基于可验证随机函数和BLS签名的拜占庭容错共识算法

实用拜占庭容错(PBFT)算法可以容忍网络存在不超过节点总数三分之一的拜占庭节点,常被作为联盟链的共识算法。针对PBFT存在主节点选取规则简单、通信复杂度较高等问题,提出一种基于可验证随机函数(VRF)和BLS签名的拜占庭容错(VBBFT)共识算法。在VBBFT共识算法,VRF在共识节点中选取主节点,主节点作为消息收集和发送的协调者,并将节点间的信息交互过程转化为BLS签名过程,降低了节点间的通信复杂度,并保证了节点间的信息交互是安全的。仿真实验结果表明,VBBFT共识算法与PBFT算法相比,交易吞吐率提高了62.3%,时延降低了12%。

基于BL碰撞算法求解排样过程中干涉的问题

在自动排料过程中,采用BL排放策略的移动碰撞算法时,需要反复地更新待排板料中多边形的边界,在某次更新边界的规则不合理时,排放下一块料极易出现图形干涉的现象。针对这个问题,本文采用计算机图形学和计算几何方面的知识,提出一种解决合成多边形时出现干涉问题的方法。

基于BLS聚合签名技术的平行链共识算法优化方案

目前,平行链的每个共识节点均需发送各自的共识交易到主链上以参与共识,这导致大量的共识交易严重占用主链的区块容量,并且浪费手续费。针对上述问题,利用平行链上的共识交易具有共识数据相同签名不同的特点,结合双线性映射技术,提出一种基于BLS聚合签名技术的平行链共识算法优化方案。首先,用共识节点对交易数据进行签名;然后,用平行链各节点通过点对点(P2P)网络在内部广播共识交易并同步消息;最后,由Leader节点统计共识交易,且当共识交易的数量大于2/3时,将对应的BLS签名数据聚合并发送交易聚合签名到主链上进行验证。实验结果表明,所提方案与原始平行链共识算法相比能够有效解决平行链上共识节点重复发送共识交易到主链的问题,在减少对主链存储空间的占用的同时节省交易手续费,只占用主链存储空间4 KB并且只产生一笔0.01比特元(BTY)的交易手续费。

一种结合BLS签名的可拜占庭容错Raft算法

针对Raft算法中的拜占庭容错问题,提出结合BLS签名的拜占庭容错(Raft Byzantine fault tolerance, RBFT)算法.首先,利用BLS签名实现阈值签名,将投票过程转化为阈值签名过程,并将该过程与Raft算法的AppendEntries消息和RequestVote消息结合,尽可能地减弱容错过程对共识效率的影响;其次,通过增量哈希引入安全状态,保证了日志的不可篡改性;接着引入客户端对Leader节点的动态监控,以避免拜占庭Leader节点消极反馈的发生,进一步保证了算法的活性;最后,由本地多节点仿真实验表明:RBFT算法有效提升了数据吞吐量和可拓展性,并降低了交易延迟.

基于航道-船闸系统模型的内河多线船闸调度优化仿真

为了缓解船舶过闸需求和船闸服务能力之间的矛盾,以内河多线船闸为研究对象,利用元胞自动机原理建立了包括顺直段和弯曲段的航道船舶交通流模型,在考虑闸室分配规则、BL排样算法和多闸室并行调度规则的基础上建立了多线船闸调度优化仿真模型,并利用内河航运系统船舶交通组织方法,将船闸与航道两个子模型看成系统模型中的节点和通道,建立了船闸-航道一体的多线船闸系统调度优化模型。以长洲水利枢纽四线船闸为研究对象,根据建立的船舶交通流模型和多线船闸系统调度优化仿真模型对航道船舶交通流时空分布特性、船闸调度优化指标等进行了仿真分析。试验结果表明:船舶上下行平均延误较实际分别降低了10.3%、8.8%,上下行闸室利用率分别提高了7.4%、7.1%。

