基于遗传算法的QoS感知的Web服务选择

提出一种用于QoS感知的Web服务选择的遗传算法．该算法采用关系矩阵编码方式,克服了一维编码方式表示的局限性,并且可以通过简单的方法来表示组合服务重计划及Web服务循环路径等情况,通过该算法一次运行,就可以从所有组合路径的组合方案中选出满足用户QoS需求的组合方案,而一维编码遗传算法在多路径情况下需多次编码、多次运行．算法还采用一种变异策略来提高算法的适应度．通过仿真比较,关系矩阵编码遗传算法比一维编码遗传算法获得了更优解,变异策略在提高算法适应度方面也发挥了作用．     

基于树型编码遗传算法的Web服务组合

提出一种基于QoS的Web服务组合的遗传算法(TGA).该算法采用树型编码,携带流程的静态模型结构信息,可实现染色体的自动编解码和存储适应值计算的中间结果.通过仿真实验,验证了在同等优化效果下,TGA比一维编码遗传算法获得更快的速度.     

基于树型编码遗传算法在Web服务选择中的应用

提出一种基于QoS的Web服务选择的遗传算法（TGA）。该算法采用树型编码,携带流程的静态模型结构信息,可实现染色体的自动编解码和存储适应值计算的中间结果,并且可以通过简单的方法有效支持组合服务运行时重计划。通过仿真实验,验证了在同等优化效果下,TGA比一维编码遗传算法获得了更快的速度,并验证了树型编码用于流程运行时重计划的有效性。     

基于树型二重结构编码遗传算法的服务选择

提出了Web服务语法业务流程树的概念,并结合基于QoS的Web服务全局选择的特点,研究了一种用于组合服务QoS优化的基于树型二重结构编码的遗传算法GATD。该方法建立在服务语法业务流程树先序遍历序列编码的基础上,采用二重编码方法处理用户的QoS约束条件,不仅能够有效地选择出满足用户QoS需求的服务资源,而且可以较好地支持服务运行时快速再规划。     

求解多目标最小生成树的一种新的遗传算法

在改进的非支配排序遗传算法（NSGA-II）的基础上,提出了一种新的基于生成树边集合编码的繁殖算子求解多目标最小生成树问题的遗传算法。通过快速非支配排序法,降低了算法的计算复杂度,引入保存精英策略,扩大采样空间。实验结果表明：对于多目标最小生成树问题,边集合编码具有较好的遗传性和局部性,而且基于此繁殖算子的遗传算法在求解效率和解的质量方面都优于基于PrimRST的遗传算法。     

基于进化计算的卡通人物造型设计方法

提出一种基于进化计算的卡通人物造型设计方法。采用二叉树编码结构的遗传算法,对非均匀缩放表达式进行交叉、变异等操作。利用进化后的非均匀缩放表达式对原有卡通人物部件进行变形,产生不同的造型部件。将部件进行编码,存入部件库,执行改进的蛙跳算法,产生各种不同的组合方案,得到不同的卡通人物造型。实验结果证明了该设计方法的有效性。     

基于改进遗传算法的Web服务优化组合研究

为了获得更优的Web服务优化组合方案,提出一种基于改进遗传算法的Web服务优化组合方法。首先将Web服务组合优化方案的可行解看作遗传算法的个体。然后通过遗传算法模拟自然界的生物进化过程,找到Web服务组合的最优解,同时在标准遗传算法引入多尺度交叉算子和信息共享因子,提高问题的求解速度。最后进行仿真对比实验。结果表明,改进遗传算法可以快速、准确找到Web服务组合问题的最优解,为解决Web服务组合问题提出了一种新的解决思路。     

基于模拟退火遗传算法的服务选择

为了解决面向服务体系结构服务组合中服务选择问题,提出了一种将模拟退火算法与遗传算法相结合的融合算法。将服务流程等效成AOV图,对AOV图进行拓扑排序,并将生成的拓扑序列作为遗传算法的编码,使用QoS参数作为适应度,在遗传算法生成每一代子代后,利用模拟退火算法对其进行局部优化调整。仿真实验结果表明,模拟退火遗传算法在减少服务流程资源消耗上能取得理想的效果。     

基于遗传算法的Web服务组合优化

近年来国内外学术界和行业界围绕着Web服务组合开展了大量的研究工作,这些研究都把重点放在Web服务组合功能的实施上,而对组合服务质量的研究甚少.在建立Web服务组合优化模型的基础上,将遗传算法引入到Web服务组合中去,提出了基于遗传算法的Web服务组合的优化方法,给出了构建基于遗传算法的Web服务组合模型和求解方法,从而可以提高组合服务的质量,并能够使Web服务组合满足个性化需求.     

基于QoS的P2P网络服务组合聚集遗传算法模型

现有P2P网络服务缺乏服务质量保证,很难应用于商业领域。该文将服务质量属性引入P2P网络服务,提出P2P网络中服务组合模型,并给出一个基于服务质量的P2P服务组合计算方法。然后提出遗传算法,给出满足用户服务水平协议的服务组合求解步骤。通过实验比较得出,提出的遗传算法求解P2P服务组合计算模型有良好的时间性能。     

物联网中RFID位匹配防碰撞算法*

在对现有的二进制搜索算法、4线树形查询算法及混合查询树算法进行理论分析的基础上,提出了一种基于碰撞位匹配的自适应混合树防碰撞算法。新算法是根据检测标签EPC编码最高碰撞位连续个数的匹配信息,在二叉树和四叉树中进行动态自适应地选择分叉数,引入堆栈和后退策略,使得搜索性能进一步改善。通过对算法的分析和仿真实验结果,新算法有效地减少了识别总次数,缩短了识别时间,大幅提高了搜索效率和吞吐率。     

