基于MapReduce改进蚁群算法的Web服务组合优化

对于Web服务组合优化的问题,蚁群算法的求解主要是串行进行,收敛时间长,容易收敛于非最优解。在云计算环境中,将蚁群算法并行化,可对Web服务组合优化问题进行分布式并行求解。根据多目标优化模型给出基于多信息素的蚁群算法,使用MapReduce并行编程框架对蚁群算法中最耗时的部分——蚂蚁独立求解的过程并行化,给出了使用MapReduce改进的基于多信息素的蚁群优化算法,有效地对Web服务组合进行全局优化,弥补传统的蚁群算法求解过程的缺点。     

基于人工智能技术的不完备信息系统智能诊断方法研究

为了提高不完备信息系统故障诊断的正确性与效率,本文提出一种基于粗糙集理论、蚁群优化算法和RBF神经网络相结合的故障智能诊断方法。该方法首先利用“条件组合补齐算法”对不完备的数据进行完备化处理,再利用粗糙集对条件属性进行知识约简,得到具有最大完备度的最小规则集,接着用蚁群算法优化RBF神经网络的权值,并将最小规则集用于训练RBF神经网络模型,获得故障智能诊断模型。通过实际工程数据验证故障智能诊断模型的有效性,结果表明提出的方法能有效实现系统故障的诊断。     

云存储副本优化选择策略

为了提高云计算环境中系统的整体数据调度效率,对云存储系统中的副本选择问题进行研究,提出一种基于蚁群觅食原理的云存储副本优化选择策略。该策略利用蚁群算法在解决优化问题上的优势,将自然环境中蚁群的觅食过程与云存储中的副本选择过程相结合;再充分应用信息素的动态变化规律以及高斯概率分布特性优化副本的选择方式,得出一组副本资源的最优解,从而为数据请求响应合适的副本。在OptorSim仿真平台上对该算法进行实现,实验结果表明该算法具有不错的表现,如在平均作业用时这一性能指标上相比原始蚁群算法提升了18.7%,从而在一定程度上减少了副本选择过程的时间消耗,降低了网络负载。     

基于用户需求特征的Web服务动态组合方法研究

为了解决以满足用户需求为目标的动态服务组合问题,适应Web服务组合过程中的动态性、不稳定性,提出了一种基于用户需求的改进蚁群算法。算法包括两个优化的过程,局部优化规则和全局优化规则,分别保证得到局部的最优解和全局的最优解,保证服务选择过程的趋优性,尽可能满足用户对服务的多个需求特征要求。另外,改进了蚁群算法的信息素更新策略。本文还通过模拟实验测试,证明本文中提出的算法性能高于普通蚁群算法应用于该领域的性能。     

基于Spark的蚁群优化算法

为应对大数据时代中组合优化问题的求解,基于云计算框架Spark,借助其基于内存、分布式的特定,提出一种并行蚁群优化算法。其思路是通过将蚂蚁构造为弹性分布式数据集,由此给出相应的一系列转换算子,实现了蚂蚁构造解过程的并行化。通过在旅行商问题(TSP)求解的仿真实验结果说明了所提出的并行算法的可行性;并在同等实验环境下对比基于MapReduce的蚁群优化算法,优化速度提升达10倍以上。     

基于改进蚁群算法求解迷宫最优路径

蚁群算法是一种基于群体智能原理的优化模型,用于解决组合优化问题。该文在蚁群算法的选择策略方面进行改进,提出了基于改进蚁群算法求解迷宫最优路径的算法。     

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.     

一种基于改进蚁群算法的多目标跟踪数据关联方法

针对目标跟踪数据关联问题给出一种基于改进蚁群算法的数据关联方法。首先,根据多目标数据关联问题的特点,将该问题转化为组合优化问题;其次,将精英策略和排序策略引入传统蚁群算法,得到改进的蚁群算法,利用蚁群算法解决组合优化问题的优势,将改进的蚁群算法应用于多目标跟踪数据关联中,建立数据关联模型并给出基于改进蚁群算法的数据关联方法;最后,通过仿真实验验证了所获的基于改进蚁群算法的多目标数据关联方法的有效性和优势。     

