基于分组的实用拜占庭容错共识算法

通过实验发现,实用拜占庭容错共识算法PBFT(practical byzantine fault tolerance)在区块链共识算法中会导致大量的信息广播,从而浪费通信资源并降低效率。为了解决这些问题,引入了一种在没有拜占庭节点的情况下,通过对节点进行分组共识,对原始PBFT进行优化的新方案。这种改进后的方法主要由分组和达成共识两个步骤构成。首先,将全部节点进行归类划分各组,实现分组共识;然后,在每个组内达成共识;最后,每个组的负责人进行总体共识,大大提高了达成共识的效率。与PBFT算法相比,提出的共识算法可以将达成共识的时间复杂度从O(N^(2))降低到O((N/2)^(2)),有效地减少了网络的通信消耗,平均延迟从18 s降低到了9 s,平均吞吐量由758 tps提升到了1040 tps。

基于改进启发式--遗传算法的流水车间调度问题研究

对于流水车间的调度问题,基于启发式算法以及遗传算法的特性,本文提出了一种启发式-遗传算法的混合智能优化算法。其主要思想是:通过构造流水车间的数学模型,采用palmer启发式算法生成初始种群替代遗传算法随机生成的种群,然后使用两点交叉的方式对新生成的染色体进行交叉操作,接下来对染色体进行的逆序变异,“复制、交叉、变异”后最终生成新的下一代染色体,通过保存其中性能较优的染色体,对较优个体继续进行迭代操作。本文通过对比实验结果,得出本文算法在一定条件下优于遗传算法,对流水车间的最大完工时间有着优化效果。