替换算法。实验结果表明,与传统流媒体缓存算法相比,该算法能减少占用带宽,提升缓存写入效率,具有较高的字节命中率。     

基于对象角色的高精度缓存替换算法*

现有的Web缓存器的实现主要是基于传统的内存缓存算法,由于Web业务请求的异质性,传统的替换算法不能在Web环境中有效工作。研究了Web缓存替换操作的依据,分析了以往替换算法的不足,考虑到Web文档的大小、访问代价、访问频率、访问兴趣度以及最近一次被访问的时间对缓存替换的影响,提出了Web缓存对象角色的概念,建立了一种新的基于对象角色的高精度Web缓存替换算法(ORB算法);并以NASA和DEC的代理服务器数据为例,将该算法与LRU、LFU、SIZE、Hybrid算法进行了仿真实验对比,结果证明,ORB算     

基于最小效用的流媒体缓存替换算法

提出最小缓存替换算法SCU-K，综合考虑流媒体文件最近K次访问情况，使缓存大小动态适应媒体流行度、字节有用性和已缓存部分大小的变化，降低了文件前缀部分被替换的概率，避免LRU和LFU算法中出现的媒体文件被连续替换的问题。在与LRU，LFU和LRU-2算法的对比实验中，SCU-K算法在提高缓存空间利用率、字节命中率和降低启动延迟方面具有更好的性能。     

基于顺序检测的双队列缓存替换算法

缓存技术是提高存储性能最有效的技术之一,在存储系统中得到了广泛应用.由于缓存容量有限,替换算法在缓存策略中占据了重要地位.当前,缓存替换算法的研究工作主要集中在如何提高缓存系统命中率,忽略了通过降低缓存失效开销来提高缓存系统性能方面的研究.针对这一问题,本文提出了一种基于顺序检测的双队列缓存替换算法:本算法优先淘汰缓存中的顺序页面,保留随机页面,从而大大减少后续请求对磁盘进行随机访问的次数,能够显著降低缓存系统的失效开销.同时,本算法使用两个队列分别维护新加入页面和待淘汰页面,遵循时间局部性原理,保证了缓存命中率.实验结果表明,本算法在多种缓存大小及工作负载下,可以达到比LRU和ARC算法更优的性能.     

移动即时通讯软件的缓存替换策略

近年来,移动即时通讯软件功能越来越多样化,其聊天记录等数据的规模也越来越大,这给本身空间有限的移动终端的存储和处理带来很大压力。为了解决以上问题,研究和分析了移动即时通讯软件中针对不同部分的聊天记录用户的行为特点,进而探究了用户行为和缓存价值之间的联系,提出了一种基于用户浏览行为的缓存替换策略,针对每部分缓存的数据对用户的价值有选择地替换记录缓存。该策略可以很好地适应移动终端小内存、低带宽和即时通讯软件高时效性等要求。实验证明,所提策略具有较高的缓存命中率,且可有效控制即时通讯软件的缓存大小。     

基于缓存价值的命名数据网络缓存优化策略

为了解决当前命名数据网络（Named Data Network）中的传统缓存决定策略如LCE (Leave Copy Everywhere)、LCD (Leave Copy Down)、Prob (Copy with Probability)中存在的由于路由器缓存利用不合理导致的路由器缓存命中率过低,及满足用户请求所需跳数过多导致的时延过大等问题,提出一种基于缓存价值的缓存策略。该策略结合兴趣包路由跳数与所请求数据包大小,以及兴趣包所经过路由节点缓存情况,计算数据包缓存价值,由此将数据包缓存在合适的节点,以提高缓存命中率。在此基础上考虑下游节点的过滤效应,提出相对于传统缓存替换策略LRU、LFU的基于动态缓存价值的缓存替换策略,以进一步提高缓存命中率。经过大量仿真对比实验,验证了本文提出算法的有效性及可用性。     

