星型区块链架构的TKM分片算法

区块链系统的通量严重不足,而解决此问题最有效的一类方案是并行化处理,并行化方案主要为星型架构,当前星型架构对系统中节点的分片方式多为账户随机分片,这种分片方式的系统通量仍然不足。针对此问题,提出了一种基于星型结构的TKM分片算法,该算法将原始K-means聚类算法进行改进,并运用在节点分片上。TKM分片算法将聚类算法与区块链的网络分片技术相结合,使节点根据地理位置进行分片,极大提高邻近节点发生的交易为片内交易的概率,从而提高系统通量,同时在原始算法的基础上引入了时间戳,减少了恶意节点的攻击。仿真实验表明该算法与传统的随机分片算法相比,最大系统通量提高了20%。根据上述通量模型,通过实验得出基于TKM算法的星型区块链系统的最优分片数量。

基于改进Actor-Critic算法的多传感器交叉提示技术

针对在减少战场资源浪费、平衡战场效费比的同时提高目标探测概率,保证目标的可持续跟踪,提出利用改进Actor-Critic算法的多传感器交叉提示技术进行目标探测。首先,综合传感器探测、能耗、时效等因素搭建基于“交叉提示”传感器的动态管理评估模型;其次,重点分析利用Actor-Critic交叉提示算法的传感器管理决策规则,并且提出了Actor-Critic算法,以根据任务自身需求组建中央评价网络,加大传感器与外部环境的交互。仿真结果表明,改进的算法可以加速网络收益,实现对目标的持续性探测,加强传感器之间的交叉提示功能,提升调度的智能化水平,具有较大的应用价值。

自适应策略优化的粒子群优化算法在神经网络架构搜索中的应用

针对神经网络架构搜索(NAS)任务,提出一种自适应重启策略驱动的协作学习粒子群优化(ARCLPSO)算法。算法核心流程包括协作学习与信息共享、策略切换和参数自适应,以改进传统粒子群优化(PSO)算法在NAS中的性能。ARCLPSO算法结合了全局与局部信息的协同作用和智能切换学习策略。具体地,ARCLPSO利用全局和局部信息的协同作用令粒子向更优的方向移动,通过智能的切换粒子学习策略平衡粒子的搜索性能和收敛速度,提高搜索速度和搜索质量。在NAS-Bench-101数据集上的实验结果表明,ARCLPSO的收敛时间相较于传统进化算法(REA)和随机搜索(RS),分别减少了40.9%和55.2%。

基于群体机器人多目标的区块链安全控制架构及算法

针对群体机器人在执行任务过程中可能出现的数据泄露等安全问题,提出了一种基于群体机器人多目标的区块链安全控制架构方案,并设计了用于数据安全防护的安全流程控制算法。首先,构建的架构基于区块链,从任务层和执行层角度避免了任务数据的丢失和泄露,确保群机器人的内部数据可以安全稳定地传输。其次,设计安全控制算法,实现群体机器人在多目标情况下的安全控制。最后仿真结果表明,所设计的架构及算法提高了机器人数据传输的隐私性和安全性,引入所提出的安全控制架构及算法后,群机器人在协同跟踪目标点运动的过程中探测误差减小了40.7%。同时,通过实验验证了所提架构在实际系统中的有效性。

Actor-critic框架下的二次指派问题求解方法

二次指派问题(QAP)属于NP-hard组合优化问题,在现实生活中有着广泛应用。目前相对成熟的启发式算法通常以问题为导向来设计定制化算法,缺乏迁移泛化能力。为提供一个统一的QAP求解策略,将QAP问题的流量矩阵及距离矩阵抽象成两个无向完全图并构造相应的关联图,从而将设施和地点的指派任务转化为关联图上的节点选择任务,基于actor-critic框架,提出一种全新的求解算法ACQAP。首先,利用多头注意力机制构造策略网络,处理来自图卷积神经网络的节点表征向量;然后,通过actor-critic算法预测每个节点被作为最优节点输出的概率;最后,依据该概率在可行时间内输出满足目标奖励函数的动作决策序列。该算法摆脱人工设计,且适用于不同规模的输入,更加灵活可靠。实验结果表明,在QAPLIB实例上,本算法在精度媲美传统启发式算法的前提下,迁移泛化能力更强;同时相对于NGM等基于学习的算法,求解的指派费用与最优解之间的偏差最小,且在大部分实例中,偏差均小于20%。

