基于蚁群算法的非结构化P2P网络资源搜索策略

针对非结构化P2P网络资源搜索算法中冗余消息数过多、搜索效率低等问题,提出一种基于蚁群算法的非结构化P2P网络资源搜索策略,该策略利用蚂蚁信息素的正反馈原理,同时综合考虑邻居节点度和邻居-邻居节点信息,选择下一条邻居节点路径转发查询消息,有效地指导资源搜索路径的生成。实验结果表明,该算法在一定程度上减少了大量的冗余查询消息,提高了资源搜索的成功率,是一种有效的非结构化P2P网络资源搜索策略。     

OHQFS:一种非结构化P2P网络中数据查询搜索新策略

为了提高非结构化P2P网络中数据查询搜索的效率,提出一种新型的一跳查询与转发数据搜索新策略（OHQFS）,它是以非结构化P2P网络中的数据查询请求转发策略和非转发策略为基础,将它们整合、集成后得到的一种新策略.OHQFS策略中的查询源结点直接搜索其自身的所有邻居节点,并将查询请求转发给这些邻居节点,使得这些邻居节点再去搜索它们的相邻节点.该策略在数据查询搜索过程中无须维持一个很大的邻居节点信息集合,系统维护开销较小,通过本策略中固有的一步查询转发,使其邻居节点和邻居的邻居节点处于查询搜索范围内.网络仿真的实验结果表明,OHQFS策略相对于转发搜索策略而言,它提高了查询效率;而相对于非转发策略,它获得了较高的成功率.     

基于邻近度的结构化P2P路由算法研究

在P-Grid路由算法的基础上,采用邻近度路由技术,设计一种新的分布式结构化P2P路由算法,该算法对P-Grid的路由表构建和维护进行了改进,在路由表构造时,选择距离自己较近的节点作为邻居节点,以使overhv网络拓扑尽可能反映其在底层的物理网络拓扑,使得访问节点能够高效地找到在底层网络中距离自己最近的访问对象,减少定位延迟,最终提高构建在P2P overlay之上的应用的性能.     

基于超节点的结构化P2P路由算法的研究

在对经典的结构化P2P路由算法研究的基础上,提出了BSNCCC(Based Super Node Cube Connect Cycle)路由算法。该算法节点维护的信息为O(1),查询步长为O(d)(节点个数N=d*2d),在充分考虑节点性能差异性的基础上,将性能好的节点作为路由过程中的主节点。模拟试验结果表明,在动态变化的P2P网络中,BSNCCC路由算法的效率优于Cycloid等算法。     

一种半结构化的P2P视频流媒体直播模型

提出了一种基于半结构化P2P拓扑的流媒体直播模型,该模型兼有中心结构化拓扑与分布式无结构化拓扑的优点,可以快速进行流媒体的分发。提高了流媒体直播的网络利用效率并减少了部署成本。     

一种基于DHT的P2P数据存储模型的设计

P2P（peer-to-peer）组织模式已经成为新一代互联网应用的重要形式,它为应用带来了更好的扩展性、容错性和高性能。P2P数据存储模式一直是业界所关注的热点,被认为是P2P最具前途的应用之一。设计了一种基于DHT（DistributedHashTable）路由的结构化P2P网络为架构的分布式数据存储模型,通过应用测试证明该模型能稳定运行。     

一种结构化P2P系统的负载平衡算法

在结构化P2P系统中,由于使用分布式散列表,各节点能够达到基本的负载平衡。但是,各个节点由于承担负载的能力不同和数据的存取存在热点现象,因此仍然存在负载不平衡的情况。针对这一缺点,采用局部信息调整负载的方法,提出了分布式负载平衡算法,从而避免了单点失效问题,同时算法的实现更为简单。     

一种基于负载均衡的数据部署算法

针对采用分片存储方式且存储节点异构的媒体分发网络(Media Delivery Network,MDN),提出一种数据部署算法,使分布式节点之间达到负载均衡.算法为每个存储节点定义一个权值来描述其服务能力,通过一种反馈机制,即根据各存储节点偏离平衡状态的程度,来选择要部署数据的节点.实验结果表明:使用算法,不仅在数据增加、删除以及增删混合时,可使系统达到一个较低的负载不均衡度,而且对于各种原因导致的系统负载失衡,经过足够长的时间,都能使系统的负载不均衡度收敛到一个较小的数值.     

基于结构化P2P 的发布订阅系统

从发布/订阅(Pub/Sub)系统的拓扑结构入手,基于结构化P2P,提出分层次的发布/订阅系统拓扑结构,将节点按处理能力分为超节点和普通节点,超节点组织形成超立方体结构,实现整个网络的广播遍历。层次式分布网络不仅具有一般P2P网络的特性,即能够支持大规模、动态的分布式应用,而且更适合于发布订阅系统中对大量事件的传播的要求。仿真结果表明,基于结构化P2P的发布订阅系统能显著降低系统负载,提高系统的可扩展性。     

一种基于蚁群算法的非结构化P2P网络搜索算法

在类似Gnutella的分散的非结构化P2P网络中，如何降低消息开销，提高搜索效率，是解决其扩展性问题的关键。引入蚁群算法的思想，提出一个非结构化P2P网络搜索算法。此算法利用蚂蚁留下信息素的正反馈机制，有效地指导搜索的方向，将查询消息包尽量发往目标可能存在的区域，从而减少冗余消息包的产生，得到更好的搜索输出。     

