Gnutella-Tree搜索算法研究与实现

洪泛式搜索是Gnutella网络最具特点的地方,也是最值得研究的问题,但是由于Gnutella网络本身也不完善,需要一个稳健的改进过程,本文通过对Gnutella-Tree搜索算法研究与实现,以使Gnutella-Tree更加鲁棒,而产生的冗余消息又相对较少,更加迅速地应对网络的瞬时性变化。

神经架构搜索综述

近几年,深度学习因具有强大的表征能力,已经在许多领域中取得了突破性的进展,而神经网络的架构对它的性能至关重要。然而,高性能的神经网络架构设计严重依赖研究人员的先验知识和经验,神经网络参数量庞大,难以设计最优的神经网络架构,因此自动神经架构搜索(NAS)获得了极大的关注。NAS是一种使用机器学习的方法,可以在不需要大量人力的情况下,自动搜索最优网络架构的技术,是未来神经网络设计的重要手段之一。NAS本质上是一个搜索优化问题,通过对搜索空间、搜索策略和性能评估策略的设计,自动搜索最优的网络结构。从搜索空间、搜索策略和性能评估策略这3个方面详细且全面地分析、比较和总结目前NAS的研究进展,方便读者快速了解神经架构搜索的发展过程和各项技术的优缺点,并提出NAS未来可能的研究发展方向。

一种混合多策略改进的麻雀搜索算法

针对麻雀搜索算法SSA求解目标函数最优解时具有过早收敛、在多峰条件下易陷入局部最优和在高维情况下求解精度不足等问题,提出了一种混合多策略改进的麻雀搜索算法MISSA。考虑到算法初始解的质量很大程度上会影响整个算法的收敛速度与精度,引入精英反向学习策略,扩大算法的搜索区域,提升初始种群的质量和多样性;对步长进行分阶段控制,以提高算法的求解精度;通过在跟随者的位置中加入Circle映射参数与余弦因子,提高算法的遍历性与搜索能力;采用自适应选择机制在麻雀个体位置更新中加入Lévy飞行,增强算法寻优和跳出局部最优的能力。将改进后的算法与麻雀搜索算法及其他算法在13个测试函数上进行对比,并进行Friedman检验。实验结果表明,改进后的麻雀搜索算法能够有效提高寻优精度与收敛速度,并在高维问题中也具备较高的稳定性。

多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树(RRT)算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数(即降低路径曲率和远离障碍物),并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明:优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。

基于麻雀搜索算法的微电网分层优化调度

为综合考虑微电网供给侧和需求侧的利益,建立了微电网分层优化模型;上层以净负荷成本和用电满意度为目标优化负荷曲线,下层以运行成本和环境成本为目标优化各单元出力,并选择麻雀搜索算法(SSA)求解这类复杂优化问题。针对SSA易陷入局部最优的问题,提出一种改进麻雀搜索算法(ISSA),改进了发现者搜索方式,引入了变异、贪婪策略;并且加入非支配排序和轮盘赌法将ISSA改进为多目标算法。算例结果表明可转移负荷占比为10%时能够协调微电网供需两侧的利益;对比ISSA与SSA、粒子群算法(PSO)、鸡群算法(CSO)和灰狼算法(GWO)的迭代结果,证明ISSA具有良好的寻优效果和稳定性。

基于改进蚁群算法和共用航段的搜索救援通道规划

针对战斗搜救任务场景中,空中搜索救援等待区至跳伞区之间的往返路径规划问题,提出一种基于改进蚁群算法和共用航段的搜索救援通道规划方法。首先,针对基本蚁群算法易出现局部极值及收敛速度慢等缺点,对启发函数、状态转移策略、信息素更新策略进行了改进。然后,针对单起点多目标点的路径规划问题,提出了设置分航点以生成共用航段的搜索救援通道规划方法,并以总路径长度表征任务准备负荷量与分别规划航路进行对比。实验结果表明,在本文测试环境下,改进蚁群算法规划的路径长度分别缩减15.4%和14.2%,搜索救援通道的任务准备负荷量减少25.4%。所提出的搜索救援通道规划方法有一定的理论和应用价值。