基于架构搜索的雷达回波降雨强度分类算法

天气雷达是降雨监测的重要手段,基于天气雷达降雨回波特征实现准确的降雨强度分类至关重要。文中提出了基于3D注意力模块的CNN(EA-CNN)进化搜索算法,算法利用遗传算法(GA)自动搜索最优结构,快速优化CNN架构的宽度与深度,准确找到最佳CNN结构,具有很强的泛化能力。算法引入3D注意力模块有效抑制分类中的干扰像素问题,能够准确提取各强度降雨特征,帮助相关人士从雷达回波中快速获取降雨分级结果。实验表明,与4种经典的算法(KNN、SVM、VGG、ResNet12)相比,所提出的算法在人力、物力等成本上更具竞争性,分类准确率提升7.95%。

基于CSP算法的BWB飞机飞控作动系统架构设计

针对翼身融合(Blended Wing Body,BWB)飞机舵面数量多且每个舵面承担两轴或三轴多种功能,可选的动力源和作动器类型多样,导致飞控作动系统架构设计困难的问题,研究分析了BWB飞机飞控作动系统架构安全性设计原则和技术约束,采用约束满足问题(Constraint Satisfaction Problem,CSP)算法为BWB飞机进行飞控作动系统架构设计,对飞控作动系统架构进行变量V、值域D以及约束C建模分析,设计回溯算法对飞控作动系统架构进行筛选,在1049种候选飞控作动系统架构中,用时不到7 min,为飞机筛选出符合安全性设计原则和技术约束的飞控作动系统架构,比其他文献中的初步筛选算法用时更短,且缩短了设计周期。

民机后舱一体化网络架构QoS算法设计

民用飞机后舱包括信息系统(Information System,IS)、客舱核心系统(Cabin Core System,CCS)、机载娱乐(In-Flight Entertainment,IFE)系统、外部通信系统(External Communication System,ECS)等,各系统飞行安全域等级不同且网络交联关系复杂,这对传输服务质量(Quality of Service,QoS)提出极高要求,传统的QoS算法难以达到最佳效果。针对上述问题,将公平队列调度(Fair Weight Queue,FWQ)算法和随机早期检测(Random Early Detection,RED)算法相结合,整合到QoS处理系统上,并利用优先级双因素(Two-Factor,TF)机制对数据流进行精细化描述,提出一种民用飞机后舱一体化网络改进型QoS算法,命名为双因素加权公平队列随机早期检测(Two Factor-Fair Weighted Queue-Random Early Detection,TF-FWQ-RED)算法,使用OPNET网络仿真工具对该算法进行仿真验证。仿真运行结果显示,通过该算法可有效降低后舱高优先级业务流在网络拥塞场景下受延迟或丢包率的影响,同时保证了网络的高效运行,表明了TF-FWQ-RED算法的正确性以及对民机后舱混合复杂网络环境下现实需求的适应性。

零信任架构下多服务器自动加密算法设计

设计一种零信任架构,针对多服务器提出一种自动加密算法。基于零信任架构构建多服务器可搜索加密模型。对模型进行形式化定义,明确各参与方之间的交互和操作流程;为了证明模型的安全性,以游戏方式定义安全模型,通过设计攻击策略和游戏规则,评估加密模型的不可区分性。结合不可区分概率设计加密算法。将多服务器自动加密算法与其他算法展开比较实验测试,结果表明,该算法支持多服务器和多关键字,可在保证最高计算效率的前提下完成安全性最高的数据加密和解密。

分布式训练系统及其优化算法综述

人工智能利用各种优化技术从海量训练样本中学习关键特征或知识以提高解的质量,这对训练方法提出了更高要求.然而,传统单机训练无法满足存储与计算性能等方面的需求.因此,利用多个计算节点协同的分布式训练系统成为热点研究方向之一.本文首先阐述了单机训练面临的主要挑战.其次,分析了分布式训练系统亟需解决的三个关键问题.基于上述问题归纳了分布式训练系统的通用框架与四个核心组件.围绕各个组件涉及的技术,梳理了代表性研究成果.在此基础之上,总结了基于并行随机梯度下降算法的中心化与去中心化架构研究分支,并对各研究分支优化算法与应用进行综述.最后,提出了未来可能的研究方向.