结构化数据在电力年金体系中的应用

大多数电力系统都存有年金托管机构的基本信息,但目前由于托管机构的投资的实效性和市场的约束性导致各投资机构的投资信息独立,且投资信息的保密程度过高,往往只能通过内网邮件的形式交互,使得年金专责无法在短时间内对托管机构的投资方向和投资利润做对比,以至于无法比较托管机构的优劣。在邮件信息中往往存在大量的且关键的信息,基于对结构化数据的模糊识别与算法,并根据定价日、科目名称、成本、市值建立数据模型,实现重要信息的分类处理,解决了投资信息的实时录入和对托管机构营收的准确判断。     

P2P分层流媒体中源服务器参与的数据层分配算法

P2P流媒体是一种性价比良好的流媒体服务体系．由于Peer节点的服务能力有限,在大规模的系统应用中,源服务器的带宽等资源仍可能成为系统的瓶颈．基于P2P分层流媒体,研究如何在Peer节点之间对数据层进行优化分配,以减少对源服务器带宽的占用,该优化问题属NP难问题．提出了两种算法：一种是基于多目标优化的近似算法,分析了该算法的近似比;另一种是基于分枝定界的精确算法,它利用计算二分图中的最大流值来确定分枝上界及被裁剪的分枝．仿真实验表明两种算法都有较大的性能改进,且精确算法中的分枝定界策略有较高的效率．     

P2P流媒体数据分配算法的新评价方法

介绍P2P流媒体数据分配算法及其评价准则,分析原有评价方法存在的问题,提出一种新的评价方法,利用该方法分别对5种分配算法进行评估。仿真实验结果表明,该评价方法能够以Matlab二维动态图展示量化结果,可以得到较为全面准确的评价结论。     

基于群智能的P2P计算网格负载均衡算法

对等网络(P2P)计算网格是采用非集中控制的动态网络环境,在P2P网络环境的各个对等节点间均匀分配任务是网格计算的重要研究内容。传统C/S模式的负载均衡算法无法适用于分布式且动态变化的P2P网络。文章提出了一种基于群智能和多代理技术的P2P网络负载均衡算法,设计并实现了基于蚁群优化算法的分布式作业调度策略。仿真结果表明该算法是合理而有效的。     

用Small-World设计无组织P2P系统的路由算法

由于peer-to-peer系统在件共享方面有着巨大的应用前景，peer-to-peer搜索问题已成为目前学术界重点的研究问题之一．对于缺乏缓存机制的无组织P2P系统。已有的分布式路由算法缺乏全局导航能力，属于无序搜索．为此，提出一种key clustering算法，将路由空间分为HUB和AUT两层，从全局角度进行有序搜索．为提高key clustering算法的可扩展性，借鉴Small-world领域的研究成果，在路由表中以一定概率插入连接远距离节点的快捷连接，以缩短平均路径长度．初步仿真实验表明，引入快捷连接的key clustering算法具有良好的搜索能力和扩展性。     

P2P网络中基于区域划分的超级节点选取机制

P2P网络中的相邻节点在物理位置上不一定相邻,这将会增加P2P相邻节点间的延迟.本文通过聚集半分布式P2P网络中物理位置相近的节点,提出基于区域划分的超级节点选取机制.该机制将P2P网络中的节点按照物理位置的远近关系划分成若干区域,保证了区域内节点在物理位置上是相近的.利用MATLAB进行了仿真实验,实验结果表明使用这种机制能降低约35%的半分布式P2P网络的信息检索延迟,有效地提高了检索的效率,并且具有较好的可扩展性.     

一种新的P2P流媒体数据分配算法评价准则

在多对单传输模式下,数据分配算法是P2P流媒体系统关键技术之一.本文介绍了国内外的分配算法,从缓冲延迟、数据块连续性、出错纠正功能、节点限制等多个角度提出了新的数据分配算法的评价指标,并提出综合评价准则的计算方法.通过仿真实验,表明了各个算法在不同的环境下各有优劣,并为新算法的研究提供了有效的途径.     

基于P2P主题索引网络的数据库搜索算法

传统的P2P单层网络难于兼顾搜索效率和高动态性,存在单点失效和负载不均等问题,该文利用“双层主题索引网络”构建系统,融合了无结构和有结构网络的优点,采用多哈希函数策略加入节点、发布资源。基于兴趣度cache缓存和相对距离,选取高优先级节点进行通信,使模型在搜索速度、查准程度、单点失效、负载均衡等方面有了很大的改进。     

Algorithm for Extracting Loosely Structured Data Records Through Digging Strict Patterns

Extracting loosely structured data records (LSDRs) has wide applications in many domains, such as forum pattern recognition, Weblogs data analysis, and books and news review analysis. Yet currently existing methods only work well for strongly structured data records (SDRs). In this paper, we propose to address the problem of extracting LSDRs through mining strict patterns. In our method, we utilize both content feature and tag tree feature to recognize the LSDRs, and propose a new algorithm to extract the Data Records (DRs) automatically. The experimental results demonstrate that our algorithm is able to effectively extract LSDRs with higher precision and recall.     

一种有效的无结构对等网络搜索算法

点对点（Peer-to-Peer）网络已发展成为当今最为流行的资源共享系统之一。其中的资源搜索是一个关键性问题。传统的方法借助本地所掌握的网络信息,利用某种搜索算法来定位资源。但是这些方法只遵循很少的搜索规则,因此不能取得理想的搜索性能。文章提出一种更为高效的预搜索忽略优化算法来搜索P2P网络。它分为两个阶段：第一个阶段进行预搜索并获取网络拓扑结构和资源的信息,第二个阶段通过已获取的信息对网络结构进行逻辑上的优化,进而更高效地搜索P2P网络。