基于压缩感知的异构网络数据动态重构算法

针对异构网络数据资源存在节点及链路均衡度过低且数据重构资源分配路径误差较大的问题,设计一种基于节点拓扑感知的异构网络数据动态重构算法。利用模糊核聚类算法将数据样本集映射至高维空间内,聚类目标数据,根据节点在网络中对应的坐标构建异构网络拓扑模型及数据权矩阵模型;设置路由器物理链路通信图,根据链路带宽约束优化数据重构资源的分配路径,将节点核心区数据重构,并分配至聚类节点来感知数据的动态变化,为每一个核心聚类节点拓扑感知一个路由器数据的动态变化,来实现全局的数据动态重构,至此完成基于节点拓扑感知的异构网络数据动态重构算法的设计。设计仿真实验,测试算法的节点均衡度与链路均衡度。实验结果表明,设计的算法的节点均衡度为0.93,链路均衡度为0.90,均高于对比方法,因此可以得出,该算法的资源均衡度更好。

基于多Agent的众包任务推荐系统设计

由于传统的众包任务推荐系统在进行众包任务推荐时无法监测到用户能力水平变化的具体情况,因此推荐匹配度低,无法实现对众包任务的高质量推荐。为此设计了一个基于多Agent的众包任务推荐系统。在原有系统硬件基础上,选用型号为3300/16-12-01-01-00-02-J的智能在线监测器,特别设计了8×6.5英寸的彩色LED屏,能够将监测的用户能力水平变化情况显现出来,从而优化硬件性能;通过获取平台用户、任务信息,构建用户、任务数据库,再选取合适的任务推荐算法,计算出用户与任务匹配度,最后选取TopN推荐给用户。利用NetLogo5.0.5平台设计实验,结果表明,设计的推荐系统推荐契合度最高可达98.89%,对照组为76.41%,设计系统可以实现对众包任务的高质量推荐。