面向流媒体基于蚁群的副本选择算法

本文针对流媒体Cloud-P2P存储模式中的副本选择,提出一种基于蚁群算法的改进算法（replica selection algorithm in Cloud-P2P based on ant colony algorithm,C²P²RSA²）,建立副本选择度量标准（副本节点的网络带宽、网络延时等）与蚁群信息素的映射,定义了副本信息素概率,最后得到一组副本资源的最优解.实验表明,与PARSA算法（Pheromone-base Ant colony Replica adaptive Selection Algorithm in cloud storage）和最佳副本选择算法比较,在平均访问时间增加2%–5%的情况下,本文的算法对云副本节点的负载率减少15%–25%.     

基于全局QoS 约束分解的Web 服务动态选择

随着执行时绑定的Web服务的提出及其被大量地应用到开放式服务中,用户对支持快速和动态的Web服务组合提出了新的要求.即在组合过程中,用尽可能短的时间花费选择满足用户端到端的QoS要求的服务.针对上述要求,提出了一种基于全局QoS约束分解的动态服务选择方法(Web service dynamic selection approach,简称WSDSA).该方法的主要思想是,通过基于模糊逻辑的自适应调整方法(adaptive adjustment method,简称AAM)和自适应粒子群优化算法(adaptive particle swarm optimization,简称APSO)将全局QoS约束自适应地分解为满足用户偏好的局部约束,然后利用局部最优获得最合适的组合服务.性能评价表明,WSDSA方法具有较好的有效性,仅用较低的时间花费就能达到或接近全局最优解,能够满足服务选择的实时性和动态性.     

基于域理论的自适应谐振神经网络分类器

提出了一种基于域理论的自适应谐振神经网络模型FTART2(field theory based adaptive resonance theory 2).该模型结合了自适应谐振理论和域理论的优点,学习速度快,归纳能力强,效率高,可以根据输入样本自适应地调整拓扑结构,克服了前馈型网络需要人为设置隐层神经元的缺点.基准测试表明,FTART2在学习精度和速度上都远远优于标准BP算法.     

基于多副本的动态自适应数据传输模型的研究

提出了基于多副本的动态自适应数据传输模型,并详细介绍了该模型所采用的动态任务分配算法,对比分析了与传统的基于单一副本数据传输方法的区别,最后运用GridFTP对两种方法作了详细的验证和比较.实验结果表明基于多副本的动态自适应数据传输模型具有较好的传输性能.     

采用动态投票机制的数据网格副本一致性维护

针对网格动态性引起副本数据一致性维护困难的问题,根据网格的动态特性建立了网格系统模型和副本一致性维护模型;提出了适用于低在线率情况的动态投票机制,并在此基础上给出了一种副本数据一致性维护算法,从全局有序性和读一致性等方面证明了该算法的正确性.最后通过模拟实验对副本数取值及可扩展性等方面进行分析,探讨了网格动态性对数据一致性维护的影响.     

基于约束得分的动态集成选择算法

针对基于约束得分的特征选择容易受成对约束的组成和基数影响的问题, 提出了一种基于约束得分的动态集成选择算法（dynamic ensemble selection based on bagging constraint score, BCS-DES）。该算法将bagging约束得分（bagging constraint score, BCS）引入动态集成选择算法, 通过将样本空间划分为不同的区域, 使用多种群并行遗传算法为不同测试样本选择局部最优的分类集成, 达到提高分类精度的目的。在UCI实验数据集上进行的实验表明, BCS-DES算法较现有的特征选择算法受成对约束组成和基数影响更小, 效果更好。     

数据网格下副本一致性问题的研究

分析了目前数据网格环境下的副本一致性研究现状,并提出了一种基于优先级与时间戳的副本一致性模型（RCPTM,Replica Consistency based Priority and Timestamp Model）及算法,并在模拟环境OptorSim下与其他两种传统的算法进行比较。通过实验模拟表明,本文的模型算法要明显的比传统算法更适合于网格环境中保持副本的一致性。     

容迟容断网络中基于模型的动态路由算法

通过对容迟容断网络中无拓扑信息路由算法进行分析,提出了基于模型的容迟容断网络动态路由算法.针对节点位置信息事先难以确定的特点,动态更新节点到访概率及相遇概率,并在此基础上自适应选择中继节点.对所提算法进行了仿真实现和性能分析.结果表明,基于模型的容迟容断网络动态路由算法不仅可以提高报文递交率并降低平均传输延时,而且可以避免产生大量冗余报文副本.     