基于预测的Web缓存替换策略

为提高Web缓存性能，在缓存替换算法的基础上加入预测机制，提出了基于预测的Web替换策略P-Re。预测算法采用PPM上下文模型，当缓存空间不够用来存放新的对象时，P-Re选择键值较小且未被预测到的对象进行替换。实验表明，基于预测的Web缓存替换算法P-Re相对于传统替换算法而言具有较高的命中率和字节命中率。     

面向多图层的空间矢量数据缓存更新策略研究

为提高P2P空间矢量数据索引网络的性能,在已有混合结构P2P空间索引网络的基础上,引入缓存机制,并提出了一种新的面向多图层的空间矢量数据缓存更新策略。该策略针对空间矢量数据多图层特性,综合考虑图层优先级以及查询频率对于缓存更新的影响,合理地利用了缓存空间。同时,将缓存更新抽象成0/1背包问题的数学模型,采用遗传算法对其优化求解。仿真结果表明该缓存更新策略可以增加缓存命中率,提高空间索引效率。     

基于期望预测价值的时移代理缓存替换算法

分析移动多媒体广播上时移业务的特点,描述了可预测用户行为的时移代理服务器资源调度策略,并提出一种基于期望预测价值的时移代理服务器缓存替换算法。仿真实验结果表明,该算法与传统的FIFO算法相比较,提高了缓存的预测命中率,减少了用户平均等待延迟。     

基于势能冷却的内容中心网络缓存替换算法

针对目前内容中心网络CCN缓存替换策略所存在的效率低下等问题,引用物理学中“势能”的概念,并结合“自然冷却”这一自然现象,提出了一种基于势能冷却的替换算法PEC-Rep。根据被访问的次数以及时间间隔,准确判断出内容在未来一段时间内的使用价值,在进行内容替换时,将价值最小的内容删除,使得节点中的内容保持最大价值,满足用户的后续请求。仿真结果表明,PEC-Rep可以有效地提高域内缓存命中率,减轻服务器的负载,提高CCN的整体性能。     

An efficient algorithm for the collapsing knapsack problem

The collapsing knapsack problem (CKP) is a type of nonlinear knapsack problem in which the knapsack size is a non-increasing function of the number of items included. This paper proposes an exact algorithm for CKP by partitioning CKP to some subproblems, then solving them with the improved expanding-core technique. The proposed algorithm solves the subproblems in the special processing order resulting in the reduction of computing time. Experimental results show that the proposed algorithm is an efficient approach for various random instances of size up to 1000.     

基于蚁群算法的多维0-1背包问题的研究

系统地阐述了蚁群算法,并对它进行改进、优化。将蚁群算法应用于求解多维0-1背包问题,提出一种求解多维0-1背包问题的算法——多维0-1背包问题蚁群算法。它大大减少了蚁群算法的搜索时间,有效改善了蚁群算法易于过早地收敛于非最优解的缺陷。仿真实验取得了较好的结果。     

目标0-1背包问题的元胞竞争决策算法*

为求解多目标0-1背包问题,基于竞争决策算法原理和多目标优化问题的特性,提出了一种求解多目标0-1背包问题的元胞竞争决策算法。将元胞自动机演化规则引入竞争决策算法,给出了算法的具体描述,并使用Delphi 7.0实现了算法的具体步骤。为了提高多目标非劣解(Pareto解)的分布性和多样性,利用全局经验作为指导,在最稀疏的Pareto解附近进行邻域搜索。经过大量数据测试和验证,该算法具有真实的Pareto前沿逼近效果,是一种多目标优化问题的有效方法。     

遗传变异蝙蝠算法在0-1背包问题上的应用

0-1背包问题是经典组合优化NP难题。在蝙蝠算法的基础上结合遗传变异的思想,引入主动进化算子、无效蝙蝠和当前最优位置蝙蝠集聚的处理规则,提出了遗传变异蝙蝠算法,并将其用于求解0-1背包问题。仿真结果表明：该算法在收敛速度和精度上优于基本蝙蝠算法,并且能够有效地求解0-1背包问题。