基于Lévy分布的柔软自适应演化采样算法

已经有相关工作将演化思想引入采样算法中,并结合 Lévy 分布提出了自适应的采样算法。针对 Lévy 分布的参数设 置和“厚尾”特性的关系进行了研究,改进了基于 Lévy 分布的演化采样算法,通过设置该分布的参数 ? 值为 1.0,1.3,1.7, 2.0,分别对应四种转移概率分布,从而增加了生成的候选样本的多样性。理论分析和实验表明,改进算法在收敛速率和精度 上优于基于高斯分布,柯西分布,对称指数分布的演化采样算法和其他自适应的演化采样算法。     

基于信息寻觅智能体的网络用户浏览模式研究

互联网的规模越来越大,其分布性、动态性、进化性使得其成为复杂系统研究的一个很好的对象。互联网上存在许多规律,利用多智能体的方法研究了网络用户的浏览行为,通过信息智能体在虚拟网络空间的浏览研究,指出网络用户的浏览行为与用户兴趣的独特分布有关,而且指出网络拓扑结构存在最佳值,可以使用户获取信息与浏览步。     

个体特征对在线社会网络中信息传播的影响

为研究个体特征对在线社会网络中信息传播的影响,结合个体特征、社会加强和信息属性,提出一个简单的信息传播模型。在传播模型中主要考虑记忆效应、社会加强、信息属性和个体特征这4个因素,并根据服从均匀分布与幂律分布的个体在规则网络、WS小世界网络、BA无标度网络上传播信息的能力,对此进行仿真实验,同时在Facebook上进行实证研究。结果表明,不论哪种情况下,信息的传播速度遵循BA无标度网络最快,规则网络最慢的规律,规则网络的稳定时间也最长。Facebook的传播图与BA网络的结果图类似。     

在线社会网络演化模型

在分析在线社会网络的拓扑结构、特征及演化规律的基础上,借鉴了前人网络模型的思想,提出了在线社会网络演化模型,引入动态的加权方式,提出了一种在线社会网络演化模型。理论分析和仿真表明：在线社会网络演化模型具有无标度和小世界特性,点权、边权、度分布呈现幂律特性,具有较多的簇系数、较小的路径长度且可调。这种无标度和小世界特性与现实中的在线社会网络较为一致。     

基于幂律分布和小世界特性的无结构P2P网络中搜索方法研究

目前无结构P2P系统得到了大量的应用,但其常用的基于简单flooding机制的信息资源搜索方法造成了严重的通信消耗.基于P2P网络的幂律分布和小世界特性,通过对复杂网络幂律特性产生机制的分析并借鉴人际传播中谣言传播机制,提出了一种结合择优连接机制和谣言传播中兴趣衰减机制的信息资源搜索方法.其中择优连接是导致复杂网络幂律特性产生的机制之一,而谣言传播中的兴趣衰减机制适合于聚合网络中的信息传播.分析和仿真结果表明,提出的搜索方法可以有效地减少无结构P2P网络中信息搜索的通信开销.     

基于复杂网络的Internet结构模型

在Internet网络的演化过程中,新增节点进行服务器选择时,不但要考虑网络的流量和带宽,而且还要考虑与服务器的距离.基于Internet网络中选择服务器的条件,建立了一个Internet网络结构演化模型.在网络模型中,把Internet网络流量作为链路的权重、节点的服务量能力作为节点强度、节点的连接负载作为连接度.应用数值分析方法,研究了网络的动态演化规律和节点强度的概率分布特性.研究结果表明,新模型的强度分布服从幂律分布,而且该模型是一个更一般化的BBV加权网络模型.     