支持EJB动态分布的组件迁移模型与算法

Web应用服务器是Web计算环境下的新型中间件,为基于组件的分布式Web应用提供了基础运行平台.组件静态分布限制了事务性Web应用在运行期间适应执行环境变化的能力.为了满足Web应用的动态分布需求,Web应用服务器需在底层为组件提供一种动态迁移的能力.如何维持组件迁移前后的一致性是组件迁移中最棘手的问题之一.为解决此问题,定义了组件迁移一致性约束CMC(component migration constrains),并给出了在J2EE(Java 2 platform enterpnse edition)应用服务器中支持EJB(enterprise Java Bean)动态分布的组件迁移模型和SLB Copy,SFB_Copy,EB_Copy 3个迁移算法.分析得出SLB_Copy,SFB_Copy和EB_Copy均满足CMC约束.迁移模型和算法已在自主研制的Web应用服务器WebFrame2.0中实现,并已应用到自适应负载平衡、失效恢复等多个方面.     

云存储中副本自适应一致性研究

在云存储系统中,为了保证系统可用性的同时尽可能提高系统性能,降低副本同步过程中网络带宽等资源的消耗。提出了基于文件热度的副本自适应一致性方法。该方法根据文件的热度不同,动态调整副本同步的一致性策略,对于热度高的文件在副本同步过程中采用强一致性,对于热度低的文件在副本同步过程中采用最终一致性。在计算文件热度时,考虑了文件访问的时间序列并结合LRFU算法,该热度值表示了文件将来可能的访问情况,并与文件的实际访问情况一致。实验表明该方法在保证系统可用性的同时显著降低了网络带宽资源的消耗,有效地平衡了系统的可用性和性能。     

基于模拟退火选择的动态免疫算法及其应用

借鉴人工免疫系统的记忆、动态识别等功能及模拟退火选择理论,提出一种适用于求解动态环境优化问题的动态免疫算法(DIASA),并将其用于高维动态约束背包问题。算法设计包括:(1)抗体的亲和力随群体进化而变化;(2)可行抗体被克隆和动态突变,突变概率与抗体浓度相关,而非可行抗体按价值密度贪婪修正;(3)新环境初始群经环境识别算子按不同方式生成,相似环境初始群由记忆细胞及随机抗体产生。数值实验中,选取著名的动态进化算法(ETGA)和动态免疫遗传算法(ISGA),通过不同难度的高维动态约束背包问题进行仿真比较,结果表明:DIASA较算法ISGA和ETGA对不同问题在各环境内表现较强的优化性能,群体中抗体多样性保持较好,能快速跟踪不同环境的最优值,收敛性强。     

环卫车辆轨迹跟踪系统的无模型自适应迭代学习控制

针对环卫车辆周期重复性工作特点,考虑模型时变以及未知扰动问题,提出一种基于无模型自适应迭代学习的环卫车辆轨迹跟踪控制方法.首先,针对环卫车辆建立了两轮移动机器人的运动学模型,然后,给出带时变参数和非线性不确定项的迭代域下全格式动态线性化数据模型,引入时间差分估计算法,设计基于最优性能指标的轨迹跟踪无模型自适应迭代学习控...     

基于集群服务器的容灾系统的副本管理研究

提出一种基于集群服务器的容灾系统副本管理方案,提出多个副本的一致性维护和副本选择的算法以及副本数量和分布方式的数学模型。通过容灾系统的性能测试实验,证明它能够实现数据的快速自动恢复,有效地管理副本,并保持副本可靠性和集群服务器性能之间的平衡。     

