基于节点簇的非结构化P2P搜索策略

以Gnutella为代表的非结构化P2P系统通常会呈现复杂网络结构,针对其度分布服从幂律分布的特点,提出一种基于节点簇的搜索策略。该策略利用节点簇来存储系统中文件的索引,通过将搜索过程限制于节点簇内部来提高搜索性能。然后,基于数学模型的理论分析给出了搜索性能上下界的数学描述。实验结果表明,搜索性能与簇的阈值c密切相关;c的取值范围灵活性很大,此时稀有文件的搜索效率至少可以提高一倍以上,文件索引的传输和存储代价可以减少一个数量级。该策略不需要学习全局拓扑知识,具有稳定并且易于实现和部署的优点。     

基于多环结构的P2P覆盖网络路由算法

P2P系统中采用的随机选择邻居节点的方法会降低路由效率以及增大网络开销.针对这一问题,在分析现有的路由算法的基础上,提出一种基于多环网络拓扑结构的P2P路由算法RMCT.该算法将P2P节点划分为若干簇并设立簇核节点进行管理.RMCT采用常数级别的路由表,设计了节点加入、退出算法以及簇的划分、簇核选举等算法.通过实验与经典Chord算法进行性能对比,证明了RMCT在路由性能方面有明显优势,是一种有效的路由算法.     

混合P2P网络资源搜索机制研究

提出一种基于混合P2P网络的资源搜索机制,将基于结构化P2P网络的搜索算法和基于超级节点的搜索算法有机结合在一起,并探讨了簇中超级节点失效的应对策略.实验结果表明,该算法能有效提高资源搜索的有效性和准确率.     

P2P文件搜索系统中基于标签的文件搜索方法

针对点对点(P2P)文件搜索技术存在网络带宽消耗大和查询速度慢等问题, 为专用的P2P系统设计一种基于标签的文件搜索方案. 该方案给出了将系统底层每个节点所控制的相关文件上传到中间层子服务器, 及将顶层中央服务器接收到的文件查询转发到相关子服务器的方法, 并运用标签优先顺序技术实现了查询的快速转发.
性能评估结果表明, 基于标签的文件搜索方法在转发查询过程中, 必须检测的标签个数由一个很小的常数界定, 从而节省了系统的网络带宽, 提高了文件的搜索速度.     

基于分簇结构的P2P流媒体混合分发算法

提出了一种基于分簇结构的混合分发算法,算法采用分簇的方法将流媒体中的节点资源进行簇划分,形成由簇头、簇内节点构成的分簇网络结构,簇头与簇内节点通过拉拽算法来获得数据,而簇头间采用推送分发算法.仿真结果表明,该算法能提高数据块复制速度,减少数据传播时延,有效降低系统的控制开销,提高了播放连续度.     

基于兴趣域中心节点的P2P网络拓扑

资源搜索是P2P应用所面临的最核心问题之一,相关的非结构化P2P系统主要采用了查询消息泛洪和信息索引机制。通过对分布非结构化的搜索算法以及对现有改进算法的研究,参考网络中的小世界性给出了一种基于兴趣域中心节点的P2P网络拓扑结构。该算法使得节点能在短时间内查找到有效的资源,减少了查询信息量,缩短了路由路径,提高了搜索效率。     

P2P网络中基于激励机制的副本策略

为了在P2P网络的副本技术应用中调动节点主动提供存储空间的积极性、增强节点间的相互合作,借鉴信息经济学中委托-代理关系的相关知识以及激励的概念,提出基于激励机制的副本策略,从而提高P2P网络的性能.模拟实验表明,所提出的基于激励机制的副本策略可以削弱由于节点间的不合作所引起的不能成功创建文件副本的影响,可以在一定程度上提高网络的搜索性能.与目前几种经典的副本策略相比,所提出的策略降低了网络的搜索响应时间,提升了搜索的成功率,并使得节点的负载相对达到均衡.     

结构化P2P网络Chord中节点行为优化的研究

为了提高结构化P2P网络系统Chord的性能,解决节点频繁地加入和离开带来的网络波动和高的维护代价,提出了一种新颖的节点行为优化的方法.通过对节点行为的策略控制,用较小的存储开销和节点的额外负载换取网络整体性能的提高。网络仿真结果显示,节点的优化有效地控制了Chord环的大小,增加了容错性,提高了系统的整体性能.     

