基于WDAG的工作流模型优化分析

为优化过程执行,降低实际运行成本,采用加权有向无环图(WDAG)的形式对工作流进行优化分析。将WDAG中的节点、弧和权重映射为工作流模型中的事件、运行过程和付出代价,建立基于WDAG的工作流模型,针对工作流中出现频率最高的顺序运行方式,提出一种包含合并优化和并行优化2种优化策略的优化算法。模拟实验结果验证了该算法的有效性。

车联网中基于有向无环图区块链的个性化联邦互蒸馏学习方法

联邦学习(FL)作为一种分布式训练方法,在车联网(IoV)中得到了广泛应用。区别于传统机器学习,FL允许智能网联车辆(CAVs)通过共享模型而非原始数据来协同训练全局模型,从而保护CAV隐私和数据安全。为了提升联邦学习模型精度,降低通信开销,该文首先提出一种基于有向无环图(DAG)区块链和CAVs的IoV架构,分别负责全局模型共享和本地模型训练。其次,设计了一种基于DAG区块链的异步联邦互蒸馏学习(DAFML)算法在本地同时训练教师和学生模型,教师模型的专业级网络结构可取得更高精度,学生模型的轻量级网络结构可降低通信开销,并采用互蒸馏学习使教师模型和学生模型从互相转移的软标签中学习知识以更新模型。此外,为了进一步提高模型精度,基于全局训练轮次和模型精度设定个性化权值来调节互蒸馏占比。仿真结果表明,DAFML算法在模型精度和蒸馏比率方面优于其他比较算法。

基于路径QoS加权分解的工作流调度算法

采用有向无环图DAG(Directed Acyclic Graph)描述的工作流在QoS约束下的调度问题是一类典型的NP难问题。分析了DAG工作流调度问题的调度目标,提出了一种基于路径QoS加权分解的工作流调度算法,通过将工作流的全局QoS约束分解为单个任务的局部QoS约束,将整个工作流的全局优化问题转化为单个任务的局部优化问题,降低了问题的复杂度。在对整个DAG工作流的QoS约束进行分解时,算法对工作流的每条路径的QoS约束进行分解,并以任务可选能力服务间的单位QoS增益之和作为权值,将单条路径的QoS约束分解到组成路径的每个任务。仿真结果表明,与其他基于QoS分解的DTL、DBL等算法相比,该算法具有更高的调度效率,能够找到更好的调度方案。

分层拓扑排序及其算法设计与实现

介绍分层拓扑排序概念以及它与拓扑排序的区别。同时介绍分层拓扑排序算法的设计与实现方法。在算法设计与实现中采用一个链接结构的"优先序列",用它保证有向无回路图顶点的分层拓扑排序。

图的邻接路径矩阵与关键路径求解算法

为了研究简单图的有关路径问题,将简单有向赋权图对应的邻接矩阵推广到二维元素的初始邻接路径矩阵和一般邻接路径矩阵,定义了一般邻接路径矩阵的"乘法"运算,通过其"乘法"运算可以同时求出简单有向无环赋权图中任意2点间的最大权值以及对应的路径,从而可以同时求出计划评审方法(program evaluation and review technique,PERT)图与关键路线方法(critical path method,CPM)图中的关键路径与对应的最大权值,本方法的优点是所求路径与对应权值同时显示在最终的一般邻接路径矩阵上。本算法易于通过计算机编程实现,对于大规模PERT/CPM图或简单有向无环赋权图,更有优势。

基于最小生成树算法构造有向无环图在工业控制的应用

最小生成树算法是解决带权无向图中生成最小生成树的重要方法.探讨了最小生成树算法在工业控制领域仪表回路图中的应用,即在有向图中,找出有向的最小生成树.介绍了应用Kruskal算法、Prim算法和Boruvka算法、破圈法构造最小生成树过程.对比分析了四种算法在构造最小生成树的时间复杂度和空间复杂度.应用结果表明:该算法可在仪表回路图中,找到其最小生成树,不仅可以以最小的代价得到仪表数据反馈的完整路径,而且还可以去掉多余的路径分支,减少存储空间,提高仪表回路图的展示性能.