基于小世界特性的网格资源发现算法

对已有的网格资源发现方法进行分析,提出一种以P2P方式实现的、基于小世界特性的非集中式网格资源发现算法。算法将具有相似兴趣属性的结点组织在一起形成兴趣簇,使得搜索请求尽量在簇内进行传播。仿真测试结果表明,该算法可以很好地减少资源发现的通信开销．并有着较高的搜索成功率。     

网格资源模糊聚类查找的研究

为了解决动态网格环境中资源查找的难题,提出了基于特征加权模糊K-原型聚类的网格资源查找算法。该算法根据资源请求对各维资源关心程度的不同,用特征加权模糊K-原型聚类算法对数值型、类属型并存的混合型网格资源节点集合进行划分。然后根据资源的静态数值特征与类属特征,确定与资源请求属性特征值最相似的类簇。最后综合资源的动态数值特征选择最优的资源节点。模拟实验的结果表明,与其他同类算法比较,算法能提高资源查找的查准率、鲁棒性和降低平均响应时间。     

基于偏好和M-Flooding的网格资源发现

为了更有效地解决网格资源发现和定位问题,提出一种利用偏好划分和M-Flooding算法调整的网格资源发现方法。该方法给出衡量资源相似度的新方法及改进的消息扩散方式M-Flooding算法,将网格空间中的节点根据各自的偏好属性划分为不同的偏好组。搜索请求在组内进行传播,从而避免传统盲目搜索所带来的弊端。实验结果表明,该方法能够提高网格资源发现效率,降低资源发现平均路径长度。     

一种基于模糊聚类的资源发现策略

Chord是一款较为成功的P2P资源发现算法,但在网格环境中由于网格资源固有的特性,影响了其发现效率。针对网格资源的复杂多样性以及很难精确分析其相似程度,提出利用模糊聚类的方法对资源进行属性划分,将资源分成多个资源相似集合,结合Chord路由算法,相似资源存放在较近的Peer上组织成2维Chord结构。实验结果表明,与原Chord路由算法相比,该策略能有效降低查寻时间,资源发现效率明显提高。     

一种自组织资源发现模型和算法

针对具有动态性和不稳定性资源的网格计算环境的资源发现问题,提出一种基于资源索引节点的自组织资源发现模型,该模型采用了基于组的分层资源组织方式,通过信息节点管理组内资源信息,所有信息节点形成树型覆盖网络,可以在信息节点树型覆盖网络实现分布式资源定位.并提出以资源索引节点索引所有信息节点中资源的关键属性,设计了基于资源索引节点的智能资源发现算法,实验结果表明,该算法在系统负栽变化情况下,能保持稳定的性能,相比集中式资源发现算法、结构化P2P资源发现算法和分布式资源算法性能更优.     

符合动态演变特性的网格资源发现机制研究

近年来人们对如何提高网格资源发现效率做了大量的研究,但却忽略了适应网格资源动态演变特性的重要性.针对这一问题,结合小世界理论的网络特征,提出了一种新的基于P2P分布式结构化的网格资源发现机制.通过计算资源节点间属性相似度的方法,将网格资源分类组织在不同的虚拟组织中,结合P2P技术构建出两层覆盖式资源发现模型,并设计出相应的资源查找算法DSRD (distributed structure grid resource discovery).仿真实验结果表明,DSRD算法既能够适应资源的动态特性,同时又可有效地提高资源发现效率.     

基于网格计算的非集中式资源发现的研究

网格计算为共享和访问大型且不同种类的远程资源集提供一种机制,例如电脑、联机装置、存储空间、数据和应用程序等资源。这些资源通过属性来标识。资源属性具有各种不同程度的动态性,从静态属性(比如操作系统版本)到高动态性(比如网络带宽或CPU负荷)。论文中,在P2P体系中进行大型的和动态的资源发现。在非集中式体系中,评估一套请求传递算法,该算法被设计成能适应不同资源成分(包括共享策略和资源类型)和动态性。为了达到这个目的,建立一个用来模拟两种应用特性的实验平台,这两种特性为:(1)资源按节点分布,而且在共享资源的数量和频率方面也不尽相同:(2)对资源的多种请求模式。     