一种基于边数随机增长的BA网络模型

针对基本BA网络模型模拟现实网络的局限性, 采用新节点的度数增加服从泊松分布的随机函数来代替传统BA模型中的常数, 修改了节点度数的增长方式, 提出了一种基于边数随机增长的改进网络模型。从理论分析和实验验证两方面对该模型进行了分析和研究。理论证明过程中, 利用率方程法计算度分布并得到了解析解, 而计算机仿真则验证了度分布解析解的正确性。仿真结果表明改进后的网络模型符合现实网络的一定特性。     

基于网络生长点的加权局域世界电力网络演化模型*

以变电站选址与定容为出发点,在局域世界电力网络演化模型的基础上,该文将重心选址法和随机选址法结合应用到网络生长点的选取中,提出了一种基于网络生长点的加权局域世界电力网络演化模型。对新模型的节点度分布和权重分布分析表明新模型可以得到幂律分布的度分布和具有幂律尾的节点权重分布。通过仿真,证实了重心法和随机法以不同的概率选取网络生长点时,节点度分布曲线仍然表现出一定的无标度特性,并且此概率的变化只是在度分布曲线尾部对度分布有影响;随着重心法因素的加强,部分节点随着网络生长时间的增长,节点权重越来越大,节点权重分布曲线的尾部畸变,不服从平均分布。     

一种基于Lévy飞行轨迹的蝙蝠算法

针对新型元启发式蝙蝠算法存在收敛速度慢、求解精度低的现象,文中提出一种基于Lévy飞行轨迹的蝙蝠算法.该算法具有易跳出局部最优,收敛速度快且求解精度高等特点.通过对12个典型的测试函数进行仿真实验,结果表明该算法是有效、可行的,且在求解高维空间问题中也表现出优越的逼近性能.     

基于复杂网络的大众生产社区的演化机制研究

通过大众生产虚拟社区的度分布与动态演化机理分析,揭示了择优机制是大众生产虚拟社区的一个显著演化特征。基于Wiki票选管理员的行为网络构建大众生产虚拟社区合作网络;分析网络的出度分布与入度分布,分析结果显示虚拟社区合作网络的出度服从幂律分布,入度服从双段幂律分布,说明虚拟社区贡献者的选择行为具有较强异质性;采用复杂网络链路预测方法对网络的潜在连接进行排序,结果显示择优指标值在各项指标中得分较高,网络形成过程中择优机制起到重要作用。     

基于中心度寻核的能效优化虚拟网映射算法

虚拟网映射是网络虚拟化技术的关键问题,以往研究常关注供应商的收益与开销,而网络设备的大量能源浪费使得供应商开始关注节能.将紧密中心度概念引入虚拟网映射问题中,同时考虑节点的位置和能力,优先使用已工作节点和缩短链路长度来降低能耗,提出了一种寻找核心节点优先映射(寻核)算法.该算法通过检验确保所选底层核心节点满足虚拟核心节点要求,节点和链路映射同步进行,同时根据贪婪策略保证所选底层网络节点跳数较小.仿真实验结果表明,该算法能够提高映射接收率约10％、改善收益开销比和收益能耗比10％以上.     

基于用户意图理解的社交网络跨媒体搜索与挖掘

随着在线社交网络的盛行,网络用户不仅对信息资讯的获取速度和实时性提出了更高的要求,对个性化和精确化的搜索需求日益增长。为了提升搜索引擎的质量以及其结果列表的准确性,需要深层次地挖掘用户搜索意图。本文分析了用户搜索意图理解在线社交网络跨媒体进行精准搜索与挖掘的研究现状,包括知识图谱在线社交网络多模态信息感知、面向用户搜索意图匹配的跨媒体大数据深度语义学习方面的应用,以及用户搜索意图理解的在线社交网络精准搜索与挖掘的应用等。最后,对未来研究存在的问题和可能面临的挑战进行了展望。     

基于莱维飞行的粒子群优化算法

为了有效解决粒子群优化算法易陷入局部最优的缺陷,在粒子群优化优化算法（PSO）的基础上,引入莱维飞行,提出了一种基于莱维飞行的粒子群优化算法（LPSO）。该算法在迭代过程中,对粒子位置进化效果进行判断,若粒子多次迭代后仍无法进化到更优位置,则使用莱维飞行更新粒子位置。改进后的算法增加了粒子位置变化的活力,提高了算法的有效性。仿真实验结果表明,该算法在求解全局最优时,效果优于原始粒子群优化算法,在多峰值函数优化问题中其优越性更加突出。     

