基于SPEA-Ⅱ算法的网络多层次安全访问控制方法

当前网络技术迅猛发展,网络安全问题日益突出,尤其是访问控制安全性;为了解决目前网络系统中存在的威胁检测精度和安全访问控制问题,引入SPEA-Ⅱ算法,提出一种新的网络多层次安全访问控制方法;深入分析网络多层次访问控制机制原理,明确安全访问控制目标;结合网络边界区域、传输信道区域及移动终端设备区域,建立边界访问控制目标函数、安全威胁检测目标函数、用户身份认证目标函数,提高网络系统安全威胁检测精度;利用SPEA-Ⅱ算法对联合目标函数进行求解,获取网络多层次安全访问控制机制最佳方案;通过迭代逐渐接近近似最优解集,建立最优安全策略组合,计算攻击流量因子完成网络多层次安全访问控制;实验结果表明,所提方法的网络多层次威胁检测精度为94%,安全评估为0.96;由此证明,所提方法的网络多层次安全访问控制效果较好,具有较强的安全性和适应性,能够为中移互联网领域的网络安全策略提供技术支持。

Bad-scenario-set Robust Optimization Framework With Two Objectives for Uncertain Scheduling Systems

This paper proposes a robust optimization framework generally for scheduling systems subject to uncertain input data, which is described by discrete scenarios. The goal of robust optimization is to hedge against the risk of system performance degradation on a set of bad scenarios while maintaining an excellent expected system performance. The robustness is evaluated by a penalty function on the bad-scenario set. The bad-scenario set is identified for current solution by a threshold, which is restricted on a reasonable-value interval. The robust optimization framework is formulated by an optimization problem with two conflicting objectives. One objective is to minimize the reasonable value of threshold, and another is to minimize the measured penalty on the bad-scenario set. An approximate solution framework with two dependent stages is developed to surrogate the biobjective robust optimization problem. The approximation degree of the surrogate framework is analyzed. Finally, the proposed bad-scenario-set robust optimization framework is applied to a scenario job-shop scheduling system. An extensive computational experiment was conducted to demonstrate the effectiveness and the approximation degree of the framework. The computational results testified that the robust optimization framework can provide multiple selections of robust solutions for the decision maker. The robust scheduling framework studied in this paper can provide a unique paradigm for formulating and solving robust discrete optimization problems. © 2014 Chinese Association of Automation.

锥-次预不变凸集值优化问题近似解的最优性条件(英文)

本文讨论相依上图导数形式下广义锥-预不变集值优化近似解的最优性条件问题.首先,引入锥-次预不变凸集值映射的概念,并举例说明次类广义锥-凸性是锥-预不变凸性的推广.其次,得到锥-次预不变凸集值映射的两个有用性质.最后,在锥-次预不变凸性条件下,分别建立集值优化问题强近似极小元和弱近似有效元的充分最优性条件.

随机规划ε-逼近最优解集的Hausdorff收敛性

本文研究了随机规划ε-逼近最优解集的Haudorff收敛性条件,证明了随机规划逼近最优值的收敛性,并利用此结果给出了随机规划ε-逼近最优解集Haudorff收敛的一个充分条件.

次弧连通锥-凸集值优化问题近似解的最优性条件

本文讨论相依上图导数形式下广义弧连通锥-凸集值优化近似解的最优性条件问题.首先,本文引入次弧连通锥-凸集值映射的概念,并举例说明次弧连通锥-凸性是弧连通锥-凸性的推广;其次,得到了次弧连通锥-凸集值映射的两个有用性质;最后,在次弧连通锥-凸性条件下,分别建立了集值优化问题强近似极小元和弱近似有效元的充分最优性条件.

