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。     

基于攻击图和改进粒子群算法的网络防御策略

攻击图是网络安全定性分析的常用工具,能为安全管理员阻止恶意入侵提供重要依据。为了进行网络安全测评和主动防御,提出防御策略模型和基于该模型的改进二进制粒子群算法。基于攻击图中的每个入侵动作,构建带权防御策略集,意在突出防御代价。为以最小代价阻止网络恶意入侵,引入并改进了二进制粒子群算法BPSO,获取了攻击图的最小关键策略集。仿真实验证明,能有效获取最小关键策略集的优化解,并通过与蚁群算法及贪心算法进行对比实验,证明其更高效。     

基于Voronoi的无线传感器网络栅栏覆盖策略

在栅栏覆盖研究中,针对节点部署区域存在无法被监测到的穿越路径的问题,将[Voronoi]图引入栅栏覆盖,划分整个部署区域,提出了基于[Voronoi]图的无线传感器网络栅栏覆盖策略,并监测部署区域是否存在栅栏覆盖空洞,以决定节点是否通过有限移动重新部署空洞区域,实现了对栅栏部署区域的有效覆盖。仿真实验结果表明,该算法提高了对监测区域的覆盖质量,以较低能耗和较少节点构建栅栏,达到预期覆盖要求。     

基于Voronoi图的无线传感器网络K覆盖算法

针对无线传感器网络(WSN)在随机高密度部署节点情况下的多重覆盖问题,提出一个基于Voronoi图的K覆盖算法。该算法利用邻居节点信息计算Voronoi覆盖邻居节点集,构建有向Voronoi覆盖关系图,通过调整关系图中的节点状态实现K覆盖。仿真结果表明,该算法能正确判断网络覆盖率,连通K覆盖的近似最小活动节点集数目少于CCP算法。     

基于覆盖架构的NCS最小代价调度策略

将覆盖网络引入到基于Internet的网络控制系统（NCS）中,讨论了一种适合于Internet网络控制系统的相近最小代价调度（MLCS）策略,并对其进行了优化。通过仿真系统表明,该基于覆盖网络的调度及其优化策略能有效地保证网络服务质量QoS,从而提高NCS的性能。     

基于Voronoi图的无线传感器网络栅栏覆盖算法设计

针对无线传感器网络中栅栏构建的问题,提出了一种基于监测区域Voronoi图划分的无线节点栅栏构建算法。仿真结果显示,网络中无线节点部署地越多,栅栏形成的可能性和组建栅栏的节点平均数量也会随之增加。该算法能够在无线传感器网络节点覆盖密度较低且不均,已经形成了少量栅栏空洞的情况下快速实现监测区域的栅栏覆盖,但空洞修复还需要进一步研究。     

气味标记法优化免疫算法的覆盖策略

覆盖问题一直是无线多媒体传感器网络研究的重点领域。为了能够达到对目标区域有效覆盖的同时,减少网络能耗,延长网络寿命的目的,提出了一种气味标记法优化的免疫算法SMOIA（Scent Marking Optimization Immune Algorithm）。该方法利用改进的气味标记算法,在被覆盖区域设置必要的气味标记点,在这些点设置传感器节点能够有效提高对目标区域的覆盖率,减少冗余节点数量;使用免疫算法来避免一般算法容易陷入局部最优的问题。仿真实验表明,该算法能够有效提高网络覆盖率,减少网络中传感器节点数量,延长了网络寿命,并且收敛迅速。     

基于改进免疫遗传算法的K覆盖异构传感器节点调度

为了实现无线传感器网络监测区域目标点的多重覆盖,设计了一种基于改进免疫遗传算法的异构传感器节点调度算法实现目标点的K重覆盖;首先,在传统的概率感知模型中加入剩余能量和感知能力因素,得到改进的概率感知模型,并设计了以最小化节点数并满足覆盖度约束的目标函数;然后,采用改进的免疫遗传算法对节点进行调度,最后,给出了具体的采用改进免疫遗传算法实现WSN异构节点调度的具体算法;仿真实验表明:文中方法能在满足K覆盖约束前提下实现监测区域的节点调度,与其他方法相比,活动节点数平均多7%,具有较长的网络生命周期和较少的网络能耗。     

