基于欺负算法的改进选举算法

欺负算法产生大量通信信息,时间开销大,占用系统资源过高,严重影响了分布式OLAP系统的性能。针对该问题,提出一种基于欺负算法的改进算法。该算法采用一对一的方式直接向性能最优的节点发送选举消息,以降低选举过程中产生信息的通信量和选举时间开销;并通过循环选举保证选举出系统的最优节点担任系统协调者。实验结果表明,该改进算法有效地降低了消息通信量,减少了时间开销,能更好的应用于分布式OLAP系统。     

基于有向生成树的分布式选举算法

本文提出了一种在任意网络拓扑下的分布式选举算法，假定系统存在一个网络拓扑的有向生成树，将此有向生成树作为一个同步机械，减少了不必要的消息传送。对于由ｎ台处理机组成的分布式系统，算法的消息复杂度为Ｏ（ｎ）。该算法在常量因子下是最优的。     

一种分布式计算中的容错选举算法

选举算法被广泛应用于分布式计算中,而且它已经被证明比合意问题更难.在分析了选举问题和合意问题的关系之后,提出了一种新的容错选举算法.该算法是稳定的、通信有效的,并且该算法可以容忍进程和链路的暂时性错误.所提出的算法不仅解决了选举问题,并且也提供了解决合意问题的一条新的途径.     

一种域首选举改进算法研究

分布式网络系统存在节点种类异构、节点数量巨大的特点,对系统的网络监控和动态管理的有效性提出了更高的要求,因此需将分布式系统分成多个域进行管理,域首选举是分域的关键。分析现有的最大连接度和最小负载的域首选举算法的优缺点,提出基于最大连接度和最小负载相结合的域首选举改进算法,仿真结果表明该算法提高了域首选举的稳定性和网络管理的效率。     

基于Hadoop的Apriori算法研究与优化

为解决传统数据挖掘算法在大量数据处理时面临的内存占用、计算性能等方面的问题,基于Hadoop平台,应用HBase文件存储系统对海量数据分布式存储以及Map Reduce框架进行分布式计算,实现Apriori经典数据挖掘算法。通过对已实现的Apriori算法进行优化,引入FIS-IS算法思想,从数据库扫描次数和容量消减方向进行改进。提出针对数据本身进行频繁预选项生成方法与对于频繁预选项剪枝步骤进行分组检索的优化方法。实验结果验证了改进算法对算法运行具有良好的优化效果。     

分层Ad Hoc网络中同步领导者选举算法的研究

近年来,Ad Hoc网络以其方便、快捷、不受网络基础设施制约等特点得到了广泛的研究和应用。然而,在分层Ad Hoc网络进行视频信息传输的过程中,由于节点移动及网络状况等原因有可能出现簇头节点缺失的情况,影响网络的正常通信。针对分层Ad Hoc网络中高层节点移动性差这一特点设计并实现了基于分层Ad Hoc网络高层网络同步领导者选举算法,解决了上述问题。系统还引入了副主席机制,并通过实验证明,当网络中存在着上一轮选举后产生的副主席节点时,选举时间将显著缩短。算法也可应用于小型临时视频会议系统中以解决视频会议中主持人缺失及更替的问题。     

一种新的基于A算法的分布式关系数据库查询优化

分布式查询优化是当今数据库理论的一个重要研究方向。该文首先阐明了分布式查询优化的主要目的。接着主要介绍了著名的SDD-1算法和由Fegaras提出的基于查询图的贪婪算法,分析了两者的特点和不足,提出了一些改进建议。最后,在以上算法的基础上,该文提出了基于人工智能理论的A算法和A算法。通过讨论,笔者认为对于中大规模的查询优化,A算法是个不错的选择。     

基于事件触发的分布式优化算法

本文研究了一类分布式优化问题,其目标是通过局部信息交换使由局部成本函数之和构成的全局成本函数最小.针对无向连通图,我们提出了两种基于比例积分策略的分布式优化算法.在局部成本函数可微且凸的条件下,证明了所提算法渐近收敛到全局最小值点.更进一步,在局部成本函数具有局部Lipschitz梯度和全局成本函数关于全局最小值点是有...     

