线性规划的无约束凸规划算法的计算实现

线性规划的无约束凸规划算法的计算实现汪定伟（东北大学自动控制系）ＩＭＰＬＥＭＥＮＴＡＴＩＯＮＯＦＴＨＥＵＮＣＯＮＳＴＲＡＩＮＥＤＣＯＮＶＥＸＰＲＯＱＲＡＭＭＩＮＧＡＰＰＲＯＡＣＨＦＯＲＬＩＮＥＡＲＰＲＯＧＲＡＭＭＩＮＧ￥ＷａｎｇＤｉｎｇｗｅｉ（Ｎｏｒ...     

关于非线性L_1回归的算法

关于非线性Ｌ_１回归的算法杨自强（中国科学院计算中心）ＯＮＳＯＭＥＣＯＭＰＵＴＡＴＩＯＮＭＥＴＨＯＤＳＯＦＴＨＥＮＯＮＬＩＮＥＡＲＬ_１－ＮＯＲＭＥＳＴＩＭＡＴＩＯＮＩＮＲＥＧＲＥＳＳＩＯＮ￥ＹａｎｇＺｉ－ｑｉａｎｇ（ＣｏｍｐｕｔｉｎｇＣｅｎｔｅｒ．Ａ...     

无约束优化的对角拟牛顿算法

无约束优化的对角拟牛顿算法林梦雄（中国科学院计算中心）首南祺（江西抚州师范专科学校）ＡＤＩＡＧＯＮＡＬＱＵＡＳＩ－ＮＥＷＴＯＮＡＬＧＯＲＩＴＨＭＦＯＲＵＮＣＯＮＳＴＲＡＩＮＥＤＯＰＴＩＭＩＺＡＴＩＯＮ￥ＬｉｎＭｅｎｇ－ｘｉｏｎｇ（ＣｏｍｐｕｔｉｎｇＣ...     

求解非线性矩阵特征值问题的一个三阶收敛的算法

求解非线性矩阵特征值问题的一个三阶收敛的算法陈广义，薛彦才（中国科学院沈阳计算所）ＡＣＵＢＩＣＡＬＬＹＣＯＮＶＥＲＧＥＮＴＡＬＧＯＲＩＴＨＭＦＯＲＳＯＬＶＩＮＧＮＯＮＬＩＮＥＡＲＥＩＧＥＮＶＡＬＵＥＰＲＯＢＬＥＭＳ￥ＣｈｅｎＧｕａｎｇ－ｙｉ；ＸｕｅＹ...     

IEEE802.3 LAN通过DQDB MAN互连

城域网（Ｍｅｔｒｏｐｏｌｉｔａｎａｒｅａｎｅｔｗｏｒｋ,ＭＡＮ）是随着网络技术、通信技术和其他计算机技术进一步发展而出现的新型网络,非常适合于各种局域网的互连。局域网通过城域网互连有多种方案,考虑到运行效率和复杂性,并结合实际需求,本文采用透明桥接技术实现了ＩＥＥＥ８０２．３局域网通过ＩＥＥＥ８０２．６（ＤＱＤＢ）城域网的高速互连。文中着重讨论了桥接器的硬件构成、桥接算法、软件结构及其程序实现。     

伪Newton－δ族算法对一般目标函数的收敛性

伪Ｎｅｗｔｏｎ－δ族算法对一般目标函数的收敛性赵云彬（中国科学院应用数学研究所）段虞荣（重庆大学系统科学与工程研究所）ＣＯＮＶＥＲＧＥＮＣＥＯＦＴＨＥＰＳＥＵＤＯ－ＮＥＷＴＯＮ－δＣＬＡＳＳＭＥＴＨＯＤＳＦＯＲＧＥＮＥＲＡＬＯＢＪＥＣＴＩＶＥＦＵＮＣ...     

运输问题的Alphabeta算法的分析

运输问题的Ａｌｐｈａｂｅｔａ算法的分析刘诚，杨承恩（长沙铁道学院）ＡＮＡＮＡＬＹＳＩＳＯＦＴＨＥＡＬＰＨＡＢＥＴＡＡＬＧＯＲＩＴＨＭＦＯＲＴＨＥＴＲＡＮＳＰＯＲＴＡＴＩＯＮＰＲＯＢＬＥＭ￥ＬｉｕＣｈｅｎｇ；ＹａｎｇＣｈｅｎｇ－ｅｎ（ＲｅｓｅａｒｃｈＤ...     

块角型约束线性规划问题的内点分解算法

块角型约束线性规划问题的内点分解算法吴力（中国科学院计算数学与科学工程计算研究所）ＡＤＥＣＯＭＰＯＳＩＴＩＯＮＡＬＧＯＲＩＴＨＭＦＯＲＬＩＮＥＡＲＰＲＯＧＲＡＭＭＩＮＧＰＲＯＢＬＥＭＳＷＩＴＨＢＬＯＣＫＡＮＧＵＬＡＲＣＯＮＳＴＲＡＩＮＴＳ￥ＷｕＬｉ（...     

