FL_Raft:基于联邦学习模型的选举共识方案

针对异构集群中Raft共识算法的投票分裂和领导者频繁更换造成的吞吐量低、共识时延高和安全性低等问题,提出了一种基于联邦学习模型的Raft选举共识方案FL_Raft。首先,联邦学习聚合运行于每轮领导者迭代后,调用节点的本地特征数据,通过联邦学习训练模型筛选高性能节点组;其次,建立基于行为的权益计算模型,对集群中每个节点的权益值进行动态调整;最后,建立权益选举模型,由队列选举准领导者节点,选取出的节点经全体节点投票选举后成为最终领导者节点。实验结果表明,在保证各节点数据隐私性的前提下,相比Raft,FL_Raft的选举时延降低了50%,领导者可靠性达到95%以上,共识时延缩短了20%,吞吐量提高了13%。FL_Raft共识算法保证了选举的效率和安全,提高了集群的稳定性和领导者的可用性。

一维紧邻的接触过程与选举模型的混合过程的光滑性与单调性

证明了一维紧邻的接触过程与选举模型的混合过程,其极点平稳分布除在临界点λc 处外总是光滑的,且该混合过程具有单调性.

等价类空间中一维有偏选举模型的刻画

本文利用李雅谱诺夫函数证明了等价类空间中的一维有偏选举模型是正常返的,且首次击中D0时刻的阶为32,从而推广了[4]中的部分结果.

双随机环境下一维选举模型生存概率界的估计

本文用随机环境中随机游动的知识讨论了双随机环境中一维选举模型 ,给出了该模型生存概率界的估计 .

等价类空间中离散时间选举-排它混合模型的遍历性

利用李雅谱诺夫函数首先证明了等价类空间中离散时间非紧邻选举模型是正常返的,且首次击中D0时刻的阶为15/14,其次给出了等价类空间中离散时间非紧邻选举模型与排它过程的混合模型遍历性的一个判别准则,从而推广和改进了紧邻情形的相应结果.

随机环境中选举模型的Hydrodynamic极限

本文研究随机环境中选举模型的Hydrodynamic极限 .首先 ,我们通过图表示构造出随机环境中的选举模型 。

基于选举模型理论研究股市特性

基于交互粒子系统之一的选举模型理论,构造了一个股票价格方程(模型)来实现股市价格和收益的模拟.文中讨论了选举模型理论中3个重要参数,强度、初始密度和网格维数,对股票收益统计特性及幂律分布的影响.为验证价格模型的有效性,对比上证综指、香港恒生指数及模拟收益,通过自相关系数分析、经典R/S分析法和修正R/S分析法来研究以上3个时间序列的长期依赖性.同时计算并检验了著名的Hurst指数,求取了以上3个金融序列的记忆周期.

用选举模型模拟股票收益过程的宽尾现象

利用选举模型来构造股票的收益过程,对选举模型的参数:初始密度、速率强度以及空间维数取不同值时的情形进行比较,并利用Monte_Carlo方法进行计算机模拟,以此研究股票收益过程的宽尾(fat tails)现象.

一种支持负载均衡的多机选举模型

在当前的分布式多机系统中,为了保证服务的高可用性,节点的状态检测和单点失效时任务的平滑迁移变得十分重要。本文在实际研发过程中设计实现了一套高效和高可靠的状态检测和任务选举机制。该机制具有状态少、效率高和支持负载均衡等优点。

选举模型中名额分配方法浅谈

本文通过对名额分配问题中两种常用方法“Hamilton方法”和“Huntington方法”的分析和比较 ,提出了评价名额分配的一个标准—— χ2统计量。进而给出了较 Huntington方法更加合理的新的名额分配方法—— χ2拟合法 ,标准量是 Wk=pk/ (2 nk +1) 。

电子选举系统的基本框架与信息流程

本文分析现有电子选举模型的基本框架和信息流程，指出了它的安全漏洞，在此基础上提出了一个新的电子选举模型的基本框架和信息流程。

一个混合模型的几点注记

本文给出了有限程排它过程与选举模型的混合模型遍历性的二个判别准则,从而推广和改进了已有的相应结果.

RPFT:基于PoW的高效率共识算法

随着区块链技术的发展,作为其核心技术的共识算法也成为了很多学者的研究热点,良好的共识算法可以有效解决区块链的安全性、扩展性、能耗代价和性能效率等问题.本文选取Raft共识算法作为研究对象,针对Raft算法领导者选举中由于投票分裂而造成选举延时问题,提出了一种基于PoW的高效率共识算法--RPFT共识算法.该算法首先利用PoW共识算法成功选取出高效率的副领导者节点;其次为每一个节点赋予一个等待时间,并根据节点行为调整等待时间;最后,引入等待时间选举模型,结合PoW共识算法优化Raft算法投票选举,快速选举出高效的领导者节点.实验结果表明,新提出的RPFT算法对比Raft算法在选举速度上提高了75%左右;在共识效率方面,RPFT算法共识效率提高了40%.

古典概型解题注记

本文利用选举定理建立并推广了“选举模型”,利用此模型简化了一类古典概型问题的计算,对古典概型的学习有一定的参考意义。

选举理论模型及其在解决多候选人内蕴不确定性问题中的应用

简单选票模型,利用多数票为优胜的选举规则,建立一套分析结构以支持传统意义下的计票过程,分析废票对选举结果的影响并给出不确定性出现的条件.复合选票模型利用多组特征矩阵,向量和置换群为基础变量,形成一套稳定的选举分析系统.这套系统具有特征索引族以置换变化下不变性,区分候选人特有的概率特征向量.文中的主要结果建立一套选举权威机制,利用综合索引指数可区分排序方式,辅助解决选举中当多个候选人在持有相同选票时难以区分胜负的内蕴不确定性问题.