基于Agent的网构软件模型研究

以开放网络环境下的网构软件需求为切入点，基于软件Agent的原理、方法和技术，系统分析了基于面向对象方法学的经典软件结构模型及其支撑技术的限制，提出了一种开放协同软件模型来作为网构软件的基础模型．结合其关键支撑技术的研究，提出了基于移动Agent的协同程序设计技术、多模式交互机制及基于Agent中间件模型和面向体系结构的协同程序设计方法，并探讨其在主流软件技术中的应用，初步形成了一种适合于开放网络环境需求的技术框架体系，在此基础上，提出了一条建立基于Agent的网构软件模型的技术途径，即网构软件模型=开放协同模型＋环境驱动模型＋智能可信模型，从而为进一步的研究工作奠定了基础．     

一种基于多维DHT空间映射的P2P安全拓扑方案

基于DHT（distributed Hash table）的分布式检索和路由算法凭借其良好的分布性、自组织性、可扩展性等优点，正成为国际上结构化P2P（peer—to—peer）网络研究和应用的热点．但相对于传统的C／S fclient／server）网络，P2P网络的非中心化特点以及网络中节点较强的自治性和动态性，使得节点实施恶意行为的可能性大大增加，这令DHT对节点安全性的要求很难得到满足．本文提出了一种基于多维映射机制的安全DHT协议，该机制通过对标识符进行按组划分，将P2P网络中的节点映射到一个多维空间，并通过设计合理的路由算法，使安全工作定位到相对简单的节点区域内进行．理论分析和实验结果表明，本机制能够简化现有DHT安全机制，有效抑制恶意路由行为，提高资源搜索成功率．     

P2P系统中基于双信任信息的信誉度改进模型

针对P2P网络中诸如诋毁、合谋、欺骗等安全性问题，提出一种新的基于双信任信息的分布式信任模型。区别对待节点提供服务和发送评价的能力，对节点拥有的资源进行分类；通过迭代求解，为每个节点的每类资源分别计算全局服务信任值和回馈信任值；为了防止恶意节点反复实施恶意行为，引入了惩罚机制，激励节点诚信交易。仿真实验表明，该模型能够迅速降低恶意节点的全局信誉值和恶意交易概率，降低了对无过失节点的不公平性。     

移动计算环境下不确定性组合服务的事务建模与执行分析

移动计算环境中,服务面临资源受限与连接波动,同时存在越区切换和弱一致性需求等事务性挑战.为了确保移动环境下组合服务的事务有效性,本文以服务的不确定性和事务属性为基础,提出了一种基于Markov链的移动组合事务模型.首先通过形式化方法构建移动环境下原子服务模型和原子服务的事务机制,并基于状态概率实现了原子服务的2维不确定性表征,然后运用Markov链完成移动组合服务的模型表达,提出了该模型下的不确定性处理与事务方法,最后基于典型业务结构分析了移动组合事务的执行语义与实施.实验表明:该事务模型能有效描述移动环境下组合服务的事务需求,且服务不确定性的不同指标和各事务架构皆对组合事务成功率产生较大影响.     

基于移动设备云迁移的节能决策算法

随着云计算的兴起,云迁移计算开始成为移动设备获取计算资源和降低功耗的有效方式.云迁移的主要想法是将移动终端的复杂任务经由无线网络迁移到云端执行,然后再接收计算结果.然而,无线网络的不稳定性和数据传输的高功耗限制了云迁移计算在移动设备中的应用.不同于已有工作,本文通过引入数据压缩的方法完善了云迁移计算决策模型,并且基于对未来时段网络期望的预测,提出了一种节能迁移计算决策算法——EPVAD.基于实际的3G网络带宽数据和开发测试平台,实验结果显示:EPVAD算法的节能效果较同类算法平均优14.9%,并且算法自身的系统开销可忽略.     

公钥体系的混合式P2P信任模型

设计公钥体系的混合式P2P网络信任模型。采用层次化管理体系对节点进行认证，公钥体系保障节点间通信的安全性。通过局部信任、推荐信任、全局信任综合考察节点的可信情况。给出了模型的数学实现方法。仿真结果表明，模型能够有效提高节点的交易成功率。     

跨流域调水管理仿真的Agent结构模型

鉴于传统水资源开发配置和调度管理普遍采用系统动力学方法进行系统仿真，有一定局限性，采用复杂适应系统理论以及多Agent建模方法分析了跨流域调水管理过程的层次结构，结合南水北调东线水资源调度管理系统，设计了一种基于复杂适应系统仿真的Agent结构模型，并对Agent结构模型的形式化描述和特点进行分析，最后基于swarm仿真平台进行了仿真和验证。结果表明跨流域调水管理仿真的Agent结构模型可以协调好智能体的反应性和适应性，满足了跨流域调水管理复杂适应系统仿真中对Agent的不同要求。     

基于时刻表的城市地铁客流均衡分配模型及方法

运用网络扩展技术,结合城市地铁线网结构和列车时刻表信息,对空间网络的物理站点和区段在时间维度上进行扩展,同时,考虑了乘客在不同线路之间换乘的实际约束,构造了城市地铁的时空网络拓扑结构,并给出了针对地铁时空扩展网络的改进最短路搜索算法.在此基础上,分析和研究了地铁乘客路径选择行为的时效性,考虑了乘车时间、换乘因素以及车内拥挤因素,构建了基于地铁时空扩展网络的路径广义费用模型,提出了基于时刻表的地铁网络客流平衡分配模型,并给出了求解算法.最后,通过一个简单算例对模型及算法的可行性和有效性进行了分析和验证.     

