基于云计算的物流区块链共识算法研究

为解决物流企业供应链的商流、物流、资金流、信息流、服务流等信息的不可篡改性、物品可溯源性、公证防伪不可抵赖性、资金的安全性等日益迫切的问题,提出了基于云计算的物流区块链模型及区块链共识算法。分析传统物流交易流程及其交易模型存在的问题,提出利用云计算与区块链解决其存在不足的思路;根据云计算与区块链的技术特点,融合各自的优势,给出物流区块链和云物流区块链的定义,提出基于云计算的物流区块链模型。根据实用拜占庭共识算法的基本原理和云物流区块链模型,结合去中心化和不可抵赖性的要求,对物流区块链共识算法进行设计,并与原始实用拜占庭共识算法、优化MinBFT算法进行分析比较。该算法与PBFT、MinBFT、CloudPBFT等算法进行对比实验,实验结果表明该算法在节点大于3f+1时,节点越多,吞吐量越大,其吞吐量以及网络延迟时间皆优于PBFT、MinBFT、CloudPBFT等算法。因此,该算法是一种可靠而有效的,具有去中心化和不可抵赖性的物流区块链共识算法。

暴雨强度计算模型参数拟合优化的新进化方法

针对传统推求暴雨强度计算模型的参数的方法,不仅计算复杂、通用性差且常得不到全局最优解等问题,提出利用基因表达式编程对单一重现期暴雨强度计算模型参数的拟合优化的GEP_FPO算法,讨论了该算法的最优化特性和实施过程,并进行了实例计算评估分析,验证了基因表达式编程在单一重现期暴雨强度计算模型参数的拟合优化问题中是可行的,且效果较好。

大规模复杂网络社区并行发现算法

随着网络规模的不断扩大,传统社区发现算法已无法有效和高效地处理大规模网络数据.基于Spark分布式图计算模型,提出大规模复杂网络社区并行发现算法DBCS(Discovering Big Community on Spark).算法利用基于模块度的聚类思想,首先计算出节点对之间的模块度增量,然后迭代查找出所有模块度增量最大的节点对,对所有节点对进行合并操作,并更新节点对之间的模块度增量,进而实现大规模复杂网络社区识别.大量真实复杂网络与仿真网络数据集上的实验结果表明:DBCS算法能有效地解决传统社区发现算法无法处理的大规模复杂网络社区划分问题,百万级以上节点处理时间约为4min,是Hadoop平台下并行发现算法运行时间的1/20,社区识别准确率比传统社区发现算法提高了7.4%.

基因表达式编程的理论研究综述

对新兴的基因表达式编程算法在国内外的理论研究现状进行了系统的研究,剖析了GEP的基本原理和特点,并对国内外关于GEP理论和算法的研究现状进行系统的讨论,最后根据笔者的见解探讨了未来研究的重点方向。

多细胞基因表达式编程的函数优化算法

针对处理复杂的函数优化问题时传统演化算法易出现收敛性能不佳、搜索冗长和精度不高等问题,提出了一种基于多细胞基因表达式编程的函数优化新算法.该算法引入了同源基因和细胞系统思想,设计了相应新的个体编码方案、种群生成和遗传操作策略.通过对8个Benchmarks函数的对比实验,验证了该算法具有很强的全局寻优能力、较佳的收敛性能和更高的解精度.

基于Single-Pass的网络舆情热点发现算法

考虑网络事件的时间距离,基于半结构化网页中不同位置特征项重要程度的不同,提出改进的single-pass文本聚类算法single-pass*,优势在于对Web文本不同位置特征项的加权处理,仅需计算新文档与同类别种子文档间的相似度。实验结果表明,相比single-pass,改进算法极大减少了漏检率和错检率,降低了由于新文本流内文档进行相似度计算导致系统性能的下降,平均提高Web文本聚类效率40%。将聚类后的Web文本应用于网络舆情分析,进行主题关注度分析和话题热度特性分析。

应急救援多目标时限指派模型

为实现应急救援队伍的合理派遣,对应急救援队伍的救援效率、救援物资消耗、最佳救援时间等因素进行分析。突出应急救援的时效性和救援目标的多属性特征,提出在保证应急救援最短时限的前提下,以应急救援效率最大化、物资消耗最小化为优化目标,构建最短时限应急救援多目标指派模型。采用线性加权和法将多目标化为单目标决策问题,运用两阶段法对模型进行求解。数值计算结果表明:最短时限的引入能有效实现应急救援队伍合理、公平派遣。

面向正负关联规则的方剂配伍规律挖掘算法

针对已有中药数据挖掘中药物间的配伍规律以及传统关联规则挖掘算法在发现方剂药物配伍知识方面存在的诸多不足,提出一种基于正负双支持度的关联规则挖掘算法.在频繁项集发现阶段,引入最大支持度以解决过频繁问题,通过建立负项频繁模式树进行递归挖掘,引入支持度计数矩阵提高了正负频繁项的发现效率.强关联规则发现阶段,通过设置合适的置信度阈值和采用互信息进行相关性分析判定药物项集的关联关系.实验结果验证了所提方法较传统关联规则挖掘算法在中药方剂配伍规律挖掘的时效性和准确性上有较大提高,为中药方剂的配伍规律探索和新药研发提供新思路.

