基于改进Gossip算法的多微网孤岛系统分布式电力交易策略

多微网系统的去中心化是微电网的重要发展趋势。关注多微网系统的分布式控制策略,将Gossip算法应用于由多个微电网组成的组合孤岛系统中;给出零售市场的电力交易模型,追求使多微网系统全局目标函数最小化的电价;基于双向平衡Gossip算法实现多微电网的电价决策;为保证安全隐私,设计一种具有隐私保护功能改进Gossip算法,以增加迭代次数为代价,避免成本函数共享。最后,通过算例仿真验证了采用Gossip算法的电力交易策略对孤岛运行状态下的分布式多微网系统的有效性。

基于Gossip算法的无线传感器网络时间同步

将Gossip算法用于实现无线传感网络的分布式时间同步,提出单Gossip同步算法和多Gossip同步算法,解决传统无线传感器网络时间同步算法中存在的计算复杂度高和同步收敛速度慢等问题.单Gossip同步算法首先利用构造生成树算法得到一个生成树,然后,依次对生成树每条边的两节点时钟信息进行Gossip运算,反复循环,最终可使网络各节点的时钟信息收敛于它们初始时钟信息的平均值.多Gossip同步算法对生成树进行边染色,相同染色的边可以同时进行Gossip运算.这2种同步算法减小了消息交换数,降低了计算复杂度,提高了同步的收敛速度.用随机矩阵理论和图论进行了理论证明,通过计算机仿真对理论分析进行了数据验证.

使用Gossip算法实现可靠的基于内容的发布订阅系统

分布式基于内容的发布订阅系统正受到日益广泛的重视,然而大多数研究都忽略了可靠性保证,这限制了该系统在动态和不可靠场合下的应用.本文首先介绍了基于内容的发布订阅系统和gossip算法,然后提出了一个轻量级的称为PReliabili-ty的协议,它通过引入gossip算法保证事件传输的可靠性.仿真实验表明该协议适合于大规模、可靠性低的环境,具有很强的扩展性和健壮性,并且具有简单、易于实现的优势.

P2P网络中基于Gossip算法的信任模型

为了解决P2P网络开放性和自治性带来的信任问题,提出一种基于Gossip算法的信任模型。该模型在估计节点的信任关系时引入时间退化因子,使用基于网络拓扑结构的Gossip算法传递消息、聚集信誉。模拟实验结果表明,该模型能更有效地评估节点间的信任关系,提高查询效率,减少网络拥塞。

基于Gossip的自适应成员关系管理协议

提出了面向动态异质环境的P2P成员关系管理协议。该协议能根据节点能力度大小动态调整节点连接个数,从而使得节点连接数分布和节点能力度分布相匹配,有利于提高P2P网络的资源利用率和负载均衡。协议基本操作包括:节点加入、节点退出、节点失效恢复、节点能力度汇聚和节点关系更新。实验结果表明,和不考虑节点能力度的相关协议相比,与节点能力度动态适应的节点成员关系管理协议具有更高的资源利用率。

二进制指数退避的Gossip算法研究

为减少Gossip算法进行信息传播的通信开销,该文提出一个将二进制指数退避算法与经典Gossip算法相结合的二进制指数退避的Gossip算法(BEBG),其信息传播策略是一个节点收到同一信息的次数越多,继续传播该信息的概率就越低。理论分析与仿真实验表明,BEBG能够有效减少信息传播冗余,网络中有104个节点时比经典Gossip算法减少了约61%网络负载。为解决BEBG存在的边缘节点问题,进一步提出了两个BEBG改进算法,引入Pull的PBEBG和引入向邻居节点Push的NBEBG。实验结果表明,两个算法能够消除边缘节点,当网络中有104个节点时,它们与相应的分别引入相同Pull和Push的经典Gossip算法相比,分别减少了约34%和37%的网络负载。

非均匀选择概率下异步随机Gossip共识算法及优化

异步随机Gossip算法大都采用以均匀选择概率为基础的时间模型,并未充分考虑网络拓扑结构对智能体获取信息的影响,为此本文提出了一种更为合理的基于非均匀选择概率的异步随机Gossip算法.首先给出了非均匀选择概率下的异步时间模型,在概率意义下分析了算法的收敛性.算法的收敛速度取决于概率化权重矩阵的第2大特征值,并利用投影次梯度算法给出了选择概率优化方法.仿真分析表明,在非均匀选择概率下可通过对各智能体选择概率的优化,改善算法的收敛速度,并且弥补了传统的通信概率矩阵优化方法受制于网络拓扑结构的不足.