基于P2P覆盖网络的服务领域部署策略

针对服务部署策略不完善的问题,提出P2P覆盖网络框架下自上而下的2级服务部署策略。在顶层P2P网络中部署领域,并在每个领域中部署各种服务组件。对单个领域和伙伴关系领域的放置情况进行建模,使用3种算法进行求解。仿真实验结果表明,伙伴关系领域的邻近放置策略降低了跨领域组合服务的路由开销。     

基于DDGRAPH图的路径覆盖研究

软件测试分为静态分析、路径选择、测试数据生成和动态分析四个阶段,而路径选择的自动生成是软件测试的关键技术之一.路径覆盖是软件测试中一种十分重要的方法,它使程序的每个分支至少执行一次.文中通过对DDGRAPH图的分析,提出了DDGRAPH图中弧的支配树和蕴含树的表示方法,然后给出由支配树和蕴含树确定非限制弧的方法,通过近似最少谓词覆盖策略以确定覆盖所有非限制弧的路径测试子集.     

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。     

基于自我监督学习策略的层智能图卷积网络

为了解决当前图卷积网络需要依赖大型数据集,从而导致时间和空间复杂度上升问题,提出了基于自我监督学习策略的层智能图卷积网络(RRLFS-L-GCN)。首先,通过在层智能图卷积网络(layer-wise graph convolutional network, L-GCN)中添加多任务机制以提高算法的泛化能力;然后,设计一种随机删除固定步长边(aandomly remove links with a fixed step, RRLFS)的自我监督学习策略,从而提出基于自我监督学习策略的层智能图卷积网络算法;最后,通过边预测验证RRLFS-L-GCN的性能。实验结果表明,该算法的识别率最高可达97.13%。对于Cora测试集,该算法所得识别准确率比未改进的层智能图卷积网络算法提高了6.73%。对于PubMed测试集,该算法所得识别准确率比未改进的层智能图卷积网络算法提高了8.13%。与图卷积网络相比,在Citeseer数据集上,识别准确率提高了18.43%。     

一种改进的基于图割的立体匹配算法

为了提高立体匹配算法的精确度,提出了一种结合图割与Mean Shift图像分割的立体匹配算法。首先用Mean Shift算法对参考图像进行图像分割,得到分割后的标记图,然后将分割信息结合到图割算法的能量函数中,最后用改进的能量函数和图割算法得出致密的视差图。实验结果表明,提出的算法具有更高的精确度和更好的边缘特征。     

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。     

An improved attribute reduction scheme with covering based rough sets

Attribute reduction is viewed as an important preprocessing step for pattern recognition and data mining. Most of researches are focused on attribute reduction by using rough sets. Recently, Tsang et al. discussed attribute reduction with covering rough sets in the paper (Tsang et al., 2008), where an approach based on discernibility matrix was presented to compute all attribute reducts. In this paper, we provide a new method for constructing simpler discernibility matrix with covering based rough sets, and improve some characterizations of attribute reduction provided by Tsang et al. It is proved that the improved discernibility matrix is equivalent to the old one, but the computational complexity of discernibility matrix is relatively reduced. Then we further study attribute reduction in decision tables based on a different strategy of identifying objects. Finally, the proposed reduction method is compared with some existing feature selection methods by numerical experiments and the experimental results show that the proposed reduction method is efficient and effective.     