考虑优先权的地震灾害时限应急救援指派模型

针对地震灾害的突发性及受灾点的分散性,模型定量确定救援优先级,以最短到达时间为约束条件构建基于优先权的时限多目标指派模型;运用两阶段法对模型进行求解,算例结果表明,利用该模型进行应急救援队伍的派遣是可行的,可为应急救援的组织与协调提供决策参考。

面向复杂网络的中药方剂配伍规律挖掘算法

针对传统方剂配伍规律分析方法的不足,提出一种面向复杂网络的新型中药(traditional Chinese medicine,TCM)方剂配伍规律挖掘算法。根据中药方剂特性并结合点式互信息构建TCM网络模型,结合TCM网络的小世界特性提出TCM网络的局部适应度模型,分析TCM网络的特性并挖掘TCM网络中配伍关系紧密、相似度较大的药物群。以4 000余首经典方剂作为实验对象,验证了所提方法具有较好的有效性,与经典LFM(local fitness measure)算法对比,平均模块度值提高了0.05,为中药方剂的配伍规律进行探索及新药研发提供了新思路。

基于PSO与对立学习的细菌觅食算法

为提高细菌觅食算法处理高维问题时的收敛速度及精度,提出一种基于粒子群优化算法和对立学习的细菌觅食算法PO-BFA。在种群初始化阶段采用对立学习取代随机初始化,在进化过程中利用对立学习进行种群动态跳跃,以提高算法的收敛速度,并以粒子移动代替细菌的趋化操作,由此省略细菌前进操作。基于6个高维Benchmark函数的实验结果表明,该算法的收敛速度和精度均优于同类算法。

物联网感知层中隐私保护方法研究

随着人们对物联网的认识,对它的使用也随之增加。物联网使得物理世界紧密地同网络世界相联系。与此同时,随着物联网的发展,对隐私安全技术带来了极大的挑战。详细列举国内外物联网体系结构中感知层中射频识别(RFID)系统和无线传感器网络(WSN)的隐私安全保护协议,重点描述WSN数据隐私保护方法。使用对比分析法对协议进行分析,并且定性分析协议的优缺点,指出物联网隐私保护技术的发展趋势。综合分析得出,数据聚合方法在数据的隐私保护方面性能优越,应用范围更广。

局部差异正则化的边界判别投影

高维是大数据的一个重要特点,数据降维是处理高维数据的有效手段.数据降维算法的设计,关键在于保持原始高维数据集中蕴含的判别信息和几何结构,使得生成的低维特征表示既能刻画原始高维数据的分布形状,又能以更低的计算成本服务于后续的分类任务.边界判别投影算法是一种有监督的线性降维算法,通过最大化不同类别样本点之间的最小距离和最小化同类样本点之间的最大距离,来获取最优判别投影方向.为了保持样本点的几何结构,提高边界判别投影算法的泛化能力,在边界判别投影模型中融入了样本点的局部差异性信息.通过最大化投影之后样本点之间的局部差异来保持数据集的多样性,即在数据降维过程中,局部邻域内相距较远的样本点在投影之后应该保持较远的距离,从而防止在投影过程中原始数据集中蕴含的相似关系和拓扑结构发生扭曲.在图嵌入框架下,数据集的相似信息、判别信息和局部差异信息可以采用正则化的迹差准则进行数据建模.在优化求解时,为了降低散度矩阵特征分解的时间复杂度,通过对数据矩阵进行QR分解来加速计算.人脸图像数据集上的分类实验验证了局部差异正则化的边界判别投影算法在判别特征提取方面的有效性.