随机规划经验逼近问题ε-最优解集的几乎处处Hausdorff收敛性

对随机规划经验逼近问题ε-最优解集序列的几乎处处Hausdorff收敛性进行了研究。首先依据上图收敛性讨论了随机规划经验逼近问题最优值序列的几乎处处收敛性,其次给出了随机规划逼近问题ε-最优解集序列的几乎处处Hausdorff收敛性。

co-radiant集的等价表示及其在向量优化问题中的应用

作为特殊的抽象凸(凹)集,radiant集和co-radiant集在抽象凸分析和多目标优化问题理论中发挥着重要作用。首先建立radiant集co-radiant集的等价刻画,从而推导出它们的重要性质。然后,将重要性质应用到向量优化问题近似解的刻画中,得到关于近似解集的等价刻画。

多目标粒子群算法用于补料分批生化反应器动态多目标优化

多目标优化是过程系统工程的重要课题,通常以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策。基于群智能的粒子群算法具有全局优化性能,且易于实现。为使其适于多目标优化,应拓展功能,实施改造。以Pareto支配概念评价种群个体的优劣,设计了确定局部最优点和全局最优点的操作。又利用各粒子的局部最优点信息进行速度更新,以加强种群的多样性,避免因早熟而陷于局部最优。还设置了外部优解库,并通过分散度计算,以适当的策略进行更新,使之逐步均匀地逼近于Pareto最优解集。由此构建一种多目标粒子群优化算法(multi-objective particle swarm optimization,MOP-SO),并用于补料分批生化反应器的动态多目标优化,取得了满意的结果。可基于所搜得的Pareto最优解集,分析目标间的关系,为合理决策提供有效的支持。经与NSGA-II比较,MOPSO算法具有更为优良的性能。

嵌入式领域ECC专用指令处理器的研究

与其他公钥密码算法相比,椭圆曲线密码算法(Elliptic Curve Cryptography,ECC)具有抗攻击能力强、计算量小以及处理速度快等优点,已成为下一代公钥密码体制的标准.随着ECC在嵌入式领域的应用日益广泛,如何提高其执行效率成为目前研究的热点问题.文中提出了一套通用的专用指令处理器(Application Specific Instruction Processor,ASIP)的设计验证方案,并将该方案应用于ECC,从而大幅提升其在硬件资源受限的嵌入式环境中的执行效率.首先借鉴并实现了OpenSSL公开的ECC软件优化方案,并结合处理器平台的特点对大整数乘法运算和多项式平方运算进行了进一步优化.其次对优化后的算法进行基本指令块(Basic Instruction Block,BIB)的划分并转化为数据流图(Data Flow Graph,DFG),在DFG图中依照专用指令设计规则引入近似最优解方法查找可优化指令块.对该类指令块设计相应的专用指令,以实现处理器原有基础指令集架构的扩展.再次基于电子系统级(Electronic System Level,ESL)设计方法依次设计并仿真验证ECC_ASIP的系统级模型和Verilog寄存器传输级(Register Transfer Level,RTL)模型.最后将验证通过的RTL级处理器模型进行综合、布局布线,转换成相对应的门级电路并统计模型使用的硬件资源信息,烧写到FPGA(Field-Programmable Gate Array)平台完成ECC_ASIP的移植操作和性能验证.与ARM11处理器平台下算法实现的性能表现进行对比,实验结果显示,ECC_ASIP牺牲了9.23x%的硬件扩展资源,将算法实现的运算速度提高了2.74x倍,指令代码存储空间减少了59.36x%.

随机规划经验逼近最优解集序列的几乎处处上半收敛性

本文对随机规划经验逼近最优解集的几乎处处上半收敛性进行了研究。首先通过经验概率测度替代初始规划的概率测度得到随机规划的经验逼近模型,然后将带有约束的随机规划问题转化成与其等价的无约束的随机规划问题,最后利用上图收敛性理论,给出了随机规划经验逼近最优解集的几乎处处上半收敛性。本文采用的经验逼近方法可应用于研究随机规划统计估计问题的一致相合性、稳健性、极大似然估计的强相合性。

含参集值向量均衡问题近似解映射的Lipschitz连续性

在赋范线性空间中研究了含参集值向量均衡问题.在引入含参集值向量均衡问题近似有效解的基础上,讨论了含参集值向量均衡问题近似解映射的Lipschitz连续性.借助标量化方法,得到了含参集值向量均衡问题近似解映射的Lipschitz连续的充分性定理.作为应用,研究了含参集值向量优化问题近似解映射的Lipschitz连续性,给出了含参集值向量优化问题近似解映射的Lipschitz连续的充分性条件.