基于改进松鼠搜索算法优化神经网络的数控机床进给系统热误差预测

为探究数控机床进给系统中各因素对热误差的影响规律,建立精准的热误差预测模型。在进给速度为10 m/min、环境温度20℃的条件下进行进给系统热误差测量实验,获得进给系统关键点的温升及热误差。为提高预测精度,采用Tent混沌改进松鼠搜索算法,并利用改进的算法对神经网络进行优化,建立热误差预测模型。利用热误差测量实验获得的数据进行验证,结果表明改进前的神经网络预测误差为12.23%,改进后的模型预测误差为8.92%,精度有较大提升。利用预测模型针对不同进给速度下相同位置处热误差进行分析,结果表明,进给系统中关键测温点的温度和丝杠各点的热误差随着进给速度的增加而增加。因此提出的预测模型可实现进给系统热误差的准确预测,为误差补偿提供理论依据。

基于改进麻雀搜索算法优化LSTM的滚动轴承故障诊断

为了对滚动轴承的工作状态及故障类别进行准确的诊断,本文采用长短时记忆(LSTM)神经网络作为分类器对滚动轴承数据集进行分类诊断。首先,从滚动轴承原始运行振动信号中提取时域和频域特征参数,组成具有高维特征参数的数据集;使用核主成分分析(KPCA)方法对高维特征集进行降维处理,选取重要性程度高的特征构成输入特征向量。然后,针对LSTM神经网络在滚动轴承故障诊断中存在的超参数难以确定的问题,提出一种基于自适应t分布策略的麻雀搜索算法优化LSTM神经网络的故障诊断方法(tSSA–LSTM)。最后,使用凯斯西储大学滚动轴承数据中心的数据进行故障诊断精度测试、泛化性能测试及噪声环境下故障诊断性能测试等多个仿真实验,并将本文提出的诊断模型与麻雀搜索算法优化长短时记忆神经网络(SSA–LSTM)、遗传算法优化长短时记忆神经网络(GA–LSTM)、粒子群算法优化长短时记忆神经网络(PSO–LSTM)及传统LSTM诊断模型进行对比。结果表明:tSSA可以更有效地对LSTM的隐含层神经元数量、周期次数、学习率等超参数进行合理优化;所提方法的平均诊断准确率达到98.86%,交叉验证平均诊断结果为98.57%;所提方法在噪声干扰下的故障诊断准确率也优于对比方法。因此,本文提出的tSSA–LSTM模型不仅可以更精准地诊断滚动轴承故障状态,而且具有更强的泛化能力及抗干扰能力,有效地提高了滚动轴承故障诊断的性能。

科研用户生成式信息搜索行为研究——以ChatGPT为例

AIGC技术与信息搜索的深度融合,使得人与信息的连接方式产生了检索、推荐以外的另外一种模式——生成式信息搜索。文章以Chat GPT为例,基于UTAUT模型、创新扩散理论和感知风险理论构建了科研用户使用行为影响因素模型,并运用结构方程理论进行验证分析,从用户微观视角探究了生成式信息搜索在科研领域迅速传播和应用的内在规律。研究结果表明:绩效期望、努力期望、社会环境、相对优势、个人创新均会正向影响科研用户对Chat GPT的使用意愿;其中相对优势是影响科研用户使用意愿的最关键因素;感知风险会对科研用户的使用意愿产生负向影响;科研用户的使用意愿会进一步对其实际使用行为产生正向影响;便利条件直接影响科研用户对Chat GPT的使用行为。研究结果对丰富和拓展科研用户信息搜索行为的研究内容具有重要作用,还能为科研领域制定策略以应对Chat GPT类AIGC引发的挑战和风险提供数据参考。

一种基于SHVE的连接查询动态对称可搜索加密方案

对称可搜索加密(searchable symmetric encryption,SSE)因其较高的搜索效率得到了人们的广泛关注.支持连接查询的对称可搜索加密方案可以提高方案的功能性.然而现有大部分连接查询方案不支持对加密数据库的动态更新操作,结合静态对称隐藏向量加密(symmetric hidden vectors encryption,SHVE)的定义,提出支持动态数据更新的动态对称隐藏向量加密(dynamic SHVE,DSHVE)的定义,并在此定义下构造了一种适用于可搜索加密应用场景的DSHVE方案.在此基础上,通过引入基于盲指数计算的不经意动态交叉标签,设计具有前向和后向隐私的向量数据存取结构,构造了支持连接查询的动态对称可搜索加密方案,给出了方案的详细工作过程和正式的安全性分析.理论分析和实验结果表明,连接查询时,该方案能够在不明显增加存储和计算开销的前提下,有效避免泄露匹配文档索引之外的结果特征.同时该方案能够仅通过单轮通信实现连接查询,具有较低的通信开销和较高的搜索效率.

