贝塔分布的布谷鸟搜索算法

Lévy Flights随机走动是布谷鸟搜索算法用于发现新个体的主要部件之一,其采用固定的步长因子.提出一种带贝塔分布的布谷鸟搜索算法,该算法采用贝塔分布随机数动态设置Lévy Flights随机走动步长比例因子的方式,可以加强布谷鸟搜索算法的收敛速度和求精能力.仿真实验说明采用贝塔分布随机数作为Lévy Flights随机走动步长比例因子是可行的和有效的,而且性能总体上优于固定因子和基于均匀分布随机数的比例因子.

基于轨道预测的自适应Ad Hoc分簇算法

本文在深入研究移动预测技术的基础上,分析已有分簇算法存在的诸多不足,提出了一种基于轨道预测的自适应分簇算法,根据节点的运动状态预测其将来的轨道,估算相邻节点间连接稳定性,并构造出与连接稳定度相关的网络拓扑图,最后用图着色技术对MANET中的节点进行分簇。该算法保持了分簇结构的稳定性,有效防止了通信的中断,弥补了已有分簇算法的不足。

精英反向学习的单纯形交叉布谷鸟搜索算法

提出一种加强搜索能力的改进布谷鸟搜索算法,该算法采用精英反向学习策略促使Lévy Flights随机走动中的部分精英个体进行反向搜索,以避免搜索新个体的趋同性;并采用单纯形交叉操作在Biased随机走动中随机选择一个个体进行精细搜索,以降低搜索的盲目性以及低效性.另外,提出的算法采用混沌映射模型实现发现概率参数的自适应控制.仿真实验结果表明,该算法能够总体上有效改善算法的搜索能力和收敛速度.

基于逐维策略的布谷鸟搜索增强算法

布谷鸟搜索算法迭代运用Lévy Flights随机走动和Biased随机走动发现新个体的各维信息。当个体所有维信息生成后,算法将这些信息合成为个体并评价。在这种情况下,由于个体各维之间存在相互干扰,一些部分维进化的个体可能被放弃,从而影响算法的收敛速度以及求精能力。提出的布谷鸟搜索增强算法采用逐维评价策略接收一些部分进化的个体,可进一步增强算法的收敛速度和求精能力。在算法中,逐维评价策略作为局部搜索技术镶嵌在两个随机走动部件之后,并随机选择一些个体进行逐维更新后进行评价。实验结果说明逐维评价策略总体上能够有效且较好地改善算法的求解性能和收敛速度。

关系模式分解成3NF自动实现

本论文从关系数据库理论中关系模式设计相关问题,讨论了模式分解的重要性,然后根据函数集闭包、属性集闭包求解最小函数依赖集,进而在无损连接和保持函数依赖的前提下,把关系模式分解成3NF。该设计做到了关系模式规范化的自动实现。

带反方向视角和二项交叉的布谷鸟搜索算法

布谷鸟搜索算法是一种新兴的自然仿生优化技术,其借用Lévy Flights随机走动和Biased随机走动搜索新的解。在Lévy Flights随机走动中,所有个体以当前种群获得的最优解为导向进行搜索,这容易导致种群趋同于该最优解。针对此问题,引入反方向视角使种群基于一定概率反向搜索,以避免趋同于当前最优解,并提出带反方向视角和二项式交叉的布谷鸟搜索算法。在提出的算法中,借用二项交叉操作以提高Biased随机走动的搜索能力。与标准的布谷鸟搜索算法对比,实验结果说明提出的策略能够有效地改善布谷鸟搜索算法求解连续函数优化问题的收敛速度和解的质量。与其他改进的布谷鸟搜索算法以及其他进化算法对比,实验结果说明提出的算法在求解连续函数优化问题上具有一定的竞争力。

网络入侵容忍技术的研究

入侵容忍系统可以实现在网络受到攻击时仍能够为合法用户提供连续的服务。在讨论了网络入侵容忍技术的基础上,提出了入侵容忍系统的模型,并进行了系统各模块的设计,最后分析了系统的工作机制和测试结果。