基于监督者组的区块链账本修正方案

区块链账本中存在违规数据、误操作上链数据等问题,相关学者开展了可修正账本技术研究。针对传统修正方案中修改效率低、恶意节点作乱影响安全性等问题,提出了一种基于监督者组的区块链账本修正方案来改进传统方案。通过基于改进PageRank的区块链节点信用排序算法筛选出监督组成员节点,进而在可信前提下提升了账本修正流程的效率。设计了一种改进随机选择修正者算法并使用可验证随机函数构建节点验证追责机制,保障了账本数据修正流程的可追溯性和安全性。通过分析和仿真实验,该方案具有较高的安全性,并在区块信息修正效率和资源利用率方面优于传统方案。     

基于改进蚁群算法的物流配送路径求解

蚁群算法是受自然界中蚁群觅食行为启发而提出的一种智能优化算法,通过介绍蚁群搜索食物过程中基于信息素的最短路径的搜索策略.以及蚁群算法在VRP问题中的应用,给出了用于求解物流配送路径问题的蚁群算法.并针对蚁群算法在求解过程容易陷入局部最优的情况,提出了算法改进的措施.     

BlockU: Extended usage control in and for Blockchain

An electronic business transaction among untrusted bodies without consulting a mutually trusted party has remained widely accepted problem. Blockchain resolves this problem by introducing peer-to-peer network with a consensus algorithm and trusted ledger. Blockchain originally introduced for cryptocurrency that came with proof-of-work consensus algorithm. Due to some performance issues, scientists brought concept of permissioned Blockchain. Hyperledger Fabric is a permissioned Blockchain targeting business-oriented problems for industry. It is designed for efficient transaction execution over Blockchain with pluggable consensus model; however, there is limitation of rapid application development. Hyperledger introduced a new layer called Hyperledger Composer on top of the Fabric layer, which provides an abstract layer to model the business application readily and quickly. Composer provides a smart contract to extend the functionality and flexibility of Fabric layer and provides a way of communication with other systems to meet business requirements. Hyperledger Composer uses role-based access control (RBAC) model to secure access to its valuable assets. However, RBAC is not enough because many business deals require continuous assets monitoring. Our proposed model, BlockU, covers all possible access control models required by a business. BlockU can monitor assets continuously during transactions and updates attributes accordingly. Moreover, we incorporate hooks in Hyperledger Composer to implement extended permission model that provides extensive permission management capability on an asset. Subsequently, our proposed enhanced access control model is implemented with a minimal change to existing Composer code base and is backward compatible with the current security mechanism.     

基于负载均衡算法的Hyperledger Fabric共识机制研究

Hyperledger Fabric将业务逻辑解耦,在提升系统灵活性的同时存在性能瓶颈,无法满足高并发快响应的业务需求。通过对Hyperledger Fabric共识机制中的背书、排序、验证3个阶段进行分析,为均衡背书节点性能并提高系统效率,设计基于动态负载均衡算法的提案分发优化方案。综合均衡指数、反馈周期等性能指标,设计节点负载和节点权值量化方法。通过采集节点负载信息计算并选取合理的反馈周期和影响权重以更新节点权值,同时结合加权轮询算法将交易提案分发至当前权重最大的节点进行背书,实现背书节点负载的动态均衡。在Caliper工具上的测试结果表明,优化方案提升了Hyperledger Fabric共识机制的请求处理性能,相比于原始方案的链码交易和查询吞吐量提高了17.53%和15.84%,平均时延下降了6.7%和18.2%。     

认知网络中基于无性繁殖优化的组播路由算法

为了保证网络用户的服务质量,认知网络与可信网络从提高网络的智能性与可信性方面提供了保证机制.基于人工免疫系统的智能化特征,在认知网络架构的基础上,提出了一种基于无性繁殖优化的可信QoS组播路由算法.该算法将免疫器官的功能集成在网络节点中,使其具备认知能力.同时,采用滑动窗口思想设计信任评价机制,对每个网络节点的行为记录进行信任评价.根据无性繁殖优化机制,基于用户满意度和节点的信任值进行路由选择,得到满足用户服务质量需求的可信路由最优解.最后,在仿真平台上将该组播路由算法与经典组播路由算法进行性能评价,结果表明,该算法能够为网络用户提供更好的服务质量.     

