P2P网络中的局域搜索免疫

针对P2P网络的特性,本文提出了一种局域搜索免疫。实验使用SIS病毒传播模型征BA无标度网络和实际网络中测试了局域搜索免疫策略,结果表明与其它免疫策略相比,该策略可以通过免疫相等或较少的节点来消灭病毒。     

不均匀网络中的局域搜索免疫

当前研究的热点是怎么样用最小的代价对人群网络或计算机网络进行免疫。基于节点连接的不均匀性提出的目标免疫被认为是最好的免疫策略。已知邻居节点的度数,在不均匀网络中提出了局域搜索免疫。与目标免疫策略相比,该策略可以通过免疫相等或较少的节点来消灭病毒。实验使用SIS病毒传播模型在ER随机网络、BA无标度网络和两种实际网络中测试了局域探索免疫策略,它的免疫性能随着聚类系数的增加而增加。     

删除边的免疫策略

为了使用更少的免疫数量且更快地消灭病毒,提出了基于删除边的免疫策略。该策略根据边与重要节点之间的关系,对重要节点直接相连的边或任意两个重要节点与其共同邻居节点之间的边进行免疫。实验使用SIS病毒传播模型,分别在ER随机网络、BA无标度网络和几种实际网络中测试了该策略的免疫临界值以及对应网络的连通度,结果表明：删除边的免疫策略与目标免疫策略相比可以通过免疫较少的节点来消灭病毒,并且可以更好地保持网络的连通性。     

复杂网络中选举免疫策略研究

受现代社会选举制度启发,提出了一种新的节点免疫策略,提出的选举免疫策略按节点得票数量多少选择节点并免疫。基于消息传递方法,给出了大规模配置模型网络上SIR传染病模型的选举免疫策略的数学解析,并比较了选举免疫、随机免疫、目标免疫和熟人免疫策略的效果。数学解析结果和仿真结果表明,选举免疫能够有效控制疾病在无标度网络上的传播。     

无标度网络中基于最短路径免疫策略的病毒传播研究

传统病毒免疫策略大多基于网络的全局拓扑信息。然而现实生活中的大部分复杂网络仅仅只能了解其局部 拓扑信息。鉴于许多实际复杂网络具有无标度特性,研究了在无标度复杂演化网络中基于网络局部拓扑信息最短路 径免疫策略的病毒传播现象。利用平均场理论建立含个体抵杭力重要因素的无标度网络病毒传播模型,并引入基于 最短路径的免疫策略。比较了随机免疫、目标免疫和最短路径免疫3种策略对无标度复杂网络病毒传播的影响,结果 表明了基于最短路径免疫策略的有效性。     

基于熟人免疫的复杂网络免疫策略

针对目标免疫和熟人免疫的不足,提出一种综合的免疫算法,即随机选择一些节点,根据节点的不同特征采取合适的免疫措施。本算法保留了熟人免疫的优点,即完全基于本地信息、不需要获知网络的全局结构和识别高连接度节点,在需要免疫的节点数量与目标免疫相同的情况下,具有理想的免疫效果。通过对几种算法在无尺度网络、随机网络以及真实世界网络上进行仿真比较,验证了本算法具有更好的免疫效果和更广泛的应用条件。     

无标度网络的最大-最小度搜索算法

许多实际的复杂网络具有无标度的特性,其中高连接度的节点具有重要作用.研究无标度网络的搜索算法.基于最大度的节点的搜索算法只适用于幂律度分布的指数介于2.0和2.3之间的无标度网络.对该算法做出了改进,提出了可适用于较大幂律指数的无标度网络的局部搜索的最大-最小度搜索算法.最大-最小度算法和人们熟知的随机游走、最大度搜索策略相比,更加充分利用了网络节点度分布特性,从而获得了更优的搜索效果,文章从理论分析和仿真结果两方面证实了这一点.     

基于微博用户关系演化网络的谣言免疫机制研究

在分析随机免疫、熟人免疫及目标免疫三种经典免疫机制在微博用户关系演化网络上的免疫特性的基础上,针对微博用户关系演化网络的具体特点,提出一种新的目标免疫策略。研究表明,当节点吸引度满足均匀分布时,随机免疫和熟人免疫的免疫效果基本一致。当节点吸引度满足指数分布时,熟人免疫的性能较优。研究还发现,对于节点吸引度服从均匀分布及指数分布的情况,目标免疫明显优于其他两种免疫策略,但是低于本文提出的新目标免疫机制。     

无标度网络中的边免疫策略

针对无标度网络提出一种边免疫策略,与目标免疫相比,该策略可使网络获得更高的传播临界值,并能更好地保持网络的连通性。采用SIS病毒传播模型,分别在BA无标度网络和HEP网络中进行仿真实验,结果表明,该免疫策略可以减少免疫剂量并能有效控制病毒传播。     

二部无标度网络上病毒传播模型和免疫策略研究

针对计算机网络上的病毒传播问题,提出一种二部无标度网络,其节点分为客户机和服务器两类。在二部无标度网络上应用易感-感染-易感(SIS)传播模型,采用率方程的方法研究二部无标度网络上病毒的状态转移和临界行为,得出客户机感染密度与服务器感染密度的关系式。在SIS模型的基础上利用免疫策略,针对相同的网络拓扑和病毒传播模型,分析比较免疫策略的免疫功能,并给出支持理论结果的数值模拟,结果验证了随机免疫、节点度免疫与相识点免疫策略都具有防御病毒传播的功能,并且防疫能力依次增强。     