An improved constant coefficient multiplication algorithm based on cascaded adder graph

In many digital signal processing algorithms,e.g.,digital filters,the multiplier coefficients are constant.Hence,it is possible to implement the multiplier using shifts,adders,and subtracters.In this work a new algorithm of constant coefficient multiplication with few adders and registers is proposed.This approach is based on cascaded adder graph.In this paper all cascaded adder graph structures for any integer can be derived,and the analytical method for the number of register and adder occupation is given.Through comparison of occupied resources,the optimal adder graph can be obtained.Finally,comparing with previous optimal algorithms,a design example for finite impulse response(FIR) filter confirms the validity and good engineering practicability of this algorithm.     

基于改进粒子群算法的配电网重构策略

针对有源配电网对安全可靠性的要求较高,而现有的配电网重构算法精度低、速度低的问题,提出了基于蛙跳分组思想的自适应惯性权重的全信息简化粒子群算法。首先,从降低网络有功功率损耗、提高电压稳定性、均衡馈线负荷三个角度考虑,建立配电网多目标数学模型;然后,通过基于Pareto支配原则,采用模糊隶属函数的标准化满意度将多目标转化为相同量纲、同一属性、相同数量级的单目标,弥补加权法带有主观性、量纲不统一的弊端;最后,为保证种群多样性,避免随机初始化产生大量不可行解,结合蚁群优化（ACO）算法随机生成树和改进粒子群算法制定出一种针对含分布式电源（DG）的多目标配电网重构策略。通过对含DG的IEEE33节点配电网系统仿真验证,实验结果表明,与标准粒子群优化（PSO）算法相比,该重构策略寻优效率提高了41.0%,与重构前相比,该重构策略降低配电网有功损耗41.47%,降低电压偏移指数57.0%,改善系统负荷均衡度31.25%。该重构策略有效提高了寻优精度,提高了寻优速度,从而提高了配电网运行的安全可靠性。     

基于改进遗传算法和图神经网络的股市波动预测方法

针对支持向量机（SVM）、长短期记忆（LSTM）网络等智能算法在股市波动预测过程中股票评价特征选择困难及时序关系维度特征缺失的问题,为能够准确预测股票波动、有效防范金融市场风险,提出了一种基于改进遗传算法（IGA）和图神经网络（GNN）的股市波动预测方法——IGA-GNN。首先,利用相邻交易日间的时序关系构建股市交易指标图数据;其次,通过评价指标特性优化交叉、变异概率来改进遗传算法（GA）,从而实现节点特征选择;然后,建立图数据的边与节点特征的权重矩阵;最后,运用GNN进行图数据节点的聚合与分类,实现了股市波动预测。在实验阶段,所研究的股票总评价指标数为130个,其中IGA在GNN方法下提取的有效评价指标87个,使指标数量降低了33.08%。应用所提IGA在智能算法中进行特征提取,得到的算法与未进行特征提取的智能算法相比,预测准确率整体提升了7.38个百分点;而与应用传统GA进行智能算法的特征提取相比,应用所提IGA进行智能算法的特征提取的总训练时间缩短了17.97%。其中,IGA-GNN方法的预测准确率最高,相较未进行特征提取的GNN方法的预测准确率整体提高了19.62个百分点;而该方法与用传统GA进行特征提取的GNN方法相比,训练时间平均缩短了15.97%。实验结果表明,所提方法可对股票特征进行有效提取,预测效果较好。     

一种改进的网络编码单播重传方案

针对现有无线单播重传存在有效性低、频谱效率低等问题,提出了一种改进的网络编码单播重传方案。该方案的基本原理:在重传阶段,发送端将首次传输有误的数据包与新的数据包分别以不同的速率编码后进行合并,然后再将对应的混合数据包发送到接收端;接收端将收到的重传数据包与首次传输的数据包进行软合并及译码处理,以恢复出所传输的原始数据包信息,同时被合并的2个数据包在重传过程中共享能量、空间和时间。仿真结果表明,相比于传统的数据包独立自动请求重传方案,该网络编码单播重传方案的误比特率更低,有效提高了无线单播链路的传输效率。