带回馈机制网格资源发现算法在多域环境中的改进

网格资源发现算法是网格资源发现机制的核心,带回馈机制的网格资源发现算法充分利用响应报文与请求报文可能经不同路径返回的特点,在正向搜索失败时,启动反向搜索机制,在一个往返时间里进行二次搜索.但是算法在讨论时将整个网格的拓扑结构看成是一个全分布的系统,所有节点位置平等,而现实中的网格大部分是由多个不同的自治系统联结而成,具有一定的区域性.本文对带回馈机制的网格资源发现算法在多域环境中进行了改进,将资源发现过程分为域内发现和域间发现两部分,分别采用不同的资源发现机制,性能分析和模拟实验表明该算法具有良好的可扩展性和较高的性能,更适合真实的网格环境.     

基于资源区域的网格资源发现方法

资源发现是整个网格系统的热点研究问题。结合P2P技术提出了一种基于资源区域的网格资源发现的新方法,按照资源的类型将网格资源划分为多个区域,具有相同类型资源的网格信息节点组织在同一区域中,各区域由一个域中心节点进行管理,各域中心节点形成P2P层。把网格中的资源分为域间－域内两类,从而大大提高了查询效率和通信效率,减少了网络流量。     

对等网络中基于结点兴趣的资源查找算法

为了提高对等网络中资源查找的效率,根据P2P结点的群聚特性,构建了基于结点兴趣的覆盖网络,并设计了相应的资源查找算法。算法根据查询请求和结点的相似度来决定搜索策略,在簇内查找请求不能被满足时,请求将被发送到与其兴趣最为相似的其他簇内。仿真测试表明,算法稳定高效,搜索成功率和查找效率均优于传统的搜索算法。     

Exploiting semantic proximities for content search over p2p networks

In this paper, we address the issue of content search over peer-to peer networks. We use the concept of semantic proximity that exploits the commonalities of interests exhibited among peer users so as to decompose the network into semantic clusters. We initially define search entropy, as a metric indicating the average number of packets required to locate the requested content. Then, spectral clustering is used to organize the peer nodes into semantic clusters so that (a) the probability that a node locates content within its own cluster is maximized, while simultaneously; (b) the respective probability of finding this content outside this cluster is minimized. The proposed semantic partitioning algorithm is then extended into a hierarchical two-tier scheme, in which practical issues arising for the deployment of a peer-to-peer (p2p) application can be more easily addressed. After the system has been initialized, a dynamic algorithm places new users that join the p2p network into appropriately selected clusters and also handles peer departures without the need for matrix eigen decomposition process which is necessary for the assessment of the initial static partitioning. Our experimental results validate that (a) our static partitioning outperforms traditional and novel search techniques and (b) our dynamic algorithm is able to efficiently track the system’s progression maintaining the search entropy close to the initially assessed levels.     

基于蚁群的AdHoc网络分簇路由算法

无线AdHoc网络是一个多跳、临时性的对等移动自治系统,它由一组带有无线收发装置的移动节点组成。而路由协议是AdHoc网络体系结构中不可或缺的重要组成部分,因此路由协议的研究成为当前AdHoc网络研究的重点。针对AdHoc网络节点能量有限的特性,提出了一种基于分簇及蚁群的组合路由算法（CRBAC）。给出了分簇策略下的簇内簇间路由机制,簇内采用按需路由策略,将改进的蚁群算法应用到簇内路由机制中,通过扩散信息素选择能量高的邻节点均衡网络节点能量,而簇间采用尽可能简单的表驱动路由策略。仿真结果表明,该算法是合理的,不仅有效地减少了端到端时延,而且提高了网络的生存时间。     

一种基于学习的P2P搜索算法

对于规模对等网络,搜索是一个必备的基本功能,但同时是一个困难而又富于挑战性的问题．提出一种基于学习的搜索方法——SmartSearch．SmartSearch采取分布式的被动学习方式,从历史搜索结果中学习节点之间的兴趣相似度,将节点按照兴趣分类,在具有相似兴趣节点之间建立朋友关系．搜索请求首先转发到朋友节点,当其失效后利用广播进行搜索．模拟测试表明,SmartSearch稳定高效,相比传统算法在低开销情况下性能有数量级的提高．     