统计数据凑整问题的网络流算法

统计数据凑整问题的网络流算法金大勇，杨承恩（长沙铁道学院）ＮＥＴＷＯＲＫＡＬＧＯＲＩＴＨＭＳＦＯＲＴＨＥＤＡＴＡＲＯＵＮＤＩＮＧＰＲＯＢＬＥＭ￥ＪｉｎＤａ－ｙｏｎｇ；ＹａｎｇＣｈｅｎｇ－ｅｎ（ＣｈａｎｇｓｈａＲａｉｌｗａｙＩｎｓｔｉｔｕｔｅ）Ａｂｓｔ...     

线性互补问题内点算法

线性互补问题内点算法徐成贤（西安交通大学）ＩＮＴＥＲＩＯＲＰＯＩＮＴＡＬＧＯＲＩＴＨＭＳＦＯＲＬＩＮＥＡＲＣＯＭＰＬＥＭＥＮＴＡＲＩＴＹＰＲＯＢＬＥＭＳ￥ＸｕＣｈｅｎｇ－ｘｉａｎ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，Ｘｉ＇ａｎＪｉａｏｔｏ...     

Deterministic voting in distributed systems using error-correctingcodes

Distributed voting is an important problem in reliable computing. In an N Modular Redundant (NMR) system, the N computational modules execute identical tasks and they need to periodically vote on their current states. In this paper, we propose a deterministic majority voting algorithm for NMR systems. Our voting algorithm uses error-correcting codes to drastically reduce the average case communication complexity. In particular, we show that the efficiency of our voting algorithm can be improved by choosing the parameters of the error-correcting code to match the probability of the computational faults. For example, consider an NMR system with 31 modules, each with a state of m bits, where each module has an independent computational error probability of 10^-3. 1, this NMR system, our algorithm can reduce the average case communication complexity to approximately 1.0825 m compared with the communication complexity of 31 m of the naive algorithm in which every module broadcasts its local result to all other modules. We have also implemented the voting algorithm over a network of workstations. The experimental performance results match well the theoretical predictions     

基于信誉值投票与随机数选举的PBFT共识算法

实用拜占庭容错（PBFT）算法在Raft和Paxos共识算法的基础上,解决了分布式系统中恶意节点向其他节点发送错误消息以扰乱系统正常运行的问题,但PBFT算法由于主节点选举随意导致共识效率低下,而现有PBFT改进算法普遍通信复杂度较高且容易出现系统集中化趋势。针对上述问题,提出一种基于信誉值投票与随机数选举的RN-VPBFT共识算法。通过增设监督节点,实现权力分散和信息中转,保证系统安全运行。在投票确定初始信誉值的过程中,引入随机参数使得满足条件的节点均有机会当选主节点,缓解系统集中化趋势。建立节点动态信誉模型,区分系统中的诚实节点与恶意节点,简化共识算法的一致性协议,降低算法通信复杂度。实验结果表明,与PBFT算法和基于信誉投票的PBFT改进算法相比,RN-VPBFT算法将通信复杂度由O（N²）降至O（N）,并且所有诚实节点的信誉值之差仅为0.02,具有更低的通信复杂度及更好的去中心化特性。     

基于信任度匹配的改进PBFT共识算法

共识算法是去中心化的区块链系统实现数据状态一致的关键。针对传统的实用拜占庭容错(Practical Byzantine Fault Tolerance,PBFT)共识算法在可扩展性和安全性方面存在的不足,提出一种基于信任度的匹配拜占庭共识算法(Trust-based Matching Byzantine Fault Tolerance,TMBFT)。首先,通过基于信任度的邻居匹配模型来选取部分节点进行投票共识,以降低区块链网络的通信量;其次,引入信任度评价机制来监督邻居节点的行为,确保有效检测出拜占庭节点,保证节点投票的安全性;最后,设计投票计数机制保证了共识结果的一致性,并提高了共识效率。与PBFT相比,TMBFT将通信复杂度从O(N^2)降到O(Nlog2N),有效降低了网络中的通信开销。安全性分析表明,信任度评价机制可降低节点作恶的概率,并有效提高系统安全性。实验结果表明,TMBFT较传统拜占庭算法具有更好的性能优势。     

二维解析张量投票算法研究

针对传统张量投票(Tensor voting)算法计算过程复杂、算法效率低的问题, 本文提出了一种二维解析张量投票算法.首先, 深入分析张量投票理论的基本思想, 分析传统张量投票算法的不足及其根源; 其次, 设计了一种二维解析棒张量投票新机制, 实现了二维解析棒张量投票的直接求取; 在此基础上, 利用二维解析棒张量投票不依赖参考坐标系的特性, 设计并求解了二维解析球张量投票表达式, 解决了长期困扰张量投票理论中球张量投票无法解析求解, 仅能通过迭代数值计算, 计算过程复杂、算法效率低、算法精度与算法效率存在矛盾的难题.最后, 通过仿真分析和对比实验验证了本文算法在精度和计算效率方面的性能均优于传统张量投票算法.     