基于Bully算法的Redis集群选举方案优化

随着互联网的迅速发展,用户从系统获取的信息越来越多,访问系统的频率也在迅速增加。当大量客户端访问系统时,请求的响应时间也会大幅增加,传统关系型数据库已经无法满足用户的需求,而内存数据库在保证系统稳定的前提下,改善了用户体验,并得到了越来越广泛的应用。作为NoSQL内存数据库,Redis支持很多数据类型,适用于多种情况下的缓存与存储需求。文中主要介绍Redis集群,它是Redis的分布式实现,支持主从复制,也具有一定的容错性和线性可扩展性,当前使用Redis集群的网站有新浪微博、github等。虽然 Redis集群 应用广泛,但目前它在节点下线后会出现恢复时间长的现象,这与现有Redis集群的选举算法有关,即与Raft算法的实现有关。分析了Redis集群的可靠性,并优化了集群的选举算法。测试结果显示,在单个主节点下线50s内,优化后的集群都能成功恢复,比社区版本的集群提高了40%。     

柔性作业车间调度问题的多目标优化算法

柔性作业车间调度问题具有解集多样化与解空间复杂的特点,传统多目标优化算法求解时容易陷入局部最优且丢失解的多样性。在建立以最大完工时间、最大能耗、机器总负荷为优化目标的柔性作业车间调度模型的情况下,提出一种改进的非支配排序遗传算法（Improved Non-dominated Sorting Genetic Algorithm II, INSGA-II）求解该模型。INSGA-II算法先将随机式初始化与启发式初始化方法混合,提高种群多样性;然后对工序部分与机器部分采用针对性的交叉、变异策略,提高算法全局搜索能力;最后设计自适应的交叉、变异算子以兼顾算法的全局收敛与局部寻优能力。在mk01～mk07标准数据集上的实验结果显示INSGA-II算法有着更优的算法收敛性与解集多样性。     

LC-Raft：一种基于历史日志计算值的一致性算法

Raft一致性算法由于其原理清晰、易于实现等优点,已得到了行业的广泛应用。然而,作为一种简化版的类Paxos方案,Raft算法牺牲了部分性能。在不同的具体应用场景中,可根据实际应用,对其做出相应改进。对于由稳定性不佳的设备构成的分布式系统,在工作周期内将经历多次选举管理节点过程。在每次选举过程中,继续使用Raft算法进行选举操作将存在小概率经历多次超时选举。为了减少极端情况下选举过程的耗时,本文基于历史日志计算值设计一种改进版一致性算法LC-Raft。通过对固定时段的历史日志故障次数统计,构建一套节点稳定性评价指标,并修改选举流程,实现在系统网络通畅情况下最多经历一次计时器时间完成管理节点选举。同时,基于Docker容器引擎,设计一系列模拟实验实现各种节点规模的选举过程,通过多次实验的统计值验证本算法在选举过程中的良好性能。     

基于SEP协议的最优分簇改进算法

提出基于SEP协议的最优分簇改进算法。根据SEP协议的分簇结构,采用不同竞争时间、考虑剩余能量因素的区首选举策略将网络区域进行优化分区,从而均衡区内能量消耗;提出结合最优簇首数并考虑普通距离因子等因素选举簇首;有机结合簇内单跳和簇区间转发,区首与簇首进行两层路由传输。利用Matlab对所提改进算法进行仿真分析,结果表明,这种基于SEP的改进算法（P-SEP）与SEP、基于新型聚类的非均匀成簇NHRPNC相比,有效地降低了传感器节点的平均能耗,从而延长了网络生命周期。     

