模糊多目标进化的社会团队形成方法

目前,基于社会网络的团队形成问题研究大多采取0-1规则度量专家技能。针对人们通常使用自然语言描述专家技能的情况,提出模糊多目标进化的社会团队形成方法。该方法研究模糊环境下如何从专家社会网络中查询出合适的个体并组成规模一定的团队,实现最小的通信代价和最优的团队绩效。其采用模糊语言变量代替以0-1规则为代表的精确参数来描述专家技能,使用团队绩效的概念衡量团队对任务P的技能表现力。鉴于标准SPEA2算法在进化初期收敛速度慢的缺点,引入档案精英学习策略生成优良个体。另外,考虑到专家技能的模糊性,文中提出了细粒度Dominance判断作为 判断 个体间支配关系的新准则。仿真实验结果证明,改进算法的收敛速度快,获得的近似Pareto前沿更加逼近真实解集,可有效求解团队形成问题。     

基于遗传算法与LightGBM 融合的测试用例生成方法

随着互联网技术不断发展, 各类商务软件功能需求不断增加, 且其复杂性逐渐提高, 软件的可靠性与安全性受到了越来越多的关注, 软件测试是软件质量保障的关键技术。由于现代商务软件产品具有需求变化频繁、版本迭 代过快等特点, 为其手工编写测试用例会耗费大量人力成本, 尤其敏捷开发过程中, 回归测试等需要产生大量重复用例。采用机器学习技术, 基于遗传算法和LightGBM 模型, 提出了一个测试用例自动生成模型, 创新贡献表现在: ① 将测试步骤抽象为有向图模型, 简化测试用例数据; ② 采用遗传算法求解有向图可达路径, 替代人工生成测试路径; ③ 采用LightGBM 模型加快遗传算法收敛速度, 实验验证了所提出方法的有效性, 满足测试覆盖准则。该模型 可减少测试人员工作, 加快测试速度, 对提升项目质量、加快项目进度具有重要意义。     

自适应重配置软件系统的运行时监控方法研究

运行时监控技术作为实现自适应软件的一个重要研究内容,现已成为当前很多软件工程方法中用来提高软件产品可信性的一个重要设计原则。针对现有的很多软件监控方法常常将系统的监控逻辑与业务功能逻辑混杂在一起的问题,提出了一个需求模型驱动的、自适应重配置软件的运行时监控方法。以软件系统的目标模型及属性规约为基础,介绍了如何构建系统的监控模型、生成和编织监控代码,以及进行运行时诊断分析和自适应重配置调整。该方法通过采用独立于应用程序的外部单元来实现对运行时系统的监控、诊断和自适应重配置处理。这更利于系统的维护和管理,也更符合软件复用的思想。     

利用半监督降维算法预测蛋白质亚细胞位置

首先采用伪氨基酸组成(PseAA) 和特定位点记分矩阵(PSSM)2 种方法组合的特征提取方法来表达蛋白质序列。通过该方法将蛋白质序列转化成特征向量, 虽然该向量在很大程度上保留了蛋白质序列的原始信息, 但是它产生的相应的维数会很高, 这使得蛋白质亚细胞位置的预测过程变得很复杂。同时, 就目前的情况来看, 想要获取大量已标记的蛋白质亚细胞位置样本也很困难。为了解决这些问题, 提出采用半监督降维算法(SS-MVP) 对特征向量进行降维的同时能从标记和未标记的样本点中提取对分类有用的信息。基于降维后的样本利用支持向量机(SVM)的算法来预测蛋白质亚细胞位置类型。实验结果表明, 采用上述方法既能简化蛋白质亚细胞位置的预测系统, 又能提高其分类性能。     

基于SOA的DDoS网络攻击防御框架

给出一种运用SOA理念构建的DDoS防御框架,实现在攻击源端阻挡入侵流量.通过引入SOA和覆盖网络,使得框架和外界保持松耦合,并实现其通用性的底层架构,在此基础上基于加解密方法构建可保障架构安全的凭证体系.实验表明,该框架可有效保护正常客户机和服务网络不受恶意攻击者损害.     

移动边缘计算中安全信息流建模与分析

在移动边缘计算中,移动终端身份存在复杂性和动态性,对于高安全领域的任务卸载,需要对被卸载的任务进行实时跟踪,及时发现滥用行为才能保证任务卸载的安全性。然而,现有方法多基于信任评估机制选择高信任度节点进行卸载,并没有关注该节点自身发起的内部攻击问题。提出一种支持安全性分析的任务卸载方法。设计包含安全性分析的任务卸载流程,构建面向移动边缘计算的多级安全信息流模型,用于约束服务卸载、数据卸载和服务执行过程。在此基础上,基于偶图对任务卸载过程进行建模,构造标注迁移边的标号变迁系统,并利用模型检测技术验证是否满足相应的安全需求。案例分析和性能评估结果表明,该方法能够在秒级时间内预测任务卸载中的恶意行为,具有较好的可行性和有效性。     

基于集成学习的城市空间停车难度预测

停车位预测技术是解决城市停车难问题的一种可行方案。针对神经网络等预测模型难以应对诸如路边占道停车等复杂情况,提出了一个基于支持向量机和决策树集成的模型训练方法,不再着重预测停车位的个数,而是预测某一位置的停车难度。在每轮训练过程中拟合一个支持向量机模型,同时收集预测出错的样本,最后在误分类样本集合上训练决策树模型来提高整个模型的预测准确性。采用该方法训练了一个城市空间停车难度预测模型,并利用该模型预测了近一周时间的停车难度。实验结果显示,该方法的预测效果优于单独使用支持向量机、决策树和全连接神经网络模型,可以较好地捕捉到停车难度随时间变化的基本情况。     

基于传播影响力的重叠社区划分算法

在研究经典标签传播算法的基础上,提出了一种基于传播影响力的重叠社区划分算法COPRA-PI,可用于挖掘加权网络中的社区结构。该算法在COPRA算法的基础上从节点影响力、边影响力、历史标签影响力3个方面综合考虑传播影响力;同时针对COPRA算法中每个节点在每次迭代过程中均具有相同的最大标签数,且该最大标签数目需手动设置等不足,该算法中设计了一个自适应的最大标签数。实验结果表明,COPRA-PI算法在经典的数据集上对比现有经典算法更能挖掘出高质量的社区结构且收敛速度较快。     

基于混沌遗传算法的Web服务组合

为了根据用户的请求实现Web服务的自动组合,在保证服务质量的前提下最大化地提高服务效率,针对Web服务组合中的服务质量感知问题,引入混沌的概念,提出一种基于混沌遗传算法的Web服务组合方法。该方法利用混沌理论产生种群的初始群体,根据遗传算法的选择、交叉、变异操作实现种群进化,通过对每次进化后的子代群体附加混沌小扰动有效地克服了遗传算法早熟和收敛速度慢的缺点。实验表明,该方法可以获得比现有混沌遗传算法更快的收敛速度和更高的可靠性。     

OCI技术及其在软件开发环境中的应用

该文首先介绍OCI技术的基本内容,然后介绍OCI程序设计方法,接着介绍基于UNIX环境下SOCK－ET接口网络程序设计思想及方法,通过一个简单的服务器／客户机的网络通讯程序设计来谈OCI技术在软件开发环境中的应用。