只需异或运算的秘密分享方案

针对传统基于插值多项式的秘密分享方案,需要复杂的多项式运算,当涉及的数据比较大时,运算效率特别低的问题,提出一种结合数据分块方法以及仅需要在GF(2)上的异或运算的秘密分享方案,并应用于大规模数据的安全保护机制。理论分析与实验结果表明,与传统基于插值多项式的秘密分享方法相比,所提方法在运行效率上提升了19.3%。

求解TSP问题的混合遗传算法

TSP问题是一类经典的NP问题,目前有很多方法对其求解,而用混合遗传算法对其求解取得了很好的成效。常见的混合遗传算法有遗传算法与最速下降法相结合(GACSDM)、遗传算法与模拟退火法相结合(SAGA)。设计了贪婪的复合变异算子(GCM),并引入隔代爬山法算子(Climb)增加遗传算法的局部搜索能力。实验结果表明该算法是有效的。

基于水平纠删码的云存储数据布局方法

针对云存储系统的扩展性和数据容错问题,设计了一种基于水平阵列纠删码的通用云存储系统方案,系统可按存储节点子集进行规模扩展;给出了一种可容3列随机删除错的数据布局方法,并利用校验数据位与信息数据位之间的对应关系,寻找到一种具有低计算复杂度的数据重构算法,提高了丢失数据的恢复性能。理论分析和原型系统测试表明,本布局方法与存储方案适合于构建对数据编译码复杂度、系统扩展性都具有较高要求的云存储系统。

求解多目标旅行商问题的混合遗传算法

一般TSP问题是单目标的,只追求一个性能指标:所走路径最短。然而对于具体的TSP问题,实际中常常需要考虑:路程最短、时间最少、费用最省、风险最小等等多方面的因素。设计了贪婪的复合变异算子(GCM),引入隔代爬山法算子来提高多目标TSP问题的搜索能力。实验结果表明该算法是有效的。

多目标优化的进化环境模型及实现

传统多目标进化算法主要是模仿生物自身的进化过程,没有考虑环境对进化的作用,缺乏能动的、指导性的搜索.提出一种基于进化环境的多目标进化模型,利用进化环境记录群体进化过程中产生的知识信息,并反过来指导群体搜索,实现环境与群体的共同进化.此外,给出基于进化环境的多目标进化模型的一种算法实现,利用环境域和单元域表示进化环境,设置了一组环境规则,从而实现进化环境对进化群体的约束、促进和导向作用.通过与5个代表性经典多目标进化算法,对12个具有不同特征和不同求解难度的测试函数,在Generational Distance、Hypervolume和Inverted Generational Distance三项性能指标上进行比较实验,验证了文中所提出的算法具有良好的收敛性和综合性能.