基于改进引力搜索算法的水轮机调节系统仿真

针对现阶段水电机组存在多种复杂工况、工程计算受限于算法本身的复杂性等问题,提出一种改进的引力搜索算法(改进PSOGSA),以此提高水轮机控制参数的优化性能,弥补传统控制策略难以满足动态需求的不足.首先,结合PSO算法,在GSA的速度更新公式中引入学习因子进行改进.其次,应用一种权重系数优化其位置更新公式,提高算法的自适应性.最后,结合相关仿真建模试验,使用所提改进PSOGSA对水轮机调节系统PID参数进行优化调节.仿真结果表明,在5%空载频率扰动下,改进PSOGSA的PID控制器明显优于上述传统算法,所调节的模型系统能在更短时间内趋于稳定,此时的超调量远低于传统算法,表明此改进PSOGSA在后续迭代中具备更高的迭代效率,并且改善了常规算法中易陷入局部最优的问题,从而证明了改进PSOGSA的合理有效性,水轮机调节系统的控制效果在一定程度上得到优化.

基于新混合乌鸦搜索算法的置换流水车间调度

为了更加有效地求解以最大完工时间最小化为目标的置换流水车间调度问题,提出一种新混合乌鸦搜索算法(NHCSA)。首先,对一种基于NEH的启发式算法进行了改进,在此基础上提出新的方法以改善初始种群的质量和多样性;其次,采用SPV(Smallest-Position-Value)规则进行编码,使算法能够处理离散的调度问题;最后,针对迭代贪婪算法,提出了自动调整重插入工件范围的方法、引入了TB机制,并采用改进的迭代贪婪算法对最佳工件排序进行局部搜索,以提升算法收敛的精度。基于典型测试集进行了仿真测试,结果验证了所提算法的寻优能力和稳定性。尤其是在针对Rec19和Rec25算例的比较中,仅NHCSA取得了当前最优解,进一步证明了其优越性。

基于信息觅食理论的消费者在线评论搜索行为研究

[目的/意义]本研究旨在从信息觅食理论出发,分析点评类软件消费者在线评论搜索行为的内在机理。[方法/过程]以信息觅食理论为基础,围绕信息线索、斑块模型和菜单模型构建了消费者在线评论搜索行为模型。采用问卷调查法收集352份有效样本数据,并利用结构方程模型对理论模型进行分析与检验。[结果/结论]评论内容质量、评论丰富性、评论效价以及评论者资信度4类信息线索均会正向显著影响消费者斑块收益感知,进而正向影响消费者在线评论搜索行为。此外,评论效价也会直接正向显著影响消费者在线评论搜索行为。本研究在理论层面深入揭示了消费者在线评论搜索行为的内在机理,延伸了信息觅食理论的研究情境与边界;在实践层面为点评类软件的功能优化及引导消费者有效搜索在线评论提供了相关建议。

真实工作场景下“搜索即学习”任务集的构建与分析

文章采用日记法收集来自16个国民经济行业的真实工作场景下具有学习特征的搜索任务实例,结合任务概念框架对搜索任务进行表征,构建面向“搜索即学习”研究的多维任务集,并进一步剖析了真实工作场景下搜索任务的属性特征,对任务相关特征、参与者认知变化、行为及关系进行探讨,根据参与者的学历层次、完成任务的认知层次,以及在完成任务时所处的时间压力进行分组比较三组变量间的关系。研究发现:参与者的任务执行熟悉度与任务感兴趣程度,所需信息类型的数量显著影响认知变化,任务执行者特征对认知变化与行为的影响在不同情境下均存在显著差异。本研究开发的任务集可作为“搜索即学习”研究的公共研究资源,以及评估生成式人工智能技术复杂任务处理能力的评测集,为开发面向真实工作任务情境与高效的信息系统提供依据。

基于属性图的社区搜索模式及其分类体系

当前在属性图中的社区搜索方法较多、类型繁杂,没有系统的分类方式,约束了社区搜索的应用。为明确属性图社区搜索的类别,对属性图社区搜索分类方法进行研究。首先,首次提出属性图社区搜索模式的概念,深入分析属性图社区搜索模式之间存在的联系,提出属性图社区搜索模式的等价、从属、交叉、全异4种关系;其次,以搜索模式的输入图属性、输出图拓扑结构和各属性图社区搜索模式的实际意义为基础,构建两层分类体系,第1层是由输入属性图相同的模式集合构成的集族,这里的输入属性图包括时序、空间、关键字、权值、空属性图,第2层是由输出图拓扑结构及实际意义定位到的每一个具体的属性图社区搜索模式;然后,针对第2层中每一种模式,给出对应社区搜索算法的对比分析结果;最后,对所有属性图社区搜索模式的特性集中分析。总体而言,属性图社区搜索模式不仅为理解和分析复杂网络结构提供有力工具,也为解决实际问题提供新的视角和方法。

