基于生物实体分布感知的E-service工作流突现研究

基于生物网络平台,提出了一种E-service工作流突现方法.生物实体(具有免疫行为的移动Agent)代理E-service,构成一个自治的单元,通过分布感知确认服务关系,生物实体协商和演化完成了E-service工作流组合.采用服务相对质量的矩阵,准确地描述服务和工作流关系和E-service相对质量,最优E-service工作流组合的建立转化为带约束的最优化问题,并给出不带参数的罚函数动态演化算法解决方案.仿真表明,这种方法提高了适应性和性能.     

一种用于迁移工作流管理系统的消息服务框架

作为移动计算的一类应用,现有的迁移工作流模型遵守了按照移动agent范型构造迁移实例的方法。由于移动agent继承智能agent的基本属性,因此,上述方法往往导致迁移实例的代码臃肿和移动困难。考虑到实际上的迁移工作流管理系统,一般地都要求迁移实例工作于一个具有信任合约关系的环境中,因此,可以针对这种特定环境,令工作位置为迁移实例提供尽可能多的服务支持,以便减小迁移实例的代码体积,提高其迁移效率,而不必拘泥于移动agent范型。该文给出了一种嵌入工作位置服务器的消息服务框架,该消息服务框架可以有效降低迁移实例代码规模,实现其轻量化移动。     

基于分布感知的Web服务组合方法研究

提出了一种分布感知的Web 服务组合方法。移动Agent代理Web 服务,构成一个自治的感知单元,移动Agent通过语义的协商确认匹配关系,Web 服务组合可以通过移动Agent的演化完成。常见的遗传组合算法存在着复杂路径表示和罚函数难于确定的局限性,采用感知基础上的服务关系矩阵和服务相对质量的矩阵,最优服务组合的建立转化为带约束的最优化问题,并给出不带参数的罚函数动态演化算法解决方案,仿真表明这种方法可以提高适应度和性能。     

基于蜂群算法的移动agent迁移策略研究*

旅行agent问题是一个复杂的组合优化问题,在于解决保证agent在不同主机间移动时如何根据任务情况规划路线,实现在完成任务时间最短的路线上迁移。采用进化算法的搜索求解具有启发性强、鲁棒性强的特点,但也面临着陷于局部最优解,导致agent在迁移过程中整体任务完成效率降低等问题。提出了一种基于蜂群算法的agent迁移模型,将agent划分为侦察、引领和跟随三种角色,agent通过彼此间的信息互换,在群体迁移的过程中同时实施新路径的发现和调整。实验结果表明,该算法可以很好地实现目标寻径效率,与经典蚁群算法相比     

基于生物网络的e-service自进化组合方法研究

借鉴生物神经内分泌和免疫系统的自进化突现机制,基于生物网络的平台提出了e-service突现的组合方法。生物实体(具有免疫行为的移动agent)代理e-service,构成为一个带有条件米兰机单元,e-service组合可以转换为米兰机演化过程。生物实体通过消息匹配和条件约束形成网络,e-service组合是由突现形成的生物实体网络提供;服务突现可以动态调整其中的服务,自组织完成服务的动态组合和管理等工作。仿真结果表明该方法具有对动态环境变化的适应性。     

基于群体智能的三维碎片全局最优匹配方法

针对传统三维碎片整体匹配过程中误差积累的问题,提出了一种基于群体智能的全局最优匹配方法。该方法对破碎物体的三维多碎片全局匹配建立全局整体碎片匹配的数学模型,将碎片的整体最优匹配求解问题转换为求满足一定约束条件的最优匹配矩阵的组合优化问题,通过将自然社会认知优化算法进行离散化来求解该NP问题。典型实例分析验证了所提方法全局优化能力强,与初始位置无关,有较强的鲁棒性,为三维碎片整体匹配提供一个有效的方法。     

迁移工作流中MI的迁移策略研究

迁移工作流是将移动agent计算模式应用于工作流管理的一项新技术。迁移实例(MI)、工作位置和迁移工作流管理引擎构成迁移工作流管理系统的三要素。其中,MI是以移动agent为计算范型构造的业务过程执行agent,它可以在工作位置之间移动并按照自身携带的工作流说明,就地利用服务执行一项或多项任务。MI的迁移策略是整个迁移工作流系统的核心问题之一。针对MI的服务定位问题,提出了一个分层结构的迁移工作流服务模式,在它对服务进行管理的同时也负责为MI导航;针对迁移目的地的选择问题在充分考虑了主机硬件可用度、主机资源以及迁移实例目标与主机提供服务的匹配程度的基础上,提出了包含静态和动态等要素在内的目的地主机可用度评估方法,用以确定MI的迁移目的地。最后,给出了实验过程描述和对结果的讨论分析。实验表明,分层结构的工作流服务组织形式以及目的地主机的可用评估方法,有效提高了系统效率。     

