基于P2P的视频会议系统节点选择机制的改进研究

随着P2P技术迅速发展,主要基于P2P技术的视频会议系统作为P2P技术的重要应用之一,且系统的节点选择机制则成为该领域的一个研究热点.利用P2P技术的核心思想构建视频会议系统网络结构,并通过改进系统Chord网络的路由机制来达到改进系统节点选择机制的目的.     

PRST-Chord:基于Chord的低延时查询改进算法

针对目前Chord协议中逻辑覆盖网与底层物理拓扑不匹配的问题,提出了一种改进算法PRST-Chord(proximity routing selection and topology-based Chord).该算法基于底层的拓扑信息来构造节点标识,使得物理上相邻的节点在逻辑上也尽可能相邻,同时修改了Chord的查询算法,通过预测节点问的网络延时优化下一跳节点的路由选择.仿真实验结果表明,改进算法有效地降低了查询延时,提高了资源定位的性能.     

多项目选择计划及其两层决策免疫遗传算法

探讨项目计划管理中,资源受限下含承继约束的多项目选择计划两级规划模型及其求解算法.依据项目的承继关系,将所有项目划分为若干子群,各子群内部的项目之间存在承继约束,子群之间仅有优先关系,进而获得了资源受限下资源配置平衡的两级规划模型.基于遗传算法的基本结构,引入免疫系统的多样性、记忆性等特征,获得了求解此模型的免疫遗传算法.数值实验结果表明了该模型设计的合理性及算法的有效性.     

多约束条件蚁群优化算法的收敛性分析及其应用

为有效解决无线移动自组网中多约束服务质量(QoS)路由问题,提出结合QoS条件下的改进型蚁群算法.该算法对QoS约束条件进行简化,只考虑影响网络因子的主要指标,提高了算法的工程实用性,并在理论上证明该算法的收敛性.对传统蚁群算法的信息素进行改善,通过对该算法局部和全局收敛性的研究,提出了普遍意义下的收敛条件,为这一类约束条件下的蚁群算法进一步研究奠定了良好的基础.     

基于QoS的Web服务选择算法综述*

服务选择算法是影响组合服务的QoS和服务组合性能高低的关键因素。针对近几年来基于QoS的Web服务选择算法的发展状况进行了综述,介绍和总结了当前基于QoS的Web服务选择问题模型,对服务选择策略进行了分类,并对当前的一些典型的基于QoS的Web服务选择算法进行了系统的分析和评论。最后指出了现有算法中的不足之处,展望了该领域的进一步研究方向。     

基于正交试验设计的克隆选择函数优化

将正交试验设计引入到克隆选择操作中,设计出基于正交试验的克隆选择操作(clonal selection operation based on orthogonal experiment design,简称CSO-OED),并将其加入到典型的克隆选择算法中,设计出并联式的CSO+CSO-OED(I)算法和串联式的CSO+CSO-OED(II)算法.将新设计的算法用于9个经典的测试函数和6个复杂的测试函数进行对比测试,实验结果表明,CSO-OED能够有效地保持种群的多样性,避免算法不成熟收敛.CSO+CSO-OED(I)和CSO+CSO-OED(II)将全局搜索和局部搜索分开进行优化,对比实验表明,这种搜索策略不但能够保证算法的收敛性,还能有效地提高搜索解的精度,增强算法的鲁棒性.     

延迟容忍传感器网络基于相对距离的数据传输

延迟容忍移动无线传感器网络(delay tolerant mobile sensor network,简称DTMSN)用于广泛数据收集.与传统的传感器网络不同,DTMSN 具有节点移动性、间歇连通性并且能够容忍适当的延迟,因此传统传感器网络的数据收集算法不能适用.提出了一种基于相对距离感知的动态数据传输策略RDAD(relative distance-aware data delivery scheme).RDAD采用传感器节点到汇聚点(sink node)的相对距离来计算节点传输概率的大小,并以此作为消     

融合微粒群的多种群协同进化免疫算法

提出一种融合微粒群的多种群协同免疫优势克隆选择算法(PMCICA).该算法将生态学中的协同进化思想引入人工免疫算法中,各子种群内部通过免疫优势克隆选择操作加快了种群收敛速度;所有子种群共享经过改进微粒群优化的高层优良库,实现了整个种群信息共享与协同进化.针对旅行商问题(TSP)的多个实验结果表明,该算法在收敛速度与最优解等方面均取得了较好的效果.     

基于特征选择和最大熵模型的汉语词义消歧

词义消歧是自然语言处理中一类典型的分类问题.在分类中,特征的选择至关重要.通常情况下,特征是由人工选择的,这就要求特征选取者对于待分类的问题本身和分类模型的特点有深刻的认识.分析了汉语词义消岐中特征模板对消歧结果的影响,在此基础上提出一套基于最大熵分类模型的自动特征选择方法,包括针对所有歧义词的统一特征模板选择和针对单个歧义词的独立特征模板优化算法.实验结果表明,使用自动选择的特征,不仅简化了特征模板,而且提高了汉语词义消歧的性能.与SemEval 2007:task #5的最好成绩相比,该方法分别在微平均值MicroAve(micro-average accuracy）)和宏平均值MacroAve(macro-average accuracy）)上提升了3.10%和2.96%.     

基于遗传算法的加权支持向量机的短期电力负荷预测

建立在统计学习理论的VC维理论和结构风险最小化原理基础之上的支持向量机（SVM）在理论上保证了模型的最大泛化能力,因此将支持向量机理论应用于电力负荷预测可以获得很好的效果,但是传统SVM回归预测算法对于不同的样本均采用相同的参数,无法体现各样本的重要程度的区别,而且将支持向量机理论应用于实际中也存在对样本数据进行特征选择和对支持向量机模型参数进行选择的问题。因此提出了将遗传算法应用于短期的电力负荷预测中来对加权支持向量机模型进行特征选择和模型参数确定。