影响最大化问题中基于K-truss的投票改进算法

在社交网络的影响最大化（IM）问题中,近似算法通过大量的Monte-Carlo模拟计算节点集的影响范围,导致时间复杂度提高,而多数启发式算法在具有不同拓扑结构的图上存在稳定性较差的问题。提出基于K-truss的改进投票算法TrussVote。在投票阶段,通过引入K-truss的相关理论及算法定义节点的有效投票能力,用于表示节点对其不同邻居的投票倾向,同时在计算得票分数时考虑边的传播概率,提高解决IM问题的效率。在每轮投票结束后,将得票分数最高的节点选为种子节点。在更新阶段,结合节点间的相似性指标定义衰减因子,以有效区分邻居节点投票能力的弱化程度。此外,基于IC模型下的原始传播结果,提出传播差异作为传播范围的等价分析指标。在不同规模真实网络数据集上的实验结果表明,相比RNR、VoteRank++等算法,该算法不仅能有效降低时间复杂度,而且可在最短的时间内感染更多的节点,具有广泛的影响范围。     

基于HElib的安全电子投票方案

传统的电子投票应用中,若投票服务器管理方出现安全问题,投票过程中的匿名性、完整性和公开可验证性将难以保证。针对此问题,设计实现了一个基于全同态加密技术的电子投票方案。首先,基于全同态加密算法,结合PKI和数字签名技术设计了一个安全电子投票方案;然后针对电子投票的特殊性,基于HElib同态算法库设计了一个高效的同态密文加法器;最后在同态密文加法器的基础上,实现了安全电子投票系统。安全性方面,该投票方案有效的解决了电子投票中匿名性、完整性和公开可验证性的难题。而在性能上,测试表明该投票系统可以基本满足应用场景的使用需求。     

基于改进随机森林算法的工业过程运行状态评价

运行状态评价是指在过程正常生产的前提下, 进一步判断生产过程运行状态的优劣. 针对复杂工业过程定量信息与定性信息共存的情况, 本文提出了一种基于随机森林的工业过程运行状态评价方法. 针对随机森林中决策树信息存在冗余的问题, 基于互信息将传统随机森林中的决策树进行分组, 并选出每组中最优的决策树组成新的随机森林. 同时为了强化评价精度高的决策树和弱化评价精度低的决策树对最终评价结果的影响, 使用加权投票机制取代传统众数投票方法, 最终构成一种基于互信息的加权随机森林算法(Mutual information weighted random forest, MIWRF). 对于在线评价, 本文通过计算在线数据处于各个等级的概率, 并且结合提出的在线评价策略, 判定当前样本运行状态等级. 为了验证所提算法的有效性, 将所提方法应用于湿法冶金浸出过程, 实验结果表明, 相对于传统随机森林算法, MIWRF 降低了模型的复杂度, 同时提高了运行状态评价精度.     

Manipulation can be hard in tractable voting systems even for constant-sized coalitions

Voting theory has become increasingly integrated with computational social choice and multiagent systems. Computational complexity has been extensively used as a shield against manipulation of voting systems, however for several voting schemes this complexity may cause calculating the winner to be computationally difficult. Of the many voting systems that have been studied with regard to election manipulation, a few have been found to have an unweighted coalitional manipulation problem that is NP-hard for a constant number of manipulators despite having a winner problem that is in P. We survey this interesting class of voting systems and the work that has analyzed their complexity.     

基于分层筛选和动态更新的并行选择集成算法

提出一种选择性集成学习算法,该算法利用多线程并行优化基分类器的参数,通过多层筛选和动态更新筛选信息获取最优的候选基分类器集合,解决了以往在集成学习中选择分类器效率低下的问题。集成分类器采用分解合并的策略进行加权投票,通过使用二分法将大数据集的投票任务递归分解成多个子任务,并行运行子任务后合并投票结果以缩短集成分类器的投票运行时间。实验结果表明, 相对于传统方法, 所提出的算法在平均精度、F1-Measure以及AUC指标上都有着显著提升。     

Bribery in voting with CP-nets

We investigate the computational complexity of finding optimal bribery schemes in voting domains where the candidate set is the Cartesian product of a set of variables and voters use CP-nets, an expressive and compact way to represent preferences. To do this, we generalize the traditional bribery problem to take into account several issues over which agents vote, and their inter-dependencies. We consider five voting rules, three kinds of bribery actions, and five cost schemes. For most of the combinations of these parameters, we find that bribery in this setting is computationally easy.