基于聚类预处理和支持向量机的模拟电路故障诊断技术

支持向量机（SVM）最初源于两种分类问题,用于存在较多故障模式的模拟电路诊断问题,易造成识别重叠区域。为此提出了利用动态聚类算法作为SVM预分类器的故障诊断方法,首先采用模糊C-均值（FCM）算法对训练样本进行聚类,然后分别对两大类进行内部的子聚类,每一次的聚类都产生两种模式并对各个模式内的故障模式样本训练产生对应的SVM网络,最后采用二叉树形式把所有的模式分开。实验结果表明,采用该方法对测试样本的诊断正确率可以达到99%以上。     

Web服务组合评分分配方法

为了根据组件服务的实际和历史表现公平地将用户对组合服务的评分分配到各组件服务,首先利用层次分析法(AHP)来计算各个组件服务的分配权重,其中给出Web服务流程转换为结构树流程的方法,并利用权重矩阵计算树状结构中各层节点的权重。通过考虑组件服务服务质量实际观察值和公告的有效区间之间的关系,并以偏差函数计算了组件服务的实际服务质量(QoS)效用值与全部组件服务的实际QoS平均效用值的偏差比重,同时考虑了各组件服务的历史表现对评分分配的影响。实验结果表明,组件服务的实际观察值以及历史表现对分配到的评分有一定的影响,从而验证了评分分配方法的合理性和公平性。     

基于对支持向量机的多类分类算法在入侵检测中的应用

针对基于传统支持向量机(SVM)的多类分类算法在处理大规模数据时训练速度上存在的弱势,提出了一种基于对支持向量机(TWSVM)的多类分类算法。该算法结合二叉树SVM多类分类思想,通过在二叉树节点处构造基于TWSVM的分类器来达到分类目的。为减少二叉树SVM的误差累积,算法分类前首先通过聚类算法得到各类的聚类中心,通过比较各聚类中心之间的距离来衡量样本的差异以决定二叉树节点处类别的分离顺序,最后将算法用于网络入侵检测。实验结果表明,该算法不仅保持了较高的检测精度,在训练速度上还表现了一定优势,尤其在处理稍大规模数据时,这种优势更为明显,是传统二叉树SVM多类分类算法训练速度的近两倍,为入侵检测领域大规模数据处理提供了有效参考价值。     

一种基于二叉胖树模型的并行FFT算法

二叉胖树网络结构是一种易于实现蝶式计算的网络拓扑结构,基于这一特点,首先构造了一种二叉胖树的逻辑模型,并提出了一种基于该模型的并行快速傅立叶变换算法。该算法使得进程间有良好的负载平衡,相对于串行算法来说,大大降低了时间复杂度。在集群系统和MPI环境下,给出了该算法的实现及实验数据分析。     

一种新的基于二叉树的SVM多类分类方法

介绍了几种常用的支持向量机多类分类方法,分析其存在的问题及缺点。提出了一种基于二叉树的支持向量机多类分类方法（BT SVM）,并将基于核的自组织映射引入进行聚类。结果表明,采用该方法进行多类分类比1 v r SVMs和1 v 1 SVMs具有更高的分类精度。     

SOA中基于EPN的动态服务组合模型

Web服务组合技术对提高面向服务的体系结构(SOA)的软件开发效率是非常重要的。该文对基于Petri网的服务组合进行了综述,目前采用较多的P/T_或高级网对服务组合的发展有重要的推动作用,但其所描述物理资源及其制约的变迁规则并不适合服务组合,使组合效率降低。采用服务组合并改变其变迁规则对服务建模,根据输入库所的匹配进行动态服务组合,并将其转化为经典的人工智能问题求解。给出了基于EPN的动态服务组合在股票查询中的实例。     

基于Petri网的服务组合故障诊断与处理

通过分析服务组合的故障需求,给出服务组合故障处理的框架.该框架采用Petri网来解决服务组合的错误发现及其处理问题.重点讨论了可用服务失败、组件失败及网络故障的情况,并相应地给出了服务组合故障模型.在此基础上对故障处理模型进行分析,给出服务组合故障处理正确性准则,并证明了其正确性.最后,采用CTL (computational tree logic)描述相关性质并提出验证服务组合故障分析的实施算法.仿真结果表明,该方法在处理服务组合故障时具有一定的优越性.     

RFID系统时隙不完全竞争防碰撞算法

基于ISO/IEC 18000-6C超高频射频识别标准,提出一种时隙不完全竞争防碰撞算法。将动态二叉树搜索技术引入竞争性冲突避免机制,并加入对空闲时隙和碰撞时隙的特殊处理策略。通过NS-2平台建立仿真模型,分析对比动态二叉树搜索算法、ISO/IEC 18000-6C标准算法和SPC算法的性能。仿真结果表明,SPC算法识别时间分别比动态二叉树搜索算法和18000-6C标准算法缩短约30%和20%,识别率比18000-6C算法提高约35%。     

CSCE:一个协同的服务组装支持环境

呈现了一个基于KPN(kahn process network)的服务协同组装支持环境(CSCE).KPN是一个基于数据流的协同计算模型,用于描述通过数据流进行通信的一系列协作过程.在CSCE协同组装环境中,KPN用于建模服务及服务之间的动态交互,为应用系统的组装提供可视化的用户接口.将KPN应用于服务组装,目的是减少服务组装的不可预见性,提高服务组装的成功率.介绍了基于KPN的服务组装基本思想,给出了CSCE的体系结构,详细描述了CSCE各协作部件的基本功能.