集值优化问题广义近似解的性质和最优性条件

引进了集值优化问题的一种广义近似解,统一了其他集值优化问题的近似解,研究了广义近似解的性质,获得了广义近似弱有效解的最优性条件.

含参集值优化问题近似解集的稳定性

在赋范线性空间中讨论了含参集值优化问题近似解集的稳定性.首先,给出了含参集值优化问题2类(弱)近似解的概念及其性质关系.其次,在目标函数集值映射具严格近似上(下)锥凸性假设下,获得了含参集值优化问题2类(弱)近似解集的上半连续性定理.最后,结合水平映射的方法研究了含参集值优化问题2类(弱)近似解集的下半连续最优性充分条件.

集值向量优化问题近似有效解的最优条件和对偶性

在Banach空间中考虑集值向量优化问题的Henig近似有效解和Global近似有效解的最优条件和对偶性.在锥-次不变集值映射的假设条件下,建立集值向量优化问题Henig近似有效解最小点和Global近似有效解最小点的充分性最优条件与Mond-Weir型、Wolfe-型两类对偶定理.作为应用,分析集值向量优化问题的Henig近似有效解最小点和Global近似有效解最小点与一类向量变分不等式两种近似有效解最小点之间的关系.

一类随机规划逼近最优值和最优解集的收敛性

本文提出强上图收敛的概念,讨论了逼近随机规划的目标函数序列的强上图收敛性,研究了逼近随机规划最优值和最优解集的收敛性条件,得到了一类随机规划逼近最优值和最优解集的收敛性.

SVM性能的免疫鱼群多目标优化研究

SVM算法的训练精度和训练速度是衡量其性能的2个重要指标.以这2个指标为目标变量建立SVM性能多目标优化问题的数学模型,采用直接对多个目标同时进行优化的方法求得问题的Pareto近似解集.在求解Pareto近似解集时,将免疫原理中的浓度机制引入基本鱼群算法中,形成一种改进的免疫鱼群算法.以非线性动态系统仿真数据为样本数据,并采用改进的免疫鱼群算法求解SVM性能多目标优化问题的Pareto近似解集.仿真结果表明,在解决多目标优化问题时,免疫鱼群算法相对于基本鱼群算法和遗传算法具有更好的优越性.

概率约束规划逼近问题最优解集的下半收敛性

在初始概率约束规划问题水平集正则的条件下,利用最优解集的结构特征给出了概率约束规划逼近问题最优解集下半收敛的一个充分条件,并由此结果给出了概率约束规划逼近问题最优解集Hausdorff收敛的一个充分条件.

集值向量均衡问题近似有效解的最优条件

分析实局部凸Hausdorff拓扑向量空间一类具约束集值向量均衡问题的近似有效解,讨论其有效解和近似有效解的关系。在近似锥-次类凸集值映射概念的基础上,运用凸集分离定理,建立了有效解和近似有效解的最优条件。在广义凸性假设条件下,借助相应的分析方法,得到集值向量均衡问题近似有效解的Kuhn-Tucker型和Lagrange型的最优充要条件。

求解背包约束下下模集函数近似算法及性能保证

为有效求得背包约束条件下不同问题的解,我们往往采取不同的方式,以获得其最优解。但更多情况下,我们无法找出其精确最优解,这时我们将选取不同的变量,通过有效的算法,以获得该问题的近似解。我们利用线性规划的知识,分析最大化非减下模集函数在背包约束下近似算法,得出该算法计算复杂性为O(n5),性能保证为1-e-1。

深海半潜平台主尺度优化

采用试验设计和近似模型的方法对典型的六个主尺度变量和三个自由度的运动响应进行了相关性分析,拟合了平台垂荡、纵摇和横摇响应与主尺度参数的关系,在一定的约束条件下进行了优化计算分析,得到Pareto解集.