基于领域本体的可信服务组合

针对现有Web服务组合方法缺乏对服务自身属性信任问题的深入考虑,服务组合过程可信需求无法得到保障,提出了一种基于领域本体的可信Web服务组合方法。将服务的非功能属性分为服务质量、服务信任和服务上下文三个主要方面,并采用本体构建工具Protégé构建原子服务本体,利用推理机FaCT++对原始服务集进行本体推理过滤;引入了融合本体推理过滤的Web服务架构;提出了基于层次任务网络(hierarchical tasknetwork,HTN)规划法的可信服务组合算法。仿真实验表明:与传统的组合方法相比,该方法可有效提高服务组合的效率和成功率。     

Hyperledger Fabric中基于层级结构的公钥广播加密方案

针对Hyperledger Fabric联盟链的公开账本上的安全群组通信问题,基于Fabric通道中成员管理的层级结构,提出使用子集覆盖框架下的CS方法和IBE算法相结合的方式构造出适用于联盟链的公钥广播加密方案。该方案改进了CS方法原有的完全二叉树结构,依据Fabric通道内部的组织结构建立了具有层级结构的二叉树;采用类哈夫曼编码方式唯一标志各节点在二叉树中的位置以提高查询速度;引入预留节点和弃用节点,设计了相应的二叉树更新算法以实现成员的动态加入和退出。分析和测试结果表明,该方案为联盟链系统提供了一种高效、安全、细粒度的数据隐私保护方案。     

基于优化的灰狼算法的大规模Web服务组合

针对大规模Web服务环境中难以获得整体性能高的组合服务的问题,提出了一种大规模Web服务组合方法。首先,采用文档对象模型（DOM）对XML格式的用户需求描述文档进行解析,以生成抽象Web服务组合序列;然后,采用服务主题模型进行服务筛选,并为每个抽象Web服务选取Top-k个具体Web服务从而缩减组合空间;接着,为提高服务组合质量和组合效率,提出了一种基于Logistic混沌映射和非线性收敛因子的优化的灰狼算法（OGWO/LN）来进行最优服务组合方案选择;该算法采用混沌映射来生成初始种群以增加服务组合方案的多样性,并避免了多次局部寻优;同时,提出一种非线性收敛因子来调节算法的搜索能力以提高算法的寻优性能;最后,采用MapReduce框架对OGWO/LN进行了并行实现。在真实数据集上的实验结果表明,所提算法与IFOA4WSC、MR-IDPSO、MR-GA等算法相比,平均适应度值分别提高了8.69%、7.94%和12.25%,在解决大规模Web服务组合问题时具有更好的寻优性能和稳定性。     

基于对应比较图的Fabric排序机制优化

针对HLF (Hyperledger Fabric)区块链系统在排序阶段中存在的缺陷,提出了一种基于对应比较图的图排序优化方案.利用对应比较图具有相关不变性质的图合并过程以及其算法运行时间短的特点,设计了一种基于交易重要度的拓扑算法,旨在减少由于默认的顺序排序而导致的序列化冲突问题.通过实验与分析,表明该方案有效解决了原始方案的序列化冲突问题,减少了系统中无效事务的比例,提升了系统交易效率,节省了大量的计算与存储资源.     

主动Overlay物联网QoS服务路由算法研究

在物联网环境中,服务可能由任意多个结点汇聚而成,而传统的尽力而为的通信服务不能保证服务质量(QoS)。为此,首先提出了主动Overlay物联网服务路由逻辑拓扑结构,然后对物联网服务路由问题进行了建模。在此基础上,设计了基于Agent和蚁群优化(ACO)的主动Overlay物联网QoS蚁群服务路由算法。该算法结合移动A-gent对ACO进行了改进,实现了保证QoS的服务路径选择。最后从理论上证明了该算法的正确性和收敛性,同时通过仿真实验对该算法的实际性能进行了验证和比较。     

基于改进北极熊算法的制造云服务组合优化

为了提高云制造环境下制造服务组合优化的效率,提出了一种基于改进北极熊算法的制造云服务组合优化方法。该方法对制造服务进行实数编码,并以服务功能和服务质量为评价指标,使用改进的北极熊算法对制造云服务组合优化问题进行求解,得到最优的服务组合方案。同时通过引入动态视野,对算法的局部搜索进行调整,并与遗传算法中的变异策略相结合,以提高求解多目标问题的效率,同时降低因初始参数影响而导致算法陷入局部最优的可能。算例分析表明,改进的北极熊算法在求解制造云服务组合优化问题上比原始北极熊算法、标准遗传算法、改进的灰狼优化算法和改进的粒子群优化算法具有更高的效率。