基于改进蚁群算法的服务组合优化

为进行服务组合优化及适应服务组合优化过程中Web服务的动态性、不稳定性以及多种QoS属性限制等问题,提出一种多信息素动态更新的蚁群算法MPDACO,包括MPDACO局部优化算法和MPDACO全局优化算法,该算法基于建立的服务组合模型,在基本蚁群算法基础上进行研究和改进,可以适应服务组合优化过程中发生的服务无效以及服务中QoS变化等情况.另外,为使算法能较快地收敛于最优解,在实验基础上对蚁群算法策略进行了改进.为验证以上算法的有效性,在一个旅游领域的服务推荐系统中对算法进行了仿真实验,实验结果表明文中提出的算法较基本蚁群算法及一种应用于服务选择的遗传算法有更好的性能.     

基于滑动窗口和交换加密函数解决SMP的新方案

社会主义百万富翁问题(SMP)的解决方案可以作为许多应用系统的基本模块。该文提出了滑动窗口的模型,利用此滑动窗口模型和交换加密函数设计了一种社会主义百万富翁问题新的解决方案,并应用模拟器的思想对该方案安全性进行证明。     

基于XML的数字签名技术研究与实现

XML广泛应用于Web服务系统,选择XML数字签名技术对XML文档中的重要元素进行数字签名,可以确保网络传输数据的完整性,身份的可验证性和不可抵赖性.主要研究了基于XML的数字签名技术,首先阐述了XML数字签名的工作原理,分析了数字签名与验证签名的流程,接着叙述了W3C数字签名规范,给出了XML数字签名文档结构,最后提出了在C#.NET环境下如何编程实现XML数字签名与验证签名的过程,并列举了一个有关购物的XML数字签名文档.     

基于本体与SSH架构的异构数据集成框架的研究

信息化的高速发展带了数据异构问题,本体(Ontology)技术通过描述领域知识的公共语义解决了异构数据集成中的语义异构,实现了异构数据库的全局访问与语义互操作。本文在研究基于本体的数据集成系统的基础上,融入了struts、hibernate、spring等技术,实现了局部本体的自动生成、数据库操作的优化封装、bean组件的全局管理,细化了系统分层,全面提高了系统的集成效率,减少了系统耦合度,增加了系统的灵活性。     

一种支持超视频创建与可视呈现的草图界面技术

超视频打破了传统视频的单一线性的组织和浏览方式,有效地增强了用户的浏览效率和视频信息的表达能力.基于草图和草图界面在思维表达上的优势,针对目前对视频内容以及视频间或者视频内的关系展示上的不足,提出了一种支持超视频创建的草图界面来直观地表达用户的设计意图,改善了视频编辑过程中的交互体验.提出了一种基于force-directed 的图布局算法.该算法对视频语义进行建模,将时间、空间、视频结构、约束关系等语义信息融入到节点质量、引力和斥力等对象中.系统实例表明,该方法能够很好地适应视频特有的语义类型,表示出超视频的动态创建和编辑过程.     

LFA算法的一种高效实现方法

研究表明,网络中的故障不可避免而且频繁出现.当故障发生时,目前互联网部署的域内路由协议需要经历收敛过程.在此过程中,路由信息可能不一致,从而导致报文丢失,降低了路由可用性.因此,业界提出了利用LFA（loop free alternates）应对网络中发生的单故障情形,从而提高路由可用性.然而,已有的LFA实现方式算法时间复杂度大,需要消耗大量的路由器CPU资源.针对该问题严格证明了当网络中出现单故障时,只需要为特定的节点计算备份下一跳,其余受该故障影响节点的备份下一跳和该特定节点的备份下一跳是相同的.基于上述性质,分别讨论了对称链路权值和非对称链路权值中对应的路由保护算法.实验结果表明：与LFA相比较,该算法的执行时间降低了90%以上,路径拉伸度降低了15%以上,并且与LFA具有同样的故障保护率.     

混合个体选择机制的多目标进化算法

在多目标进化算法中,如何从后代候选集中选择最优解,显著地影响优化过程.当前,最优解的选择方式主要是基于实际目标值或者代理模型估计目标值.然而,这些选择方式往往是非常耗时或者存在精度差等问题,特别是对于一些实际的复杂优化问题.最近,一些研究人员开始利用有监督分类辅助后代选择,但是这些工作难以准备准确的正例和负例样本,或者存在耗时的参数调整等问题.为了解决这些问题,提出了一种新颖的融合分类与代理的混合个体选择机制,用于从后代候选集中选择最优解.在每一代优化中,首先利用分类器选择优良解;然后设计了一个轻量级的代理模型用于估计优良解的目标值;最后利用这些目标值对优良解进行排序,并选择最优解作为后代解.基于典型的多目标进化算法MOEA/D,利用混合个体选择机制设计了新的算法框架MOEA/D-CS.与当前流行的基于分解多目标进化算法比较,实验结果表明,所提出的算法取得了最好的性能.     

混合采样与遗传算法相结合的垃圾网页检测

垃圾网页检测存在数据不平衡、特征空间维度较高的问题,为此,提出一种基于随机混合采样和遗传算法的集成分类算法.首先,使用随机混合采样技术,通过随机抽样,减少多数类样本数量,用少数类样本合成过采样技术方法生成少数类样本,获得多个平衡的训练数据子集;然后使用改进的遗传算法对训练数据集进行降维,得到多个具有最优特征的训练数据子集;使用极端梯度算法（XGBoost）作为分类器,训练多个平衡数据子集,用简单投票法对多个分类器进行集成,得到新的分类器;最后对测试集进行预测,得到最终预测结果.实验结果表明,提出算法的分类结果与XGBoost的结果相比,准确率提高了约19.25%,且减少了建立学习模型的时间,提高了分类性能,是一种较好的分类算法.     

基于BizTalk Server的工作流引擎的研究与实现

针对业务流程管理系统中业务流程的快速、灵活实现,对工作流引擎的设计和实现方法进行了研究,提出了一种新的基于BizTalkServer的工作流引擎实现方案。     

半监督聚类目标下粒子群算法的分析与改进

传统粒子群算法的优点较为明显,但是随着环境复杂度的增高,传统算法的聚类中心敏感度升高,空聚类过多,类标号对聚类结果的影响不足等问题日趋严重.为此,提出了一种改进算法,以半监督K均值聚类为目标,以自适应K值的方式,随机地计算初始化聚类中心,并根据均值聚类算法的需要编码成粒子,同时引入软性约束概念重新构造目标函数;最后使用改进后的算法进行寻优.所提出的粒子群算法改进了自适应参数,引入了免疫扰动和混沌扰动2种扰动方式,同时应用了退火策略和动态聚类策略.实验结果表明,该算法在很大程度上解决了上述问题.