基于政务网的搜索引擎及信息检索系统设计

对于政务网产生的政务信息越来越多,信息组织分散,信息结构多样的现实问题,如何统一并有效地管理是新一代搜索引擎及信息检索系统开发需要解决的问题。文章探讨了政务网信息采集和检索业务的应用目标,分析了系统的应用需求,从设计和实现的角度阐述了系统的开发思路、总体框架和主要功能。     

基于禁忌搜索的自适应人工鱼群优化算法

针对人工鱼群算法在函数优化过程中存在易陷入局部最优、后期收敛速度慢和寻优精度低等问题,提出了一种基于禁忌搜索的自适应人工鱼群优化算法.由于较大的视野范围有利于进行全局探索,较小的视野范围有助于进行局部寻优,该算法引入了分段函数自适应地调整视野,保证了视域在一定范围内随着迭代的进行逐渐减小;利用正态分布函数以及鱼群间距的...     

基于多核处理器的IPSec VPN系统安全策略检索研究

为满足现代高带宽互联网应用环境中的安全性保障要求,提出了一种基于Tilera　GX36多核网络处理平台的IPSec VPN系统结构,利用SDN思想设计了系统控制面和数据面的程序功能模块,实现网络流量安全的灵活控制。针对系统中安全策略检索性能要求,提出一种基于Hash的三级安全策略流表存储结构,并以各Tile CPU缓存中的安全关联流表为快速检索数据源设计一种安全策略检索方法。测试结果表明,对于互联网中典型的小包、中包和大包应用场景,该系统均能达到近40 Gb/s的处理性能。     

基于全局搜索的实时分布场目标跟踪方法

提出了一种基于分布场的全局匹配搜索的实时目标跟踪算法,克服了原始分布场的局部搜索和实时性差的局限.采用相关系数代替原始算法的L1范数度量目标分布场与候选区域分布场的距离,有利于运用傅里叶变换,将相关系数从计算复杂度高的时域转换到计算复杂度低的频域来实现,并且能一次算出目标分布场和检测区域所有候选分布场的相似度,从而保证算法的实时性和全局搜索能力,克服稀疏采样方法的随机性和局部结果最优性.实验结果表明,与最近代表性的跟踪算法相比,提出的方法在多个具有挑战性的视频序列中,在平均误差、跟踪速度和成功率上获得了最佳的性能.     

应用搜索引擎计算语义相关度的实现

具备模仿人类判断能力的语义相关度在很多方面尤其是自然语言处理领域中处于非常重要的地位。已有的算法或依赖于WordNet层级结构或由于自身局限性无法满足精确计算的要求,由此提出了一种基于搜索引擎的语义相关度算法,根据对两关键词网络搜索时系统返回的搜索页数来计算二者的语义相关度值。通过与其他算法进行对比实验可看出该算法与专家值重合度要远高于其他算法,而且对于计算对象无词性、语法以及语言等方面的限制,优越性较为明显。     

基于聚类BNR扩展模型的信息检索研究

使用聚类技术对BNR进行扩展,得到一个新的4层模型,该模型同时使用了术语间和文档间的相近和相似关系,将此扩展模型和简单的RNR、扩展的BNRM模型比较,实验证实信息检索系统的检准率和检全率都有所提高。     

基于互信息的贝叶斯网络结构学习算法

结构学习是贝叶斯网络的重要分支之一,而由数据学习贝叶斯网络是NP-完全问题,提出了一个由数据学习贝叶斯网络的改进算法。该算法基于互信息知识构造初始无向图,并通过条件独立测试对无向边添加方向;同时提出了一个针对4节点环和5节点环的局部优化方法来构造初始框架,最后利用贪婪搜索算法得到最优网络结构。数值实验结果表明,改进的算法无论是在BIC评分值,还是在结构的误差上都有一定的改善,并且在迭代次数、运行时间上均有明显降低,能较快地确定出与数据匹配程度最高的网络结构。