基于VNABC的多规格板材二维下料问题

针对二维下料问题板材单一的特点,研究了多规格板材二维下料问题。板材规格多样、毛坯规格多样且数量庞大,是NP(Non-deterministic Polynomial)完全问题。针对该问题的特点,将下料过程设计成规整和非规整两个阶段。规整阶段完成每种矩形毛坯的主体下料任务之后,如仍有毛坯剩余,则进入非规整阶段采用BL算法(Bottom Left Algorithm)下料剩余毛坯。根据模型特点,提出变邻域人工蜂群算法(VNABC),设计两种解码策略STD和SLD,并改进了VNABC算法的操作算子。最后,采用响应面分析法对VNABC算法进行参数标定。通过仿真实验将VNABC算法与遗传算法(GA)、改进粒子群优化算法(NUS)、模拟退火算法(SA)、人工蜂群算法(ABC)进行了对比分析,实验结果验证了VNABC解决多规格板材二维下料问题的优越性。

基于类电磁算法的模具在模台上组合分配的优化

针对预制构件生产线中模台利用率低的问题,提出一种改进的类电磁算法与改进的BL定位算法相结合的方法来求解该问题。建立模具在模台上组合分配问题的数学模型。通过改进的类电磁算法优化预制构件投产上线顺序,进而决定对应模具的摆放顺序。由于标准的类电磁算法易陷入局部极值,改进算法加入模拟退火算法的思想来提高算法跃出局部极值的能力,扩大算法的寻优范围。提出一种改进的BL定位算法(Bottom-Left Placement Algorithm)用于控制模具在模台上的摆放位置和方向。通过实例数据进行仿真测试验证该方法的有效性。

一种求解矩形块装填问题的启发式快速算法

在最低水平线算法基础上,结合工匠砌墙策略,引入矩形块聚类思想,提出了一种矩形块装填问题的改进算法。该算法能使得矩形块装填紧凑,有效提升容器的利用率和提高算法执行速度。实验仿真结果表明,与BL、SA+BLF及PH相比,本文提出的改进算法对于求解矩形块装填问题十分有效。

两种基于生物特征信息的身份签名方案

提出两种基于生物特征信息的身份签名方案。方案一使用签名者的生物特征信息来构造其公钥,验证者不需事先获取签名者的公钥信息,只需由签名者出示其生物特征信息便可重构出其公钥以完成验证操作,使验证操作更加便利直观。方案二使用签名者的生物特征信息来构造其私钥,使私钥的存储不依赖于硬件载体,从根本上避免了私钥的损坏或丢失给签名者带来的损失与不便。上述两种身份签名方案由Dodis等提出的生物特征信息提取算法fuzzy extractor在Liu方案和经典BLS短签名方案的基础上构造。最后,针对上述方案可能存在的攻击提出预防对策。

汽车轮渡智能装载优化方案研究

为进一步提高汽渡船的装载率,提高汽渡公司经济效益,制定更加科学合理的渡船装载方案,结合原有渡运流程,设计了汽渡智能装载流程,建立了汽渡装载模型.在二维装箱BL算法的基础上设计了汽渡装载算法,能自动计算确定车辆的甲板停放位置,通过比较迭代得到最佳装载方案,设计了渡船智能装载系统直接输出甲板车辆停放位置图,实现了智能装载.以G公司历史数据为例,对比各航次渡船智能装载方案,验证了数学模型与算法的正确性和有效性.结果表明,应用此方案装载率平均提高了7.46%,收益提高了15.7%,能有效提高汽车渡船的装载率与汽渡公司经济效益.

基于预测误差校正的宽度学习短期风电功率预测

根据风电功率序列的随机性和非平稳性的特点,提出一种基于预测误差校正的宽度学习(BLS)短期风电功率预测方法。建立BLS对风功率序列进行初步预测,得到预测结果和训练误差。针对训练误差的非平稳性对误差序列进行变分模态分解(VMD),并通过麻雀算法优化宽度学习(SSA-BLS)模型进行误差预测,将误差的预测结果与BLS风功率预测结果相加得到最终的风功率预测结果。最后,通过沿海某风电场的实测风电功率数据进行仿真验证。结果表明,该模型能够显著提高预测的准确性。

