因子分解问题的DNA计算机算法探究

对分子生物技术的因子分解问题的DNA计算机算法进行探讨,并提出了以Pollard-1算法为因子分解的DNA计算机算法,通过DNA分子生物操作,实现加、减、乘、除的运算,完成了平方-乘DNA子算法与欧几里得DNA子算法,最终求得结果。通过Pollard p-1算法,降低DNA链数,提高DAN计算机容量,经分子生物学实验证明,Pollard p-1算法在解决因子分解问题中是可行且有效的。     

基于差分进化的因子分解机算法

因子分解机(Factorization Machine,FM) 算法是一种基于矩阵分解的机器学习算法,可用于求解回归、分类和排序等问题。FM模型中的参数求解使用的是基于梯度的优化方法,然而在样本较少的情况下,该优化方法收敛速度慢,且易陷入局部最优。差分进化算法(Differential Evolution,DE)是一种启发式的全局优化算法,具有收敛速度快等特性。为提高FM模型的训练速度,利用DE计算FM模型参数,提出了DE-FM算法。在数据集Diabetes、HorseColic以及音乐分类数据集Music上的实验结果表明,改进后的基于差分进化的因子分解机算法DE-FM在训练速度和准确性上均有所提高。     

F2m上并行Pollard rho算法的优化实现

并行PoHard rho算法是目前攻击椭圆曲线密码体制（Elliptic Curve Cryptosystem,简称ECC）的最好算法,国内外的研究十分活跃。本文首先介绍了攻击F2^m上ECC的并行Pouard rho算法及我们的实现流程,然后给出了核心基本运算（包括求逆、一般乘挚、平方、求模等）的优化算法。实验数据表明,根据本文优化算法编制的MPI并行程序在多机上加速比良好,运算速度优于互族网上公开的程序。     

关于DNA计算的基本原理与探讨

该文综述了DNA计算的原理及其当前发展的动向,DNA计算虽然刚刚兴起不久,但它是一个新的交叉学科和研究领域,有不可估量的应用潜力,文中拽出DNA计算目前研究的主要方向及应用领域。     

对称正定矩阵的并行LDLT分解算法实现

基于网络机群这一新的并行环境和消息传递界面MPI给出了两种不带平方根的Cholesky并行分解算法，算法采用行卷帘存储方案和提前发送策略，从而减少了负载的不平衡，增加了计算通信的重叠，减少了通信时间。理论分析和数值试验均表明，算法具有较高的并行加速比和效率。     

ECC2-131的并行Pollard rho算法实现分析

Pollard rho算法与其分布式版本算法是目前求解有限域上椭圆曲线群的离散对数问题被公认的最优算法.自该算法提出以来,许多密码学家提出了多种分布式Pollard rho算法的改进算法.本文对基于不同迭代函数的三种的分布式Pollard rho算法的效率进行分析,并针对ECC2-131在通用CPU上对算法进行软件程序的实现.本文发现基于r-加游走的算法在理论分析和程序实现上都有着最优的效率,说明基于r-加游走的分布式Pollard rho算法在求解ECDLP上仍占有很大优势.本文给出在计算机工作站和天河二号超级计算机上测量得出的Pollard rho算法的效率,发现在当前求解离散对数问题的算法和计算机的计算能力上求解ECC2-131仍然是困难的,在时间和金钱上的开销不符合实际.本文还找出有限域F2131上运算性能最优的不可约多项式.通过域的同构诱导出椭圆曲线的同构, ECDLP能在同构后得到的椭圆曲线上进行求解.若算法的软件实现使用同构后得到的椭圆曲线,则有限域模运算有11.29%的效率提升,乘法运算有11.23%的效率提升.通过有限域运算效率的提升可以进一步提高求解ECDLP的效率...     

大数质因子分解的量子算法

量子质因子分解算法是一种利用波的特性在量子环境下进行整数质因子分解的新方法。本文首先介绍了量子质因子分解的基本思想及其相关概念，然后分析并给了了大数质因子分解的量子算法，最后对量子算法的发展前景进行了展望。     

基于分解的多目标多因子进化算法

多目标多因子优化(MO-MFO)问题作为一类新的优化问题近年来受到了众多关注,其特点是需要利用单个种群来同时优化多个多目标优化任务.针对该问题,提出一个基于分解策略的多目标多因子进化算法(MFEA/D).算法通过多组权重向量,将MO-MFO问题中的每个任务分解成一系列单目标优化子问题,并用单个种群同时优化.在种群进化过...     

连通度问题的三维DNA结构进化算法

针对求连通度这一难解问题,提出了三维DNA图结构进化算法。并提出了一种由k-臂DNA分子构建的图结构。在所述方法中3、4臂DNA分子的顶点构造块被选择性地用来构建一些不同的图结构。然后通过凝胶电泳分离,图的连通度便可确定。并且通过引入进化算法的思想,避免了解空间的穷举。     

两类整数分解算法的分析与改进

给出了整数分解的两种算法,试除法和Pollard算法.根据素数分布的规律,通过减少试除次数提高了试除法运算效率,使得其性能显著提高;对Pollard算法进行分析后,变换随机序列产生式并重启算法使算法运行更稳定有效.给出了这两类改进算法的运行时间对比表,结果表明,改进的试除法在分解32位内小整数效果更佳而改进的Pollard算法在分解32位以上大整数有明显的优化.     