基于离散量优化初始聚类中心的k-means算法

传统k-means算法由于初始聚类中心的选择是随机的,因此会使聚类结果不稳定。针对这个问题,提出一种基于离散量改进k-means初始聚类中心选择的算法。算法首先将所有对象作为一个大类,然后不断从对象数目最多的聚类中选择离散量最大与最小的两个对象作为初始聚类中心,再根据最近距离将这个大聚类中的其他对象划分到与之最近的初始聚类中,直到聚类个数等于指定的k值。最后将这k个聚类作为初始聚类应用到k-means算法中。将提出的算法与传统k-means算法、最大最小距离聚类算法应用到多个数据集进行实验。实验结果表明,改进后的k-means算法选取的初始聚类中心唯一,聚类过程的迭代次数也减少了,聚类结果稳定且准确率较高。

应用反向学习和差分进化的群搜索优化算法

针对标准群搜索优化算法在解决一些复杂优化问题时容易陷入局部最优且收敛速度较慢的问题,提出一种应用反向学习和差分进化的群搜索优化算法(Group Search Optimization with Opposition-based Learning and Differential Evolution,OBDGSO)。该算法利用一般动态反向学习机制产生反向种群,扩大算法的全局勘探范围;对种群中较优解个体实施差分进化的变异操作,实现在较优解附近的局部开采,以改善算法的求解精度和收敛速度。这两种策略在GSO算法中相互协同,以更好地平衡算法的全局搜索能力和局部开采能力。将OBDGSO算法和另外4种群智能算法在12个基准测试函数上进行实验,结果表明OBDGSO算法在求解精度和收敛速度上具有较显著的性能优势。

易逝性电子产品产销策略比较研究

基于易逝性电子产品的供应链生产-分销网络构建问题,以盈利最大化为目标函数,在充分考虑产品生产成本、运输成本、缺货成本、存储成本等条件的基础上,分别建立了带时间约束的四种不同生产-分销策略下的混合整数优化模型;并利用lingo9.0软件设计算法程序求解得到优化方案。通过数值仿真对四种生产-分销策略进行比较与分析,结果表明在市场需求量波动较大情况下,部分延迟生产-分销策略是易逝性电子产品最佳选择模式。

一种带反向学习机制的自适应烟花爆炸算法

针对烟花爆炸算法全局优化能力不足、容易早熟收敛的缺陷,将反向学习机制引入其中,通过产生反向种群拓展算法的勘探范围;另外,基于种群内个体适应值的差异,提出一种自适应调整烟花弹爆炸半径的计算方法。以上策略有机结合形成了一种带反向学习机制的自适应烟花爆炸算法。将新算法与另4种代表性群智能优化算法一同在12个经典测试函数上进行对比实验,结果表明新算法具有显著的性能优势。

基于模糊测试的XSS漏洞挖掘技术研究

Web应用程序的复杂性和交互性导致其漏洞可能带来更加危险的安全隐患。黑客利用其特点对Web的攻击呈逐年上升趋势,这将会为服务提供商和用户带来巨大损失。Web前端攻击技术主要涉及跨站脚本(XSS)、跨站请求伪造(CSRF)、界面操作劫持(IOH)这三个方面.通过对最普遍且高发的XSS攻击技术的研究,利用Fuzzing技术设计了一种具有针对性的漏洞发掘框架,并对核心模块加以实现。通过对所生成的实验数据分析,所设计的系统漏报率为0%,误报率为0.4%,针对XSS漏洞攻击,系统能够保障对Web应用程序的高效安全防护。

面向LBSN的k-medoids聚类算法

常用的聚类算法存在诸多不足,为此提出了一种基于初始半径r的k-medoids改进算法,主要针对LBSN中的位置数据进行聚类,改善初始聚类中心敏感对聚类结果的影响,其本质是基于密度聚类,不同之处在于k值的选取是依赖于半径r.通过大量真实签到数据集进行实验,结果显示本文算法聚类结果更稳定.本文算法在基于位置的社交网络应用中获得更好的聚类效果和更快的收敛速度.实验中将距离平方和作为准则函数进行对比,相对于传统k-medoids算法优势明显,对退化的k-medoids算法也能够缩小1.2%到2%.

基于三层混合编程模型的Petri网并行算法研究

为解决多核机群Petri网并行化过程中,运用MPI+OPenMP混合编程实现同步会出现死锁的问题,提出了基于三层混合编程模型的Petri网并行算法。首先,根据事务内存的同步优势,在多核机群环境下构建MPI+OPenMP+STM的三层编程模型;然后,对Petri网的几何模型与代数模型的并行化进行分析,建立MPI+OPenMP+STM三层结构的Petri网并行模型,并对三层混合编程模型的Petri网并行算法进行设计与分析;最后,通过示例进行编程验证,该算法的运行效率明显优于其他编程模式,而且Petri网的规模越大,其并行计算的效果就越明显。因此,该算法是多核机群环境下模拟Petri网并行运行的一种高效且可行的算法。