基于加强概率控制策略的SAT局部搜索算法

局部搜索算法是目前求解SAT问题比较有效的方法,而Sattime算法是在SAT国际大赛中获得大奖的一种典型局部搜索算法。在Sattime算法的求解过程中,记录变元翻转事件流数据库,通过数据分析与模式挖掘,发现Sattime算法的局部搜索行为中会出现相邻搜索步选择同一个变元的现象,即所谓的回环现象,从而降低了求解效率。为解决此问题,提出两种概率控制策略：加强子句选择策略和加强变元选择策略,并将这两种策略应用到Sattime算法中,形成新的局部搜索算法Sattime-P。实验结果表明,与Sattime算法相比,改进后的Sattime-P算法求解效率有显著的提升。该方法也对其他局部搜索算法的改进具有参考价值。     

基于动态搜索策略的人工蜂群算法

为避免人工蜂群算法陷入早熟,提出一种基于动态搜索策略的人工蜂群算法,新算法改进了人工蜂群算法的搜索策略,将两种不同的搜索策略组合成新的搜索策略,以便动态利用两种不同搜索策略的优点,平衡了算法的局部搜索能力和全局搜索能力。基准函数的仿真实验表明,新算法收敛速度快、求解精度高、鲁棒性较强,适合求解高维复杂的全局优化问题。     

复杂网络中的弱化免疫策略分析

针对免疫策略在病毒免疫时会删除网络结构级联边从而出现削弱网络连通效率的问题,提出一种含权网络特定的病毒弱化免疫策略方法。该方法通过构建SI病毒传播模型,给出该模型的病毒感染密度演化公式。理论分析表明:病毒传播率与网络结构的异化性有密切关系,节点度的大小会影响病毒传播的效果,同时弱化免疫策略能衰减连边权值降低传播率,达到遏制病毒传播保留网络连通效率的目的。计算机仿真结果验证了理论模型的可行性和弱化免疫的合理性。最后,将弱化免疫策略应用到局域世界以及目标免疫策略中,更进一步说明了弱化免疫策略能有效控制病毒传播速度。     

多策略粒子群优化算法

为了克服粒子群优化算法易早熟、局部搜索能力弱的问题,提出了一种改进的粒子群优化算法--多策略粒子群优化算法。在群体寻优过程中,各粒子根据搜索到的最优位置的变动情况,从几种备选的策略中抉择出当代的最优搜索策略。其中,最优粒子有最速下降策略、矫正下降策略和随机移动策略可以选择,非最优粒子有聚集策略和扩散策略可以选择。四个典型测试函数的数值实验结果表明,新提出的算法比标准粒子群优化算法具有更强和更稳定的全局搜索能力。     

加权无标度网络病毒传播和局部免疫策略研究

为了进一步描述现实生活中复杂网络的病毒传播问题,改进加权无标度网络模型的传统构造方法,考虑流量带宽和个体抵抗力两个重要因子,利用平均场理论模拟仿真病毒传播过程,对实验数据进行分析,验证该模型的有效性.现实生活中往往只能了解复杂网络的局部拓扑信息,传统病毒免疫策略大多基于全局拓扑信息,在仅了解局部信息的前提下,提出加权无标度网络中基于局部最优的病毒免疫策略,通过动态模拟病毒传播的免疫仿真实验,与随机免疫策略和目标免疫策略对病毒传播影响进行比较,验证局部最优免疫策略的有效性.     

Meta-Lamarckian learning in memetic algorithms

Over the last decade, memetic algorithms (MAs) have relied on the use of a variety of different methods as the local improvement procedure. Some recent studies on the choice of local search method employed have shown that this choice significantly affects the efficiency of problem searches. Given the restricted theoretical knowledge available in this area and the limited progress made on mitigating the effects of incorrect local search method choice, we present strategies for MA control that decide, at runtime, which local method is chosen to locally improve the next chromosome. The use of multiple local methods during a MA search in the spirit of Lamarckian learning is here termed Meta-Lamarckian learning. Two adaptive strategies for Meta-Lamarckian learning are proposed in this paper. Experimental studies with Meta-Lamarckian learning strategies on continuous parametric benchmark problems are also presented. Further, the best strategy proposed is applied to a real-world aerodynamic wing design problem and encouraging results are obtained. It is shown that the proposed approaches aid designers working on complex engineering problems by reducing the probability of employing inappropriate local search methods in a MA, while at the same time, yielding robust and improved design search performance.     

加权网络中考虑边权和度的熟人免疫策略

在加权网络中,节点之间的边权值代表节点之间联系的紧密程度,节点的度表示该节点的邻居个数。为了有效抑制加权网络中的病毒传播,提出一种考虑边权和度的熟人免疫策略（AI-CWD）。该策略考虑免疫边权值与度乘积最大的节点,并分别在人工网络和真实网络中对该策略进行了实验分析。同时,进一步研究了边权值和度在乘积中的占比对该策略免疫效果的影响。研究结果表明,在相同的免疫节点密度下,对边权值与度乘积最大的节点进行免疫后网络中感染节点的密度比最大权值免疫、改进的熟人免疫和基于ClusterRank算法免疫的方法要低,亦即AI-CWD免疫效果要优于以上三种免疫策略。并且在相同免疫节点密度下,通过对边权值和度的占比与感染节点密度关系的研究,可以得出：存在一个最优的[α]值,使得最终的感染节点密度最低。     

基于领导者竞争策略的改进猎人猎物优化算法

针对猎人猎物优化算法寻优精度低和易陷入局部最优等问题,提出了一种基于领导者竞争策略的改进猎人猎物优化算法。首先将种群随机分为三个亚群,采用不同的搜索策略,扩大搜索范围;其次,采用精英组合突变策略,提升种群子代多样性,规避局部最优值;最后,提出领导者竞争策略,利用个体间的信息交流,统合各个策略,筛选出最优变量。通过数值实验以及在工程优化问题上的应用结果表明,所提算法相较于对比算法具有更为优异的寻优能力,验证了改进策略的有效性和可靠性。