基于Gossip协议的拜占庭共识算法

区块链是一种对等网络的分布式账本系统,具备去中心化、不可篡改、安全可信等特点,因此受到了广泛关注。在区块链系统中,典型的拜占庭错误包括操作错误、网络延迟、系统崩溃、恶意攻击等。现有共识算法不仅对区块链中拜占庭节点的容错能力低,而且对区块链系统的可扩展性差。针对这一问题,文中提出了基于Gossip协议的拜占庭共识算法,使系统可以容忍小于一半的节点为拜占庭节点,能够达到XFT共识算法的容错能力。同时,因为采用了统一的数据结构,所以系统具有更好的可扩展性,并且有利于正确节点识别区块链系统中的恶意节点。在该算法中,提案节点随着区块链长度的变化而转移,系统中所有节点都处于对等的地位,从而避免了单点故障问题,进而使得系统具有更好的动态负载均衡的性能。

发布/订阅系统中Gossip路由算法的设计及实现

通过设置心跳值并采用Pull&Push的交互模式,降低系统开销,增加路由可靠性;通过改变订阅匹配时间点,增加事件匹配成功率,以改进Gossip路由算法,最终设计并实现了集成该Gossip路由算法的包含发布模块、订阅模块、事件代理模块的发布/订阅系统仿真模型。同时,通过相关测试及其性能分析,以验证算法的有效性和可行性。仿真实验结果表明,该算法能够进行正确的路由、进行事件的转发,同时降低了系统开销。

R-gossip:分布式负载均衡效率优化算法

如今,单机系统提供的服务局限性较大,多机分布式系统应运而生。针对在分布式一致性系统中常用的gossip算法负载均衡效率较低的问题,本文在概率gossip算法(probabilistic gossip algo rithm)的基础上,设计了一种寄存器gossip算法(register gossip algorithm,下文简称R-gossip算法)。该算法通过在每个集群代理节点上设置多个且数量相同的移位寄存器(shift register),在对称假设下建立期望收敛模型,加快gossip算法的收敛速度,提高分布式系统的负载均衡效率。实验结果表明,其效率较传统gossip算法提高了30%左右。

GVGBC:全视图情形下基于Gossip协议的拜占庭共识算法

共识算法是区块链技术的一个核心组成部分,但现有的共识算法还存在某些不足.针对基于Gossip协议的拜占庭共识算法(GBC算法)的局限性,提出了一种基于全视图通信情形下的GBC算法——GVGBC算法.通过改进通信方式、数据结构和内部算法,使系统快速实现分布式节点间的数据更新和共识达成.通过实例依次证明了GVGBC算法的3个优点:节点间通信的轮数降为一轮;单节点对错误信息不会多次叠加;减少了系统承担的数据量.总之,在通信可靠的情况下,GVGBC算法减少了节点数据更新所需要的通信轮数,减少了系统承担的数据量,从而提高了算法的性能.

基于分布式共识的Gossip 算法及时间同步研究

Gossip算法具有良好的扩展性和鲁棒性,是一种简单高效的算法,可以很好地适应无线传感器网络中分布式的系统环境。Gossip类似于流言传播的概念,是一种可以按照自己的期望自行选择与之交换信息的节点的通信方式,相比于利用路由端到端的通信方式,不需要进行路由的建立和维护,所以可以减少能量损耗,并且可以避免拥塞和路径失效的问题,具有消耗资源少、收敛速度快的优点。基于此,本文主要介绍了基于分布式共识的Gossip算法及时间同步。

面向执行-学习者的在线强化学习并行训练方法

近年来,深度强化学习(Deep Reinforcement Learning,DRL)已经成为了人工智能领域中的研究热点.为了加速DRL训练,人们提出了分布式强化学习方法用于提升训练速度.目前分布式强化学习可以分为同策略方法、异策略方法以及最新的近同策略方法.近同策略方法改善了同策略方法和异策略方法的问题,但是由于其共享内存并行模型的限制,近同策略模型难以扩展到以网络互连的计算集群上,低可扩展性限制了近同策略方法能够利用的资源数量,增加了计算节点的负载,最终导致训练耗时增加.为了提升近同策略方法的可扩展性,提升收敛速度,本文提出了一种以消息传递为基础,使用Gossip算法与模型融合方法的并行执行者-学习者训练框架(Parallel Actor-Learner Architecture,PALA),这一方法通过增强训练的并行性和可扩展性来提升收敛速度.首先,该框架以Gossip算法作为通信基础,借助全局数据代理并使用消息传递模型创建了一套可扩展的多个并行单智能体训练方法.其次,为了保证探索-利用的同策略性,维持训练稳定,本文创建了一套可以用于多机之间进行隐式同步的进程锁.其次,本文面向含有CUDA张量的模型数据,提出了一种序列化方法,以保证模型数据能够通过节点间网络传递、聚合.最后,本文使用模型聚合方法对训练进行加速.基于上述优化和改进,PALA训练方法能够将负载均衡地映射到整个计算集群上,减少由于高负载而造成的长等待时间,提升收敛速度.实验表明,相较于之前使用共享内存模式的方法,PALA训练的智能体在达到相同水平时,训练时间缩减了20%以上,同时,PALA还有着较好的可扩展性,PALA可以扩展的硬件资源数量是原有方法的6倍以上.与其他方法相对比,PALA训练的智能体最终策略在几乎所有测试环境中达到了最优水平.

