基于案例决策理论的仿真任务共同体服务选择算法

资源分配优化是面向服务（ SOA）的大型多用途仿真系统的关键问题，而含有不确定状态或效果的服务选择是资源分配优化中的一个难点。针对以上问题，提出了构建仿真任务共同体的方法，基于案例的决策理论（ CBDT）的思想，设计了一种不确定型仿真任务共同体服务选择算法（ CBDSSA）。算法通过服务选择案例相似度的层次化运算，生成相似历史案例集，计算得到相似历史案例的方案效用值，最终评估出目标服务选择方案综合效用值并排序备选。算例验证表明，算法约束条件少，层次结构分明，运算结果直观，为仿真任务共同体服务选择问题提供了一种新的思路和实践手段，对大型多用途仿真系统资源分配优化研究具有一定的参考价值。     

基于逆向分层的工作流时间-费用优化方法

针对效用网格下基于优先级因子的工作流时间-费用优化问题,基于工作流的同步完成特征对任务进行分层并提出三种实时调度算法:基于逆向分层的sufferage(BLSuff)、基于逆向分层的min-min(BLMin)及基于逆向分层的min-max(BLMax)。算法设计基于优先级因子的衡量标准对时间与费用同时进行优化,并为任务设置期望完成时间以达到充分利用费用优化空间进行费用优化的目标。实验结果表明这三种算法在各种优先级因子下都能对工作流的执行时间与执行费用进行较好的优化。     

基于Beta信誉模型的虚假Web服务QoS反馈滤除算法

针对由于Web服务推荐用户提交虚假QoS反馈而导致的QoS预测准确度下降问题,提出了一种基于Beta信誉模型的虚假QoS反馈滤除算法。该算法首先将若干个经过认证的中心用户作为初始可信用户集;然后,评估用户反馈数据与可信用户集反馈数据的偏离程度;最后,根据用户提交的偏离反馈次数对其信誉度进行评估,并将信誉度高于可信阈值的用户判定为可信用户,使可信用户集得到更新。通过循环执行以上过程,大部分虚假用户将被分离出系统。实验结果表明:该算法具有较强的虚假用户筛查能力,可有效提升QoS预测算法的抗攻击能力。     

基于K-means和AGNES的未知二进制协议聚类

协议的聚类是协议分析中一个重要的环节,为实现对未知二进制协议高效聚类,提出了一种基于K-means聚类和AGNES的未知二进制协议聚类方法。在对获取的二进制协议比特流进行数据预处理的基础上,先采用K-means算法对比特流数据进行初步聚类,再通过误差平方和、Calinski-Harabasz分数值和轮廓系数确定k值,最后选择AGNES算法将未知二进制协议比特流划分为不同的二进制协议子集。方法有效结合了K-means和AGNES算法的特点,降低了时间复杂度的同时提高了聚类的精确度。对实验数据集的测试结果验证了所提方法的有效性,较为准确地确定了k值,聚类精确度达到了98%。     

在轨服务航天器任务指派问题

一个在轨服务可有多种服务选择,必须进行合理的任务指派。首先求解服务航天器满足燃耗约束下的可达区域,筛选出满足可达范围要求的目标航天器。然后,以任务执行时间、燃料消耗和航天器服务优先级为优化目标,研究多目标的任务指派问题。通过设计决策变量,考虑时间、燃耗等约束,建立了基于0-1整数规划的任务模型,采用NSGA-Ⅱ算法,求得问题的Pareto最优集,得到多组可供任务设计者选择自己偏好的折中方案。文章给出了两个多目标优化的仿真算例,算例一给出了任务指派的一般研究结论,算例二对比了另外一种算法：分层-加权法。仿真结果表明利用文章给出的方法可以较好地解决多目标下在轨服务任务指派问题。     

一种面向个性化服务的无需反例集的用户建模方法

随着WWW信息的快速增长 ,查找用户感兴趣的信息变得越来越耗时耗力。个性化服务能为不同的用户提供有针对性的服务 ,日益受到研究者的重视。用户建模是实现个性化服务的关键技术。传统的需要正、反例集作为训练例集的用户建模方法容易干扰用户的正常浏览 ,或者由于推断失误而引入噪声。基于遗传算法和k近邻方法提出了一种无需反例集的用户建模方法 ,该方法被应用于个性化信息过滤中。实验结果表明 ,基于无需反例集的用户建模方法的信息过滤算法可以达到 73 91%的过滤率和 94 4 4 %的过滤精度。无需反例集的用户建模方法是一种可行、高效的用户建模方法     

Web服务组合算法的研究与分析

Web服务组合是提高Web服务资源利用率的一种重要方式,也是发掘增值服务,加快系统开发速度的重要手段。通过服务组合为网络系统应用提供了更加丰富的资源。首先介绍了Web服务组合的运行框架;然后以Web服务组合算法使用的设计方法学为依据,对现有经典服务组合算法进行了分类并从执行流程、应用场景、核心技术等方面分析了算法的优缺点;最后总结了全文,探讨了下一步的研究方向。     

基于规则前后部约束的关联规则挖掘算法

目前,基于项约束的关联规则挖掘算法,未考虑用户感兴趣的规则前后部项集,常常包含了大量冗余无价值的关联规则。针对此问题,提出了一种基于规则前后部约束的关联规则挖掘算法AR_FR。该算法根据用户需求,构造指定关联规则的前后部项集,得出针对用户需求的频繁项集和关联规则,并与具有代表性的项约束关联规则挖掘算法Recorder进行了对比实验,结果表明AR_FR算法具有更高的挖掘效率,算法执行时间也有所降低。     

多核系统中基于动态松弛时间回收的节能实时调度算法

许多嵌入式实时任务的实际执行时间往往小于最坏情况执行时间,因此可以产生大量的动态松弛时间.针对时限等于周期的偶发任务集,提出一种基于动态松弛时间回收的多核系统节能实时调度算法LRE-DVFS-ALL.该算法基于最优在线调度算法LRE-TL,利用TL面内节能实时调度思想,在每个TL面的提前完成时刻实现动态松弛时间回收,降...     