基于Actor-Critical架构的5G Massive MIMO波束能效的研究与应用

大规模阵列天线技术(Massive Multiple Input Multiple Output,Massive MIMO)作为第五代移动通信(5G)的无线核心技术,实现了多波束空间覆盖增强,然而5G Massive MIMO的多波束射频高能耗、多波束碰撞和增加的干扰造会成5G网络能效下降,运营成本增高。基于3D数字地图、基站工程参数、终端上报的测量报告/最小化路测(Measurement Report/Minimization of Drive Test,MR/MDT)数据、用户/业务分布构建的三维数字孪生栅格,通过卷积长短期记忆(Convolutional Long Short Term Memory,Conv-LSTM)算法对栅格内的用户分布、业务分布进行分析和预测,通过Actor-Critic架构对5G波束配置和优化策略进行评估,实现不同场景、时段的5G波束最佳能效,智能适应5G网络潮汐效应,实现“网随业动”。

四自由度串联嫁接机器人架构约束模块识别可视化方法

为实现育苗嫁接的智能化与高效化,一类四自由度串联嫁接机器人的新结构被提出;针对其机械结构、时序控制、联动运行等复杂性,发展该类机器人架构约束下的模块识别可视化方法及设计流程。首先,构建考虑特定架构约束下机器人的设计结构矩阵(DSM),并采用大型社区快速展开算法(LOUVAIN算法)实现对机器人架构模块的预划分;其次,采用改进遗传算法(AGA)对DSM进行聚类,获得多组高模块度的划分结果,由此形成成组可能性矩阵(GLM),并将其对角化得到对角GLM(DGLM);最后,提出针对DGLM的可视化策略并完成着色处理,实现对最优模块划分方案的辨识。结果显示:四自由度串联嫁接机器人可分解为较独立的7大模块,模块度可达0.782。

面向GPU的地形遮蔽探测并行算法

地形遮蔽算法在军事、民航和气象分析等领域有广泛应用。随着仿真规模的扩大、仿真结果实时性要求越来越高,传统计算模型俨然不能满足当下的实时性要求。为解决这一不足,实现了在统一计算设备架构(CUDA)并行计算平台上的地形遮蔽探测算法,解决了仿真计算速度慢的问题。在CPU端将雷达探测区域内离散采样点的高程数据矩阵化,进而提升高程值在并行化计算中的读取速度。针对雷达仿真计算参数对线程分配方式进行优化,采用循环对比方式对地形遮蔽角的计算进行并行加速。采用设备端线程同步和数据交替传输技术,确保计算结果一致性和最大化利用GPU端计算资源。采用多模式并行化计算模式,使用多线程并行化计算和单线程串行化计算来支撑GPU端计算资源不足时的退化计算,从而保证计算的高可用。实验结果表明,相较于i7-12700H CPU在仿真粒度为3 600条探测波束下的地形遮蔽串行计算和多线程并行计算,在3060 Laptop GPU下分别获取了48倍和17倍加速,为仿真实时性提供了有效的工程解决方案。

基于国密的气象数据业务安全架构研究

随着我国数字经济持续快速发展,气象数据在广泛流动释放价值的同时,也面临着被窃取、泄露、滥用等巨大威胁。为了更好地提升气象数据业务整体安全保护措施,通过对资料精细分级分类,在数据采集、数据传输、数据服务等过程中评估常用密码加解密性能,提出一种主要基于国密(SM2、SM4、ZUC等)的气象业务数据全链条安全保护策略,并在台站采集端、传输过程、数据存储、接口服务等环节对资料进行仿真评估,从时效影响、保护强度、低代价改造等方面,表明本方案的可行性和适用性。