B2B配送中考虑时间窗一致性的车辆路径优化模型与算法

在B2B (business to business)物流配送中,收货方通常对配送时间的规律性有较高要求,以配合自身的生产经营活动.对考虑时间窗一致性的车辆路径优化问题展开研究,构建其混合整数线性规划模型,并设计自适应大规模邻域搜索算法进行求解.针对每日配送路径在时间维度的一致性耦合关系,提出距离优先和时间窗优先相结合的优化策略,在算法框架中嵌入时间窗标定及一致性检验模型,并设计联动型算子以对每日路径方案进行协同操作.基于既有数据集、自建数据集和大规模实际算例对模型算法的有效性进行验证,结果表明,所提算法可以快速求得高质量解,提出的时间窗优先策略及对应的联动型算子可以显著提升算法性能.根据数值计算结果量化分析实现时间窗一致性的附加运输成本,揭示了不同客户点规模和时间窗长度下一致性成本的变化规律.     

通信约束下的水声信号分布式检测融合算法研究

针对水声传感器网络中大延迟、低可靠通信约束下的水声信号分布式检测问题，提出了一种基于时间窗口的自适应融合算法．传感器节点依据声纳接收机的特性计算局部判决并发送给融合中心节点．融合中心节点在时间窗口内，基于已收到的局部判决在线自适应地调整融合规则，从而由最优融合算法得到最终判决．通过仿真，讨论了时间窗口的选择问题以及融合算法的性能．仿真结果表明，新算法具有很高的实用性，能够在动态变化的水声通信条件下保证整个系统高效运行．     

分步动态自回归核主元分析及其在故障诊断中应用

针对滑动窗自适应核主元分析法(KPCA)在处理参数敏感和缓慢劣化问题时存在的"过适应"现象,容易产生漏报的问题,提出了一种分步动态自回归KPCA算法。首先,借鉴动态数据矩阵思想,分步建立初始模型;然后,在滑动窗自适应KPCA的基础上,引入指数加权法则处理实时数据、更新模型;最后,分析算法复杂度,并给出具体实现步骤。利用模拟数据分析分解系数和加权因子对算法的影响,结果表明,与滑动窗自适应KPCA相比,所提方法在参数选择恰当的情况下,模型效率提高了近90%,误报次数几乎降为0,还能通过调整加权因子取值来控制算法的适应能力,以解决多样化的动态问题。将算法应用于压缩机喘振和轴承故障实验数据分析,验证了所提算法处理参数敏感和缓慢劣化问题的能力。     

一种基于动态自适应数据窗口的模糊k-均值聚类缺失数据估算算法

完整性是数据质量的一个重要维度,由于数据本身固有的不确定性、采集的随机性及不准确性,导致现实应用中产生了大量具有如下特点的数据集:1)数据规模庞大;2)数据往往是不完整、不准确的.因此将大规模数据集分段到不同的数据窗口中处理是数据处理的重要方法,但缺失数据估算的相关研究大都忽视了数据集的特点和窗口的应用,而且回定大小的数据窗17容易造成算法的准确性和性能受窗口大小及窗口内数据值分布的影响.假设数据满足一定的领域相关的约束,首先提出了一种新的基于时间的动态自适应数据窗口检测算法,并基于此窗口提出了一种改进的模糊k-均值聚类算法来进行不完整数据的缺失数据估算.实验表明较之其他算法,不仅能更适应数据集的特点,具有较好的性能,而且能够保证准确性.     

对等网维护数据副本一致性的乐观复制技术研究

在对等网环境中,保持数据对象的多个副本可极大地提高数据的可靠性和访问效率,但同时需要维护副本数据的一致性。乐观复制在保证数据一致性的同时放松了对操作顺序的要求。提出了数据乐观复制系统形式化模型,应用模型推导了数据达到一致的基本条件,提出了一种基于处理操作的最优化算法,并对实际应用中可能出现的问题提出了改进方法。     

一种基于预测的网格数据副本选择算法

分析影响数据副本选择的因素,将灰色系统理论应用于副本响应时间的预测,建立GM(1,1)灰色动态拟合模型;同时应用马尔可夫链预测副本可靠性发展趋势,确定系统状态转移概率矩阵,通过系统状态的划分,以概率形式分析和预测副本可靠性,并给出了两种预测算法描述。仿真实验结果表明,该算法预测效果较好,有利于作出正确的副本选择决策,并能有效实现网格中副本存储节点间的负载平衡。