基于分布式通信架构的温控负荷参与电力系统频率调控模型

温控负荷是具有参与电力系统频率调控潜力的需求侧资源。考虑到温控负荷用户群体分布的分散性和参数的异质性,提出一种基于分布式通信架构的温控负荷参与电力系统频率调控模型。负荷聚合商与区域控制器进行直接通信传递频率调控指令,用户个体间基于无线网络完成信息交互,通过Gossip算法实现节点负荷的通信状态和传递延时特性建模,针对用户响应状态的随机性,进一步将用户意愿系数纳入考虑,制定相应有序恢复策略避免二次功率冲击。通过算例仿真在单区域和多区域的频率响应模型中对所提方法有效性进行了验证,结果表明,所提方法能够充分发挥分布式需求侧温控负荷调频潜力,有利于提升系统频率稳定性。

异构网络环境下的高稳定性应用层组播方案

针对异构网络环境中由于节点转发能力异构而引起的应用层组播稳定性不足的问题,对异构overlay拓扑建模进行了研究,分析出组播稳定所需满足的约束条件,提出了一种基于gossip协作机制的应用层组播方案。在所提机制能够均衡节点间负载,缓解能力弱的节点负载过重的问题;如果组播过程中有成员节点动态离开或转发能力不足,其他节点相互协作共同分担其负载以维持组播的稳定性。随后的链路强度分析表明,与传统的应用层组播方案相比,方案能够大幅降低拓扑的平均链路强度,提高组播系统的稳定性。通过OMNe T++仿真平台对本方案进行仿真验证,实验证明在动态的异构overlay拓扑下,方案能够显著提高数据分发成功率,保证组播的连续性和稳定性。

对等网络中一种基于概率的信任机制研究

P2P网络由于其开放性和自治性,充斥着大量的不确定性因素。为了提高网络的整体可用性和服务质量,提出了一种基于P2P技术的信任机制,该机制使用beta概率分布来估价结点的信任,同时使用Gossip算法来传递聚集信誉。模拟实验表明,时间关联因子以及Gossip搜索机制的引入,能更有效地估价结点间的信任关系,减少网络拥塞,提高查询效率。

混合P2P系统中散播自适应算法的改进

在混合P2P系统中,散播自适应算法提高了资源搜索的效率。该文针对随机散播算法在资源知名度传播方法上存在的冗余信息和资源知名度一致性之间的矛盾,提出一种基于节点地址的资源知名度传输方法,采用资源知名度根据节点地址不进行重复发送的方法,结果证明该方法比随机散播算法具有更少的传输时间及更低的传输开销。

一种面向结构化P2P网络的基于闲谈的资源发现方法

结构化P2P网络下的多属性资源发现一直是一个公开问题.本文针对当前一种新颖的、优于传统方法的多属性资源发现方法-PIRD,深入分析了其在网络动态变化时可能出现的低查询效率问题,并提出一种解决方法:基于闲谈的PIRD(Gossip-based PIRD,G-PIRD).G-PIRD通过闲谈算法估计网络规模,动态调整资源索引的发布以保证高的查询效率.同时针对G-PIRD可能导致的负载不均衡问题,提出一种基于有界LSH(Bounded LSH,B-LSH)的负载均衡策略.试验证明:G-PIRD能动态适应网络变化,保证高效率的多属性资源发现;以及G-PIRD的负载均衡策略在保证高查询效率的同时,大大地降低了节点的索引负载.

Dynamo架构中全局状态表维护算法研究

针对现有Dynamo式云存储架构中,节点间全局状态表一致性维护算法收敛时间长、通信代价高的问题,文中提出了一种基于种子节点的Gossip(Gossip Based on Seed nodes,GBS)算法。该算法采用分层思想,将节点分为种子节点层和普通节点层,通过分层,缩小了Gossip传播随机域,减少收敛时间;通过普通节点定期向随机的种子节点报告策略,解决了Gossip传播后期由于随机带来的大量重复交互问题。通过仿真实验,证明了GBS算法在降低收敛时间的同时,有效地降低了通信开销,提高了维护效率,具有很高的稳定性和可靠性。

分布式存储中的一种数据放置策略

研究了动态网络环境下基于分布式存储系统的数据放置策略,分析了现有的数据放置策略,提出了一种基于Gossip算法的数据放置策略。该策略在一定程度上避免了服务端结点故障造成的数据丢失,提高了系统的容错能力,保证了数据的可靠性。