一种基于混合粒子群优化算法的深度卷积神经网络架构搜索方法

神经架构搜索(neural architecture search,NAS)技术自动寻找神经网络中各层的最佳组合和连接方式,以及各种超参数的最佳分布。该方法从搜索空间生成若干不同的卷积神经网络(CNN),使用混合粒子群优化(hybrid particle swarm optimization,HPSO)算法,将一定数目的神经网络个体视做一个群体,将每个网络个体在评价指标下的表现值视做适应度,在给定的世代数范围内,每个神经网络个体都学习自身的历史最佳适应度个体,和整个群体的最佳适应度个体,迭代改善自身的网络架构。实验结果表明,算法运行中出现的最优网络架构,在图像分类任务的多个基准数据集上,与手工设计的神经网络和以遗传算法为基础的NAS算法相比,在网络参数数量和准确率的平衡上取得了有竞争力的结果。

基于AES算法的计算机数据库加密系统设计与实现

随着信息技术的迅猛发展,中等职业(中职)教育面临着教学资源更新和个性化教学需求的双重挑战。知识图谱是一种通过链接和整合广泛信息资源来创建、利用和分享知识的技术,能够在复杂的数据中寻找规律,为用户提供准确的信息推荐服务。研究通过分析数据库加密的常用方式和数据库透明加密(TDE)原理,设计了一套基于知识图谱的中职线上教学资源推荐系统的体系架构。系统采用高级加密标准(AES)算法加密设计保证数据安全,整合数据库提升系统效能,并详细说明了开发过程的实现。通过实验结果及分析,证明了系统的有效性和实用性,为中职教育提供了一种新的线上教学资源推荐解决方案。

基于actor-critic算法的分数阶多自主体系统最优主-从一致性控制

研究了分数阶多自主体系统的最优主-从一致性问题.在考虑控制器周期间歇的前提下,将分数阶微分的一阶近似逼近式、事件触发机制和强化学习中的actor-critic算法有机整合,设计了基于周期间歇事件触发策略的强化学习算法结构.最后,通过数值仿真实验证明了该算法的可行性和有效性.

基于Actor-Critic算法的多无人机协同空战目标重分配方法

目标重分配问题是多无人机协同空战中亟需解决的关键问题之一。考虑到空战中的不确定性、实时性等特点,建立了多无人机协同空战目标重分配问题的数学模型,结合强化学习核心概念,提出了基于Actor-Critic算法的多无人机协同空战目标重分配框架,构建了基于目标重分配的马尔科夫决策过程、Actor网络结构和Critic网络结构。针对强化学习算法中存在的奖励稀疏问题,设计了局部回报和全局汇报相结合的双层回报函数。在基于VR-Forces仿真平台中验证了该方法的有效性。实验结果表明,提出的多无人机协同空战目标重分配方法能够有效地提升空战对抗的胜率。

基于IR2Vec模型的跨架构密码算法识别

在信息安全领域,加密技术被用来保障信息的安全性,在可执行文件中识别密码算法对于保护信息安全有着重要意义。现有密码算法识别技术大多只能针对单一架构,在跨架构场景下识别能力较差,因此,提出了IR2Vec模型,着力解决跨架构下的密码算法识别问题。该模型首先基于LLVM衔接不同的前端和后端的特性来解决跨架构的问题,利用LLVM-RetDec将可执行文件反编译成中间表示语言,然后改进PV-DM模型将中间表示语言语义向量化,通过求取向量的余弦距离来判断语义相似性。收集多种密码算法来建立密码算法库,将待检测目标可执行文件分别与密码算法库中的文件进行一一对比,取相似度最高的为识别结果。实验结果表明,该技术能够有效识别出可执行文件中的密码算法,该模型可同时支持X86,ARM和MIPS 3种架构,Clang和GCC两种编译器,以及O0,O1,O2和O3这4种优化选项的二进制文件交叉识别。

基于FPGA的SM4算法高效实现方案

针对SM4算法的FPGA实现方案存在数据处理速度不够高和逻辑资源占用过高的问题,提出了基于现场可编程门阵列(FPGA)的高性能、低资源消耗的SM4算法实现方案。所提方案采用循环密钥扩展与32级流水线加解密相结合的架构,循环密钥扩展的方式降低了逻辑资源消耗,32级流水线加解密的方式提高了数据吞吐率。同时,所提方案采用代数式S盒并通过合并线性运算以及在不可约多项式的合并矩阵中筛选最优矩阵运算的方式进一步减少S盒变换的运算量,从而达到降低逻辑资源占用与提高工程数据吞吐率的目的。测试结果显示,该方案比现有最佳方案在数据吞吐率上提升了43%,且资源占用率降低了10%。