基于部分匹配方式的可扩展P2P搜索算法

理想的P2P(Peer-to-Peer)搜索算法应该同时具有信息检索水平的查询质量和有效的搜索性能。然而,现有的搜索算法都不能同时较好地满足这两点。基于这两个目标,该文提出一种基于层次聚类的分布层层次聚类(DHC)搜索算法。该算法中首先利用向量空间模型将文件内容表示成向量的形式,然后经过层次聚类操作得到一棵关于全网所有文件向量的层次树,层次树信息分布式地存储于整个网络中,以层次树为路由线索,路由深度不会超过树的高度。初步仿真试验表明,该算法的查全率在80%以上,并具有对数量级的搜索与更新代价。     

基于网络编码的P2P视频点播数据传输方案

为提高视频点播系统的性能,提出了一种基于随机网络编码的P2P视频点播数据传输方案.该方案包括服务器中流媒体数据的预处理,数据块的网络编码和解码过程,Peer节点数据调度算法,Peer节点数据块缓存的设计,以及数据块的处理流程等部分.分析表明,相对于纯P2P视频点播系统,该方案增强了系统鲁棒性,提高了Peer节点下载速度和下载成功率.仿真实验中该方案相对于纯P2P视频点播将Peer节点的数据下载速度提高了约5%.     

基于分布式FTP的二进制大对象存取算法

为提升二进制大对象(BLOB)存储系统的可靠性和存储效率,设计了一种新的BLOB存取算法.通过建立分布式BLOB存储模型,设计了基于多列等候队列的存储结构,证明了适当增加等候队列数量,可改善存储系统性能.系统采用混合型数据放置策略,分布地存储BLOB数据于FTP群集中各个结点,并将其属性存储于元数据服务器.结果表明,随着系统容量的不断增长,各结点存储性能稳定,数据完整性良好.     

搜索引擎自动性能评估函数的研究

基于聚类分析的搜索引擎自动性能评价方法能自动计算信息类查询的覆盖范围,并根据其覆盖范围对检索结果进行聚类,通过评估函数实现检索性能的自动评价.对如何利用类间距和类内距2个指标来定义合适的评估函数进行了分析,提高了自动性能评价的准确性.     

最小控制集问题的群集策略智能算法研究

图的最小控制集是一个经典的NP完全问题,其广泛应用在生物信息学、计算机通讯、工程设计等方面。目前搜索最小控制集算法有多种,例如:贪心算法、模拟退火算法、基于禁忌搜索的模拟退火算法等。当搜索结构复杂的多点图时,很多算法的搜索效果并不好。为了提高搜索效果,提出并实现一种群集策略智能算法;同时还对群集策略算法进行了非常重要的扰动改进。为了验证算法的搜索效果,利用Petersen图和随机图完成了对群集策略算法的搜索测试实验;同时也完成了对群集策略算法、贪心算法、基于禁忌搜索的模拟退火算法的比较测试实验,通过实验结果也验证了群集策略算法搜索效果最好。     

多路径网络编码的传输可靠性提高策略

为了提高无线传感器网络的传输可靠性,提出在中间节点选择性编码的多路径传输策略.该策略建立从源节点到汇聚节点的相交多路径,并在源节点对数据包进行编码后沿多路径传输,中间节点接收并转发编码包.如果中间节点是簇首节点,则需对数据包重新编码后再发送给下一跳节点.解析计算了路径的传输可靠性和标准化能耗,并对所提传输策略下的网络传输可靠性和能耗进行仿真.结果表明,所提策略使得网络的传输可靠性有所提高,而且能量有效性得到大幅改善.     