融合蚁群算法和路由侦听的移动P2P搜索

提出融合蚁群算法和节约带宽的路由侦听技术的移动P2P搜索算法,它计算响应和节点语义相似度以更新节点路由表的信息素,依据表中的信息素来决定节点查询转发的方向;通过缓存路由经过节点的查询消息,侦听路径节点的响应消息,并据此顺带应答缓存的查询消息.实验结果表明,与其他同类算法相比,本文的移动P2P搜索算法在较低的带宽消耗下获得较高搜索成功率,有效地提高了搜索性能.     

基于节点兴趣的非结构化P2P网络拓扑结构研究

针对非结构化P2P网络中资源搜索算法搜索效率低、冗余消息量过多等问题,结合非结构化P2P网络拓扑结构特点,提出一种基于节点兴趣的完全二叉树（CBT-BI）非结构化P2P覆盖网络拓扑结构。在兴趣相似度高的节点之间建立逻辑连接,根据兴趣相似度值在完全二叉树中按序排列;在资源搜索过程中,使用基于洪泛算法的双向资源搜索方法。仿真结果表明,该拓扑结构使得节点能在短时间内查找到有效的资源,减少查询消息量,缩短了平均路由路径,提高了资源搜索效率。     

基于引力搜索算法的异构无线传感器网络路由分簇算法

针对异构无线传感器网络簇头节点能耗大、网络寿命较低等问题,提出一种路由分簇算法.以均衡簇头节点的能耗为目标,采用引力搜索算法对网络簇头的通信链路进行规划,从而降低簇头节点间通信的负载能耗.为同时兼顾普通节点和簇头节点的工作时间,根据普通节点与高能节点携带能量的差异和簇头节点的负载情况进行分簇.实验结果表明,所提出的路由分簇算法相对于目前优化性能较好的粒子群算法(PSO)、遗传算法(GA)和最小距离聚类法(LDC),在不同检测环境、不同的节点布撒比例下,能够更好地均衡节点能耗,从而获得更长的网络寿命.     

基于节点服务能力的自适应P2P模型

P2P网络的节点在处理能力、存储能力、网络带宽、兴趣域等特性上存在着明显的异构性,在早期的研究中,这种异构性往往被忽略或者仅仅简单、单一地被考虑。综合利用节点的这些异构性,提出基于节点服务能力的自适应P2P模型。模型中,节点通过服务能力自主选择邻居进行聚类,根据网络的需求和动态变化自适应地调整聚类的规模和节点间的连接。仿真实验结果表明,该模型减少了网络拓扑失配和freerider现象,有效地提高了网络的搜索效率。     

SSW: A Small-World-Based Overlay for Peer-to-Peer Search

Peer-to-peer (P2P) systems have become a popular platform for sharing and exchanging voluminous information among thousands or even millions of users. The massive amount of information shared in such systems mandates efficient semantic-based search instead of key-based search. The majority of existing proposals can only support simple key-based search rather than semantic-based search. This paper presents the design of an overlay network, namely, semantic small world (SSW), that facilitates efficient semantic-based search in P2P systems. SSW achieves the efficiency based on four ideas: 1) semantic clustering, where peers with similar semantics organize into peer clusters, 2) dimension reduction, where to address the high maintenance overhead associated with capturing high-dimensional data semantics in the overlay, peer clusters are adaptively mapped to a one-dimensional naming space, 3) small world network, where peer clusters form into a one-dimensional small world network, which is search efficient with low maintenance overhead, and 4) efficient search algorithms, where peers perform efficient semantic-based search, including approximate point query and range query in the proposed overlay. Extensive experiments using both synthetic data and real data demonstrate that SSW is superior to the state of the art on various aspects, including scalability, maintenance overhead, adaptivity to distribution of data and locality of interest, resilience to peer failures, load balancing, and efficiency in support of various types of queries on data objects with high dimensions.