基于最优搜索理论的失踪旅游者搜救模型研究

文章研究在失踪旅游者搜索问题中引入最优搜索理论的方法.针对失踪者相对静态的情况,在目标分布函数与探测函数的基础上建立搜索模型,通过拉格朗日乘数法最优化计算,导出了探测函数服从指数形式时的静态失踪旅游者最优搜索模型和搜索资源最优配置的计算方法.经示例比较,研究建立的搜索模型大幅度缩短了失踪旅游者的搜索时间,提高了搜索效率与失踪者的生还机会.     

基于RBF神经网络的烧结终点预测模型

本文提出一种基于径向基函数(RBF)神经网络的烧结终点预测模型.该模型首先采用改进的最近邻聚类算法确定径向基函数中心,接着应用递推最小二乘法训练网络的权值.通过现场采集数据对该模型进行仿真,其实验结果表明,该模型具有较好的学习能力和泛化能力,为烧结终点的预测提供了一种新的解决方法.     

Predicting loan default in peer-to-peer lending using narrative data

Peer-to-peer (P2P) lending is facing severe information asymmetry problems and depends highly on the internal credit scoring system. This paper provides a novel credit scoring model, which forecasts the probability of default for each applicant and guides the lenders' decision-making in P2P lending. The proposal is expected to improve the existing credit scoring models in P2P lending from two aspects, namely the classifier and the usage of narrative data. We utilize an advanced gradient boosting decision tree technique (i.e., CatBoost) to predict default loans. Moreover, a soft information extraction technique based on keyword clustering is developed to compensate for the insufficient hard credit data. Validated on three real-world datasets, the experimental results demonstrate that variables extracted from narrative data are powerful features, and the utilization of narrative data significantly improves the predictability relative to solely using hard information. The results of sensitivity analysis reveal that CatBoost outperforms the industry benchmark under different cluster numbers of extracted soft information; meanwhile a small number of clusters (e.g., three) is preferred for consideration of model performance, computational cost, and comprehensibility. We finally facilitate a discussion on practical implication and explanatory considerations.     

An intelligent model selection and forecasting system

In this paper we present an intelligent decision‐support system based on neural network technology for model selection and forecasting. While most of the literature on the application of neural networks in forecasting addresses the use of neural network technology as an alternative forecasting tool, limited research has focused on its use for selection of forecasting methods based on time‐series characteristics. In this research, a neural network‐based decision support system is presented as a method for forecast model selection. The neural network approach provides a framework for directly incorporating time‐series characteristics into the model‐selection phase. Using a neural network, a forecasting group is initially selected for a given data set, based on a set of time‐series characteristics. Then, using an additional neural network, a specific forecasting method is selected from a pool of three candidate methods. The results of training and testing of the networks are presented along with conclusions. Copyright © 1999 John Wiley & Sons, Ltd.     

非对称双向中继X网络中基于最大化和速率的干扰对齐与中继处理算法

双向中继X网络相对于传统无线通信网络可以实现更高的自由度.然而,基于迫零算法的中继处理算法仅考虑了消除干扰成分,忽略了对期望信号的影响,从而使得网络的和速率有待提高.特别地,当用户发送功率越低,其和速率劣势越明显.针对上述问题研究其干扰对齐方案,并给出了优化的联合考虑期望信号和干扰信号的中继处理算法.首先,通过利用用户矢量信号之间的空间关系,给出网络和速率的数学模型;其次,通过矩阵分析及数值分析理论将最大化网络和速率的中继预编码设计问题转化为线性搜索最优值问题,并用极限值方法近似网络目标函数;再次,进一步将双向网络的目标函数近似为单向网络用户参数的线性组合,大大降低算法复杂度;最后,基于优化的线性搜索最优值问题,得到最大化网络和速率的中继预编码矩阵.仿真结果表明:相较于现有的中继处理方案,本文方案明显改善了网络和速率,同时还简化了最大化网络和速率带来的算法复杂度.     

5G移动通信发展趋势与若干关键技术

第5代移动通信系统(5G)是面向2020年之后的新一代移动通信系统,其技术发展尚处于探索阶段.结合国内外移动通信发展的最新趋势,本文对5G移动通信发展的基本需求、技术特点与可能发展途径进行了展望,并分无线传输和无线网络两个部分,重点论述了富有发展前景的7项5G移动通信关键技术,包括大规模天线阵列、基于滤波器组的多载波技术、全双工复用、超密集网络、自组织网络、软件定义网络及内容分发网络.本文还概括性地介绍了国内5G移动通信的相关研发活动及其近期发展目标.     

基于封包截获技术的个人防火墙核心驱动技术

针对市面上多数防火墙防外不防内的致命缺点,研制有效的个人防火墙很有必要。为此提出了一种基于内核模式和用户模式的双重个人防火墙过滤设计方案在内核模式下利用TDI虚拟驱动接口挂接技术实现对通过传输层的原始数据封包进行截获,在应用模式下采用Winsock2SPI技术开发DLL程序实现对基于Socket网络连接通信的服务截获和过滤,克服了单方面从用户模式或核心模式截获数据包的缺点。着重介绍核心层虚拟驱动编程模块所涉及的编程技术。     

基于 R-RNN的孵化器运营水平评价及应用

针对科技企业孵化器运营水平难以科学定量评估的问题,提出了基于粗糙集和 RBF神经网络的 R RNN孵化器运营水平评价模型.基于孵化器运营工作原理的归纳分析,提出多层次孵化器运营水平评价指标体系.根据指标重要程度采用粗糙集理论对评价指标进行预处理,去除冗余指标项,选取重要控制指标并减少网络输入维度,进而采用 RBF神经网络对科技企业运营水平进行综合评价.最后通过具体的应用实例验证了该评价模型的有效性与可行性