基于环境补偿模型的植物净光合速率测定

提高作物的光合作用速率是作物高产育种的有效途径之一。目前主要采用红外气体分析法测定光合作用速率,方法原理可靠、技术成熟,但红外光源易受野外复杂工作环境的影响,尤其是环境温度的变化,因此红外分析法在定量分析的任务需求中测定误差较大且对浓度极低或浓度变化极弱的气体检测精度不高。针对上述问题,首先提出将可调谐半导体激光吸收光谱(TDLAS)技术应用到植物光合速率测定领域,用二次谐波峰值差表征单位采样时间内光合作用气体CO_(2)痕量浓度的相对变化量;其次,建立基于萤火虫算法优化的宽度学习(FA-BLS)环境补偿模型,模型中每只萤火虫的位置信息对应表征宽度学习网络(BLS)权值和阈值的一组可行解,通过萤火虫不断迭代和更新优化来寻找亮度最高的萤火虫位置,即生成使得模型性能最佳的权值和阈值;最后,利用模型输出的补偿值对存在环境影响的原始二次谐波峰值差进行补偿,进而由补偿后的二次谐波峰值差反演得到单位采样时间内的净光合速率。实验结果表明,萤火虫种群规模和BLS网络增强层节点数是影响TDLAS-FA-BLS模型输出误差的重要因素,相比卷积神经网络(CNN)和长短期记忆网络(LSTM)两种深度学习网络,基于TDLAS-FA-BLS的光合速率测定模型很好地继承了BLS网络训练速度快、迭代时间短的优点,平均测量时间仅为0.81s,模型输出误差小,模型预测输出与测试集数据的卡方距离仅为0.29×10^(-4),同时模型输出误差的样本方差和样本标准差均比BLS小,说明FA-BLS模型克服了BLS因随机选取参数导致网络输出结果不稳定和泛化性不高的缺陷,因此,基于TDLAS-FABLS的植物净光合速率测定方法,能够很好地满足在实际农业生产中野外复杂工作环境下测定光合速率的高精度、实时性、稳定可靠等需求。

基于BL-NFP神经网络算法的二维不规则钣金零件排样

针对传统工业生产中二维不规则钣金零件的利用率不高、计算时间较长的问题,提出了以能量函数为载体的BL-NFP(Bottom Left-No Fit Polygon)神经网络算法。该算法是将BL(Bottom-Left)定位算法和临界多边形(No-Fit Polygon,NFP)几何特性相结合,同时模拟了钣金零件的排样过程。并采取对待排入零件优先进行面积大小核算、再排入待排物体的方式,并利用Matlab对算法的输出数据和前人所列出的数据结果进行了测试对比。结果表明:BL定位算法能够合理地计算出零件的排入位置,NFP能够有效地解决不规则零件排样利用率小的问题,神经网络算法则能够有效地提高求解速度。针对二维不规则钣金零件的排样问题,与传统神经网络算法相比较,采用该算法缩短了钣金零件下料机器计算最优解40%的时间,并提高了约8%的钣金材料利用率。

基于粒子群算法的二维不规则排样

针对工业生产中常见的二维不规则排样问题,提出运用粒子群算法求解的方法。将BL算法和NFP算法结合,作为排样定位策略;对工件的入排顺序和入排角度进行编码,进行粒子群算法优化求解,并通过交叉替代传统的插值改进粒子位置更新过程,满足排样的离散问题求解;通过添加粒子的变异过程,避免陷入局部最优解。算例排样结果验证了该算法的有效性。

基于节点识别的改进拜占庭容错共识算法

实用拜占庭容错(practical Byzantine fault tolerance, PBFT)算法应用于联盟链中,存在主节点选取随意、通信开销大等问题.为了解决这些问题,提出了基于节点识别的改进拜占庭容错共识算法(NR-PBFT).首先,通过引入BLS聚合签名优化一致性过程;其次,利用CatBoost算法识别节点,选择高信誉节点为主节点,并动态处理低信誉节点.实验结果显示NR-PBFT在安全性、吞吐量和时延等方面优于PBFT和ABFT算法.

基于MATLAB的电梯运输货柜装箱优化研究

阐述了Bottom Left(BL)算法的原理,并通过MATLAB开发平台绘图模拟电梯包装木箱在货柜内的布局情况,实现合理利用货柜空间,减少空间浪费,以达到降低运输成本的目的。