基于改进蝙蝠算法优化的FCM聚类算法

针对传统模糊C-均值（Fuzzy C-Means, FCM）聚类算法隐含假设各个样本和各维属性对聚类结果作用相同,导致算法聚类性能降低,以及对初始中心点敏感且易陷入局部最优的问题,提出一种基于改进蝙蝠算法优化的FCM聚类算法。该算法首先采用混沌映射和速度权重来改进蝙蝠算法,然后利用改进蝙蝠算法确定FCM算法的初始聚类中心,最后根据各个样本和各维属性对聚类结果作用不同,采用样本和属性加权法对FCM算法的目标函数重新设计。实验结果表明,改进算法表现出较好的聚类效果。     

基于综合选举的DPoS共识算法

区块链技术是一种信任机制,具有去中心化、防篡改、可追溯的特性。共识算法是区块链核心技术之一,可维持区块链网络的运行,相较于工作量证明、权益证明等其他公有链共识算法,股份授权证明（DPoS）共识算法具有低延时、高吞吐量、几乎不分叉等优势。但由于按股份权重进行投票选举,选取的委托人总是持币量大的节点,导致其余节点出现投票政治冷漠性的情况,同时节点出块顺序随机,增大了节点通信的消耗。针对上述问题,提出一种综合选举算法CE-DPoS,该算法通过节点之间的通信消耗预先设定网络信息表,根据节点的意愿权重进行投票,投票后计算每个节点的最终得分。选择所有节点中分数最高的节点作为第一个委托人节点,再从该节点的网络信息表中选择得分最高的节点作为第二个委托人节点,直至选定委托人节点数达到系统规定。仿真实验结果表明,与DPoS、BFT-DPoS共识算法相比,CE-DPoS共识算法能动态地选择委托人节点,节点之间选举相对公平,节点活跃度提升至85%,同时出块时间降至0.4 s,能更好地应对日益增长的交易量。     

基于融合算法的测试优化选择问题研究

测试优化选择是个集覆盖问题,而启发式算法是求解集覆盖问题的有效方法。文中将遗传算法、BP神经网络和模拟退火算法进行融合,提出了一种融合算法,该算法充分利用遗传算法全局搜索能力强、BP神经网络训练能力强和模拟退火算法搜索速度快的优点,既避免陷入局部最优的现象,又提高了搜索的效率和精度。该算法已应用于求解测试优化问题。实例证明,该算法能够快速有效地求得测试优化问题的最优解。     

基于CPU因子影响的二次调度算法

在航天器型号设计阶段需要利用高性能计算系统开展大量的仿真分析工作,昂贵的许可证资源使用极其紧张,作业计算效率低.针对高性能计算系统中现有作业派发机制未动态考虑高性能运算主机空闲状态的缺陷和不足开展研究,基于资源调度软件Platform LSF,结合航天器仿真分析特点,提出一种新的思路,设计并实现一种新的基于CPU因子（CPU Factor）影响的二次调度算法,CPU因子用于区分不同机器的相对运行速度,仿真结果表明算法能够有效提升作业计算效率,缩短许可证资源占用时间.实际案例说明算法具备推广应用的可能,一定程度的提高了许可证资源利用率,满足了航天器仿真分析过程中对于成本控制和资源精益化利用的实际需求.     

分布式缓存系统中一种优化缓存部署的图算法

数据缓存技术可以有效地减少网络拥塞,减轻服务器负载,加快信息访问速度.通过部署一组地域分布的缓存节点相互协作处理用户请求,可以进一步提高系统性能.在分布式缓存系统中,一个值得关注的问题是优化缓存的放置,使访问开销最小化.首先建立了一个理论模型来分析缓存副本放置对系统访问开销的影响.基于这个模型,缓存放置问题可以形式化地描述成一个最优化问题,提出了一种图算法来解决该问题.图算法使用修改的Dijkstra算法在访问代价图中寻找一条最短路径,该路径对应一种最优的缓存部署.理论上证明了图算法的正确性,并使用仿真实验对其性能进行评估.实验结果表明,图算法的性能优于大部分现有的分布式缓存机制.