基于有向无环图的互联网域内节能路由算法

互联网在快速发展的过程中面临新的挑战,其中网络能耗问题尤为突出。学术界提出了大量用于 解决网络能耗问题 的方案,然而这些方案都考虑了网络中的实时流量数据,计算复杂度较高,不利于实际部署。对此,提出一种基于有向无环图的互联网域内节能路由算法(Energy-efficient Intra-domain Routing Algorithm Based on Directed Acyclic Graph,EEBDAG),该方法 利用有向无环图来解决因链路关闭造成的路由环路和网络性能下降等问题, 仅须考虑网络拓扑结构,不需要考虑网络中的实时流量数据 。实验结果表明,EEBDAG不仅具有较低的节能比率,而且具有较低的链路利用率,为ISP解决互联网节能问题提供了一种全新的方案。     

基于遗传算法的有向无环图画图算法

在研究了现有画有向无环图的主要方法的基础上提出一种基于遗传算法的有向无环图画图算法,将一般有向无环图的画图问题转换为函数优化问题,用遗传算法求目标函数最优解的近似值。实验表明此算法具有算法统一、方法简单、容易实现、易于修改,并且具有自适应、自学习和易于并行化的特点。     

经济模式下基于有向无环图的优化调度算法设计

Buyya提出的费用-时间优化算法运用经济规律把网格用户的任务映射到网格资源,但没有考虑任务间的优先关系。本文综合考虑时间、费用以及任务间的优先关系等诸多QoS需求,提出了基于有向无环图的优化调度算法。通过仿真实例,论证了该算法的优越性。     

基于有向无环图的成本-时间优化调度算法

网格计算环境下,基于有向无环图（DAG）的成本-时间优化调度算法运用经济规律把网格用户的任务映射到网格资源中运行。OGS算法考虑了任务间的优先关系,使得任务完成时间最小,但没考虑到在网格环境中所需的成本。Nimrod/G模型中提出基于时间和成本限制下的优化调度算法（DBC）考虑了时间和成本,但没考虑任务间的优先关系。本文综合考虑了成本-时间因素以及任务间的优先关系,在不增加完成时间的基础上,把任务映射到价格便宜的机器上,提出了基于有向无环图的成本-时间优化调度算法。通过仿真表明,相对OGS算法,该算法减少了所需成本。     

异质信息网络中基于有向无环图的影响力最大化算法

针对异质信息网络中的影响力最大化(IM)问题,提出了一种基于有向无环图(DAG)的影响力最大化算法(DAGIM).首先基于DAG结构度量节点的影响力,然后采用边际增益策略选择影响力最大的节点.DAG结构表达力强,不仅描述了不同类型节点之间的显性关系,也刻画了节点之间的隐性关系,较完整地保留了网络的异质信息.在三个真实数...     

面向对象的流程工业系统有向无环图建模

提出流程工业系统中有向无环图的面向对象的建模方法。介绍使用面向对象的技术对流程工业系统模进行建模的关键要素的技巧,定义描述流程工业系统中有向无环图模型的建模机制,扩展流程工业系统模型所具有的特性。以流程工业系统出现异常时的诊断实例说明系统模型解决问题的有效性。     

基于有向无环图网格独立任务调度算法*

提出了基于有向无环图多约束网格环境下独立任务的调度模型,为其建立多约束线性规划模型,通过求解模型节点的优先级,获得网格各计算节点最优任务调度数;然后基于多约束最优任务调度方案,提出多约束带宽优先启发式算法(MCOPBHATS)和多约束计算速度优先启发式算法(MCOPCHATS)。实验结果表明,在多约束异构的网格环境下实现大量独立任务调度时, MCOPBHATS和MCOPCHATS算法的性能优于基于多约束最优任务调度方案的MinMin 算法。     

基于有向无环图的成本-时间优化调度算法

网格计算环境下,基于有向无环图(DAG)的成本-时间优化调度算法运用经济规律把网格用户的任务映射到网格资源中运行.OGS算法考虑了任务间的优先关系,使得任务完成时间最小,但没考虑到在网格环境中所需的成本.Nimrod/G模型中提出基于时间和成本限制下的优化调度算法(DBC)考虑了时间和成本,但没考虑任务问的优先关系.本文综合考虑了成本-时间因素以及任务间的优先关系,在不增加完成时间的基础上,把任务映射到价格便宜的机器上,提出了基于有向无环图的成本-时间优化调度算法.通过仿真表明,相对OGS算法,该算法减少了所需成本.     