一种解多目标优化问题的基于分解的人工蜂群算法

在处理多目标优化问题时,如何平衡所得解集的分布性与收敛性是一个困难又重要的工作。为此,提出了解决该问题的一种基于目标空间分解的人工蜂群算法(MOABC/D)。首先采用一组方向向量将目标空间分解成一系列的子区域,并在每一个子区域至少保留一个解来保持解的分布性,其次提出一个基于分解的选择策略和2个基于信息交换的搜索策略来提高人工蜂群算法的搜索能力,并采用一个基于高斯分布的搜索策略来增强人工蜂群算法的搜索效率。为验证所提算法的性能,与8种同类算法在10个测试问题上进行比较。结果表明,本文所提算法得到的解集具有更好的收敛性能和分布性能。     

基于粒子群与蜂群结合的算法求解含风电场电力系统经济调度问题

提出一种新的混合智能算法解决含阀点效应和系统约束的含风电场的电力系统经济调度问题,将蜂群中的觅食行为与聚群行为引入改进的粒子群,提出改进粒子群一蜂群混合智能算法．在算法上进行优化,大大地提高搜索的能力,从而使结果更优．通过引入交叉策略,对那些速度保持不变的点,重新赋值．以一定的比例选拔最优点,其中选拔出的最优点,不止一个．同时精英策略的采用,有利于加强全局寻优,跳出局部最优,从而使算法得到很大的改善．最后对一个10机系统的算例进行求解,通过与改进的粒子群算法、蜂群算法进行比较,验证了改进的粒子群一蜂群混合智能优化算法在解决含风申．场的申力系统终济调度问题中的有效性与优撼性．     

基于节点分簇的延迟容忍网络路由策略

延迟容忍网络中路由策略的效率受节点移动特性的影响,为了能够利用节点移动特性制定更加高效的路由策略,提出了基于节点分簇(clustering)的延迟容忍网络路由策略.根据节点接触概率提出了节点分布式分簇算法,将移动特性相似的节点组成簇,并且选择簇内的网关节点;制定了基于节点分簇的消息转发策略.仿真结果表明,相比已有的延迟容忍网络路由策略,所提路由策略能让延迟容忍网络具有更高的消息投递率,更低的平均投递时延以及更低的网络开销比率.因此,利用节点移动特性制定的节点分簇路由策略能够提高延迟容忍网络的性能.     

一种基于语义的super-peer网络构建方法

针对分类层次语义空间,提出了一种基于语义的super-peer网络构建方法.该方法根据peer上数据的语义信息,动态地将peer聚簇成不同的语义簇,语义簇之间建立适当的语义路由关系.每个语义簇由一个super-peer节点和一组peer节点组成,仅负责回答其语义子空间上的查询.查询首先根据其语义被路由到适合的语义簇中,然后被转发给包含结果的peer.实验结果表明,该方法在查找性能和开销之间取得了一个良好的平衡,具有较高的查找性能和较低的查找代价,提高了网络的可扩展性.     

基于MapReduce和改进人工蜂群算法的并行划分聚类算法

针对大数据背景下基于划分的聚类算法中存在参数寻优能力不佳、初始中心敏感、数据倾斜等问题,提出一种基于MapReduce和人工蜂群(artificial bee colony,ABC)算法的并行划分聚类(the partitioning-based clustering algorithm by using im-prove artificial bee colony based on MapReduce,MR-PBIABC)算法.首先,提出基于反向学习和聚类准则函数的初始化策略(backward learning and the clustering criterion function,BLCCF),提升人工蜂群算法搜索的解质量,并将ABC算法和人工鱼群(artificial fish colony,AFS)算法结合,提出改进人工蜂群(improve artificial bee colony,IABC)算法,通过利用AFS算法最优解能力较强的特性,来提高ABC算法的寻优能力;其次,根据改进的人工蜂群算法IABC获取初始聚类中心,提出相对熵策略(rela-tive entropy strategy,RES)衡量人工鱼间的距离,保证获得的初始聚类中心是最优人工鱼状态,从而有效避免了随机选取初始聚类中心,引起的初始中心敏感的问题;再次,设计数据均衡策略(data balancing strategy,DBS),通过动态收集节点负载并分配节点间的负载,解决了节点上数据倾斜的问题;最后,结合MapReduce计算模型,并行挖掘簇中心,生成最终聚类结果.实验结果表明,MR-PBIABC算法的聚类效果更佳,同时在大数据环境下,能有效地提高并行计算的效率.