基于DNA计算的RSA密码系统攻击方法

针对RSA公钥密码体制的陷门库特点,提出一种新的DNA计算模型：并类计算模型,阐述基于该模型的RSA密码系统的攻击方法。该方法采用DNA分子编码陷门库与公钥,通过组合、设置、分离、清除等操作筛选出陷门,由电泳确定陷门的值,再用陷门计算私钥的值。该方法所需的时间复杂度为O(1bn)3,DNA分子的体积不超过1 m3。     

可满足性问题的一种DNA表面计算模型

可满足性问题的一种DNA表面计算模型是一种特殊的DNA计算方法,该模型是采用荧光标记的策略和荧光猝灭技术,通过观察荧光灭光情况排除非解,从而有效的解决可满足性问题(SAT).该模型方法具有错误率低、编码简单、读取方便等很好的性能,能够大大减少实验过程中的错差.     

基于修复技术的组合电路进化设计算法研究

提出基于修复技术的组合逻辑电路快速进化设计算法。该算法利用候选电路在进化的初始阶段适应度增加很快的现象,先进化出一个功能大致正确的电路;然后转入修复过程并对不正确的输出进行修正,最终设计出功能正确的电路。为了能对进化出的有错误的电路进行修复,专门设计出简单而规整的修复电路的构造方法。附加的修复电路与进化生成的对大部分输入都能输出正确结果的电路结合在一起,形成最终的功能完全正确的电路。该方法极大地减少进化所需的时间。     

旅行商问题的DNA算法

旅行商问题是求仅一次遍访指定城市并返回出发城市的最短旅行路线的问题,它是图论中一个经典的NP完全问题,用电子计算机需要指数级的时间才能得到解决,该文基于分子生物技术并利用Adleman-Lipton模型给出旅行商问题的DNA算法,这个DNA算法理论上能在多项式的时间内解决这个NP完全问题。具体地对n个城市的旅行商问题,首先将它视为一个具有顶点和边的图,并将顶点、边分别用DNA链编码表示,边的方向通过顶点的编码获得;再将这些DNA链投放在试管中进行生物化学反应,利用DNA计算的高效并行性,通过基本的生物实验操作最后得到旅行商问题的解,其过程的复杂度为O(n)。该算法的创新之处在于表示城市和路径的DNA链长度的设计,能使我们在合理小的范围内寻找旅行商问题的解,较大地简化了问题的复杂度。     

基于压电基因传感器的DNA计算

压电基因传感器是一种新型的生物传感器,它把压电传感器的灵敏性和DNA杂交反应相结合．与传统的基因检测技术相比,它具有结构简单、无需标记、检测时间短、检测信号易处理等特点．将它用于分子运算,与常规的DNA芯片相比,它的检测结果更易于进行自动化处理,因此便于构建大规模的分子运算机器．文中在压电基因传感器和新兴学科DNA计算的基础上,给出了解决0-1规划问题新的DNA计算方法,并指出以前两种基于表面DNA计算在解决这一问题时的不足．与以往的DNA计算方法相比其输出的是电信号,因此具有操作易自动化、识别解更方便和高信息量的优点．与使用常规DNA芯片的表面DNA计算相比,使用压电基因传感器进行DNA计算可以克服可行解识别困难的问题．压电基因传感器技术有望成为新的分子运算工具,可作为构建自动化的DNA计算机的基础．     

基于聚类小生境遗传算法的DNA编码优化

DNA编码优化问题是DNA计算中的核心问题。分析DNA编码优化的约束条件,在单链DNA序列集合上引入h距离,将聚类小生境技术应用于小种群遗传算法的构造,对DNA编码优化问题进行求解。基于h距离定义DNA序列间的相似函数,将碱基字母编码为4进制整数、DNA编码序列作为个体编码为4进制整数向量、种群编码为4进制整数矩阵,基于模4算术运算,构造相应的遗传算子,并给出DNA编码序列的具体计算结果。实验结果表明,与现有DNA编码序列优化结果相比,该算法可得到更好的DNA编码序列且计算效率较高。     

基于抗原中介三链DNA结构的0-1整数规划

利用同源的存在抗原蛋白质的脱氧核苷酸定位于双链DNA中很容易形成三螺旋结构的DNA链,可以利用这种独特的结构来研究一些可能的或可行的的计算模型。尝试了用三螺旋结构的DNA链来解决简单的0-1整数规划问题。而对于整数规划和可满足问题都可以转化为0-1整数规划来解决,从而都可以利用三链DNA计算模型得以解决。     

基于随机权和的多目标进化算法

在多目标进化算法理论和应用研究进展的基础上,通过采用外部群体的精英保留策略并引入拥挤距离来保持群体多样性的策略,设计了一种基于随机生成权向量的加权和函数的多目标进化算法。用所提出的方法求解若干常用的测试函数,并与NAGS-II进行比较,结果表明了算法的有效性。     

一种基于多智能体进化的广义图染色算法

基于对广义图染色问题的研究,提出了一种求解广义图染色问题的多智能体进化算法(multiagent evolutionary algorithm for T-coloring problem,简称MAEA-TCP),并将该算法应用到实际中的频率分配问题上,取得了良好的效果.该方法中每个智能体作为一个候选解被固定在智能体网格上,为了增加自身能量而与邻域当中的智能体展开竞争或者合作,同时智能体也可以利用自身的知识进行自学习来增加能量.根据广义图染色问题的特点,为智能体设计了3种算子:竞争算子、自学习算子和变异算子,以引导其进化,并用进化的方式来控制各算子,以协调智能体之间的相互作用.在实验中,分别使用大规模的随机图实例和费城实例来测试算法性能,同时给出参数测试结果和最佳取值区间.比较结果表明,该算法优于其他方法,具有良好的收敛性和实用价值.