云计算环境下多有向无环图工作流的节能调度算法

针对多有向无环图(DAG)工作流节能调度算法中存在的节能效果不佳、适用范围较窄和无法兼顾性能优化等问题,提出了一种新的多DAG工作流节能调度方法--MREO。MREO在对计算密集型和通信密集型任务特点进行分析的基础上,通过整合独立任务,减少了处理器的数量,并利用回溯和分支限界算法对任务整合路径进行动态的优化选择,有效降低了整合算法的复杂度。实验结果证明,MREO在保证多DAG工作流性能的前提下,能够有效降低系统的计算和通信能量开销,获得了良好的节能效果。     

一种基于有向无环图的本体内聚度度量方法

目前,随着本体的广泛使用和快速发展,本体在结构与语义上变得越来越复杂。如何对本体的质量进行评估成为本体构建和重用的主要问题。在本体构建过程中,对本体进行评估有利于对本体进行重构和优化,以构建高质量的本体。在本体重用过程中,可以帮助用户在候选本体集中选择最优结构的本体。提出一种基于有向无环图(DAG)的本体内聚度度量方法,首先依据有向无环图的结构提出一组本体内聚度度量指标;然后根据已有的度量验证框架对其进行验证,说明度量指标在理论上有效;最后使用经典本体数据集进行实验,说明所提出的本体内聚度度量方法的合理性和有效性,有利于本体的构建和重用。     

空间信息服务链模型的有向图表示及其验证

由于目前通用的Web服务组合语言不适合地理信息处理业务流程的直观表达,且学习成本高,不适合空间信息领域的用户使用,因此建立了一种基于有向图的空间信息服务链模型,并从模型组成元素、约束条件和控制模式3个方面对其进行了详细定义和设计。针对构建的服务链模型,从模型语法正确性、结构正确性和语义正确性3个方面进行研究,通过对空间信息服务链模型结构的分析,结合现有的图规约规则,研究并设计了空间信息服务链模型的语法、结构和语义验证方法,并给出了模型验证方法的具体算法和实现流程。通过具体的案例分析,说明了所提出的算法和设计的实施流程的有效性和可操作性。     

基于有向无环图的区块链技术综述

区块链技术已广泛应用于金融、公共服务、物联网、网络安全、供应链等多个领域,但传统单链结构的区块链在吞吐量、交易确认速度和可扩展性方面存在不足,导致其在一些短时高并发量数据场景中难以落地应用。基于有向无环图（DAG）的区块链技术因其具有交易并发确认功能、吞吐量高、可扩展性强等优势受到研究者广泛关注。通过分析研究现有DAG区块链的发展和演化过程、评估方法、优化方向以及应用场景,探索DAG区块链在落地应用中的可行性。阐述主流DAG区块链的研究现状,比较传统区块链与DAG区块链的优势与不足,并分析现有区块链属性评估方法,总结DAG区块链评估结果。在此基础上,从交易确认速度、系统吞吐量、系统安全性、存储结构等方面对比现有DAG区块链的优化方法,介绍DAG区块链在数据管理、基于边缘计算和联邦学习的数据共享以及面向访问控制和隐私保护的数据安全等场景中的应用情况,并指出当前研究中存在的主要问题和挑战,对未来的研究方向进行展望。     

有向无环图最小度生成树问题的一种近似算法

计算具有较小度的生成树是算法与复杂性研究的一个基本问题,同时在网络设计等领域具有重要应用.给定具有n个顶点的有向无环图G=(V,E)和根顶点r∈ V,最小度生成树问题欲求一棵以r为根的生成树T,使得在G的所有以r为根的生成树中T的最大度最小.给出该问题的一种迭代的多项式时间近似算法.该算法所求树的度不超过△*+1,其中△*为某一最优树的度.算法的时间复杂度为O(n2logn),其中n为顶点数目.算法没有运用过多的枚举,其实际运行时间要快得多.     

针对有向无环图结构的多版本分布模式优化

为提高多版本协同设计的整体存储及查询性能,针对具有有向无环图结构、结合完整和增量存储的多版本模型,在研究多版本演化过程、版本间继承关系的基础上,提出可双向恢复的增量版本定义方式,将有向无环图结构转换成带权无向图结构。以版本差异为指标计算版本恢复成本,使用改进的Floyd算法,以计算所有版本最小恢复成本为目标设计多版本分布模式优化算法。分析和实例结果验证,该方法可以提高协同设计多版本的数据存储可靠性和提取效率,并且优化算法具有较高的计算效率。     

基于结点优化的决策导向无环图支持向量机及其在故障诊断中的应用

支持向量机(Support vector machine, SVM)是利用离在线数据自动建立故障诊断模型的智能方法,它在多故障诊断时, 必须先进行多分类扩展. 决策导向无环图(Decision directed acyclic graph, DDAG)法是一种性能优秀的多分类扩展策略, 但该方法的决策结果与结点的排部密切相关, 而其结点的排部却是主观的, 影响了诊断的正确率. 本文提出一种根据故障数据的空间分布来优化结点排部的方法, 它能够提高支持向量机诊断的正确率. 采用该方法扩展的多分类支持向量机在变压器故障诊断中获得良好效果.     

基于有向项集图的频繁集挖掘优化算法

关联规则挖掘是数据挖掘研究中一个非常重要的研究领域。文章利用有向项集图(DISG)来存储有关频繁项集的信息，提出了利用深度优先的策略进行搜索的频繁项集挖掘的优先算法UDBDG(Updated DFS Based DISG)。最后分析了算法在时间和空间上的复杂度并以mushroom数据库为例进行了试验。试验结果证明算法对于处理稠密集数据是有效的。