基于衍生搜索政治优化算法解决含可再生能源的多区域经济调度问题

随着可再生能源并入多区域电力系统,其不确定性大大增加了电力系统多区域经济调度的复杂度。如何高效求解含有风力和太阳能的多区域经济调度(multi-areaeconomic dispatch containing wind and solar energy,MAEDWS)问题面临着严峻的挑战。针对现有优化算法在处理MAEDWS问题时存在收敛速度慢和求解精度低等不足,该文提出一种基于衍生搜索的政治优化(derivative search-based political optimizer,DSPO)算法。在政治优化算法的基础上,引入首脑引领策略和衍生搜索机制。前者引领候选解前往更有希望的区域,加快收敛速度;后者在区域获胜者周围衍生邻域解,丰富多样性。该文将DSPO算法和其他6种代表性算法应用于MAEDWS问题,并进行对比分析。收敛曲线和性能指标的结果表明DSPO算法在收敛效率、求解精确度、稳定性方面取得了整体最优。

雾气下心电监护仪界面视觉搜索效率研究

目的研究护目镜产生雾气情况下心电监护仪界面的字符大小及颜色一致性对信息视觉搜索效率的影响。方法通过模拟护目镜在不同雾气程度下的场景,控制不同字符大小、颜色一致性,考察三者对医护人员视觉搜索效率的影响。实验中37位被试依次完成眼动实验,记录其行为数据和眼动数据,深入探讨三种变量因素的交互效应。结果使用心电监护仪时不同雾气程度、字符大小、颜色一致性三种因素的交互效应显著,其中行为数据的三种因素交互效应显著P<0.001,眼动数据的三种因素交互效应显著P<0.05。未产生雾气与低雾气场景下,大字符、颜色不一致视觉搜索效率最高;中雾气与高雾气场景下,中字符、颜色不一致的视觉搜索效率最高。结论三种因素在不同条件下,交互效应的视觉搜索效率不同,设计人员可根据护目镜产生的雾气程度,调整心电监护仪界面字符大小与颜色一致性,以提升医护人员的视觉搜索效率。

支持模糊多关键字的动态可搜索加密方案

随着云计算的发展,云存储的便捷性和经济性使得大量用户将个人数据存储在第三方云服务器上.云端数据的加密存储可确保数据的安全性,但也增加了数据检索的难度.动态对称可搜索加密技术应运而生,其不仅能有效保护数据隐私,还可实现多关键字联合搜索的功能.同时,该技术在实际应用中引入的模糊搜索还可以增强用户的搜索体验和提高搜索效率.当前支持模糊搜索的可搜索加密方案存在一定的安全隐患,其未考虑动态更新时潜在的信息泄露问题.为此,提出了一种支持模糊多关键字的动态可搜索加密方案,在保证动态更新时信息安全的同时,支持多关键字联合搜索以及模糊搜索.该方案设计了一种关键字编码算法和局部敏感哈希函数构建模糊索引,并使用布隆过滤器加密算法对该索引进行加密,以实现模糊搜索.此外,引入了可信执行环境降低用户和服务器之间的通信开销、计算开销以及交互次数.最后,通过实验验证了该方案的安全性和有效性.

基于改进布谷鸟搜索算法的光伏MPPT控制

复杂阴影情况下,光伏阵列的P-V特性曲线会出现多个峰值,传统的MPPT算法因不能准确识别局部峰值和全局峰值,而无法进行复杂阴影情况下的最大功率点跟踪。针对传统布谷鸟搜索(Cuckoo Search,CS)算法因鸟窝之间缺乏交流能力导致可能陷入局部最优的问题,提出了一种多策略改进布谷鸟搜索(EGICS)算法。将传统CS算法中发现概率值的选择自适应变化,提高算法的搜索能力;将步长因子自适应化,提高算法的收敛速度;引入高斯扰动和精英反向学习策略,增加种群多样性,避免算法陷入局部最优。对EGICS算法在单峰和多峰函数中进行性能测试,并将其应用于光伏系统MPPT控制中进行仿真验证。仿真结果表明,EGICS算法在收敛速度、跟踪精度以及动态稳定三个方面有更好的效果。