非标定图像的最优匹配方法

该文将特征匹配和极线几何(epipolargeometry)估计有机地结合起来,给出了一种基于组合优化的非标定图像鲁棒匹配方法。通过灰度互相关计算得到初始候选匹配,然后使用该文提出的全局极线约束和局部视差约束代价函数,利用确定性退火方法同时估计匹配关系和基础矩阵。实验结果表明,此算法具有良好的鲁棒性,能够得到接近全局最优的匹配结果。     

基于差分进化算法的移动传感器网络节点的分布优化

针对传感器节点的分布优化问题,研究了在保证网络连通性的前提下,极大化移动传感器网络的有效覆盖面积问题,提出了一种基于差分进化算法的移动传感器网络节点分布优化机制.仿真实验结果表明,该算法能以相对较小的代价快速完成移动传感器网络节点的分布优化,提高网络的有效覆盖率,实现移动传感器网络布局的全局优化.     

一种基于指向路径分次删剪的移动Agent通信算法

在移动agent环境下,agent的移动为应用程序的开发提供了更灵活的通信处理方式,但也同时对通信算法的设计提出了许多挑战,其中最突出的就是由于消息传输和agent移动之间的异步性而造成的通信不可靠问题。针对目前解决该问题的各种机制和算法的不足之处,该文提出了一种新的agent通信算法——S—COMP,它综合采用了Home寻址、途经节点转发、指向路径分次删剪和集中同步等手段,能够适应具有不同移动和通信特点的agent的通信需要,在确保消息传输可靠性的同时兼顾了效率和适应性。     

基于Agent技术的移动异构信息多播平台的研究与设计

针对计算机网络向移动终端多播媒体流的典型应用问题,本文给出了一种以终端性能驱动的内容分发平台,并依靠FIPA架构的典型实现JADE-LEAP给出了该平台的实现技术,提出了以软件代理技术进行多播会话协商、终端性能协商的代理分层结构,重点讨论了终端性能驱动的分层内容多播问题和边界服务器多播过程中的动态切换问题。     

网格资源发现中移动Agent路径优化的研究

在对动态网格资源发现模型研究的基础上,改进了移动Agent在网格环境中的动态巡游策略.分析和比较了路径优化算法,在遗传算法和蚁群算法融合的基础上,提出了基于Agent的网格资源发现机制中进行路径优化的新方法,解决移动Agent为完成用户指定的资源发现任务在网格动态环境中移动时的迁移路径问题.实验结果表明了该算法的可行性,适应网格的动态性,以及提高网格资源发现的效率.     

无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究

和传统的C/S模型相比,移动代理模型在数据融合方面更适合无线传感器网络.在基于移动代理的数据融合算法中,移动代理访问传感节点的顺序以及总数对算法的效率、网络寿命等有着重大影响.为此提出了一种基于数据融合的移动代理曲线动态路由算法设计方案.通过构造特定数据结构的数据报文和数据表,给出了目标节点基本信息收集算法获取目标节点到处理节点的最优路径;将移动代理路由归结为一个优化问题,由静态路由算法求出移动代理迁移的静态最优路由节点序列,进而获得了移动代理基于曲线的动态路由算法.理论分析和模拟实验表明,随着传感器网络规模的增大和传感数据量的增加,和其它算法相比,该算法有更小的网络耗能和延时.     

基于强化学习的多移动Agent学习算法

结合强化学习技术讨论了单移动Agent学习的过程,然后扩展到多移动Agent学习领域,提出一个多移动Agent学习算法MMAL(MultiMobileAgentLearning)。算法充分考虑了移动Agent学习的特点,使得移动Agent能够在不确定和有冲突目标的上下文中进行决策,解决在学习过程中Agent对移动时机的选择,并且能够大大降低计算代价。目的是使Agent能在随机动态的环境中进行自主、协作的学习。最后,通过仿真试验表明这种学习算法是一种高效、快速的学习方法。     

基于移动agent的无结构P2P网络拓扑重连方法研究

为了提高无结构P2P网络中资源查找的效率,同时避免在资源查找过程中出现拥塞,提出了一种基于移动agent的网络拓扑重连方法。网络节点定期进行拓扑重连,同时通过收集其邻居节点的处理能力以及连通性等信息,指导移动agent有目的地在网络迁移,从而使移动agent及时发现网络节点上的拥塞,并使用拓扑优化机制降低节点上的负载。实验证明该方法能优化网络的拓扑结构,避免网络查询过程中发生拥塞,提高资源查找的效率,同时适应网络查询负载的动态变化。     

基于邮箱的移动Agent通信机制的改进算法

在基于邮箱的移动Agent通信机制上提出一种改进算法,通过移动Agent留下特殊的、具有一定智能性的邮箱来转发消息,实现移动Agent高效和可靠的消息传输。进一步提高了通信效率而且减小了由于邮箱所在节点出现故障而造成的损失。