语义Web服务匹配方法分析

语义Web服务是实现数据和应用集成的一种有效机制。随着Web服务规模的快速增长,自动、准确地获取Web服务成为目前研究的热点问题。服务发现的关键问题是如何提高匹配算法的准确性和高效性。首先归纳了语义Web服务匹配的相关概念,然后总结了语义Web服务匹配算法的研究内容和目标,分析比较了语义Web服务匹配中基于相似度匹配、逻辑匹配和混合匹配三类主流算法的设计侧重点及性能,最后总结了全文并给出了下一步研究方向。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

基于指控交互信息用户语境的语义Web服务发现和组合

在军事指挥控制模拟训练系统和训练装备研究领域,指控系统与仿真系统的开发是相对的,遵循不同的标准和协议,在结构和功能上存在很大的差异。通过建立指控交互信息的语义Web服务概念参考模型,提出指控系统与仿真系统互操作性面临的技术需求,研究基于指控交互信息用户语境的语义Web服务发现和服务组合,提出了基于静态与动态用户语境匹配的语义Web服务发现架构和服务匹配算法,以及基于用户语境的语义Web服务组合算法。     

萤火虫优化的异构集成学习网络入侵检测方法

在网络入侵检测中单独使用一种机器学习方法检测存在盲区,检测精度较低,提出一种基于GSO优化权值的异构集成学习入侵检测算法.在构造基分类器中,通过对样本集的采样和特征集的选择增大各个基分类器样本间的差异性;通过不同学习算法对样本集的学习增强基分类器的差异度,通过加权方式集成得到检测结果.在设计权值时,引入萤火虫优化算法,对各个基分类器的分类结果权值进行优化.在通用数据集和CSE-CIC-IDS2018数据集上的实验,表明提出的方法能够有效提高检测的精度,降低误报率和漏报率.     

基于探针的Web服务运行时监控方法研究

为了实时、准确地获取工作流服务及其构件服务的运行状态,提出了一种基于探针的Web服务运行时监测方法。该方法采用面向方面编程(AOP)技术对Web服务进行监测探针插入,以捕获Web服务运行过程中的异常事件和服务质量(QoS)属性相关数据,进而实现对Web服务运行状态的实时监测;针对异常、响应时间、可靠性以及可用性的监测需求分别设计和实现基于AOP的监测探针;在此基础上,基于开放服务网关协议(OSGI)框架设计实现了一个Web服务运行时监测与可视分析原型系统,并通过实验验证了方法的有效性和系统的可用性。     

基于局部评估的分布式图模式匹配算法

为了在分布式存储的大规模数据图上进行快速图模式匹配，提出了基于局部评估的分布式图模式匹配算法disGPM-PE。首先各计算节点并行地执行本地匹配，然后协调器节点收集局部匹配结果、计算边界点的匹配状态并发送给相应的计算节点，接着计算节点根据边界点的匹配状态确定与边界点相连的节点的匹配情况，最后协调器节点组合得出最大匹配集。实验结果表明：与已有的分布式图模式匹配算法相比，disGPM-PE算法都能够在不显著增加通信量的前提下避免数据片段间的依赖关系对执行时间的影响，减少了图模式匹配的时间。     

基于强化学习的无人机自主机动决策方法

提出了一种基于连续动作集强化学习的无人机机动决策方法。通过Actor-Critic强化学习构架下的NRBF神经网络输出状态真实效用值与连续动作控制变量,效用值与动作控制变量的输出层共用隐层以简化网络结构。结合相对熵理论设计隐层节点的自适应调整方法,有效减少了隐层节点数目。对输出动作控制变量,采用基于高斯分布的连续动作选择策略,并依据训练次数调整随机动作控制变量的概率分布,提升了网络对未知策略的探索能力。在3种不同空战态势下的仿真验证了该方法的有效性,结果表明该方法生成的策略鲁棒性较强,动作控制量更加精确。     

基于复杂排队系统的三值光学计算机服务模型与性能分析

三值光学计算机的运算请求处理过程缺乏合理、系统的性能评价标准与体系。基于M/M/1、M/M/n、M~X/M/1和M/M~B/1构成的复杂排队系统,构建三值光学计算机的四阶段服务模型,同时建立立即调度和结束时调度两种策略和算法。基于不同排队系统讨论运算请求的接收时间、预处理时间、运算时间和发送时间的计算方法,进而得到最终响应时间。通过仿真实验对两种策略的模型进行验证,结果表明,结束时调度策略明显优于立即调度策略。     

基于BP神经网络的水下对抗预测模型研究

针对水下平台水下对抗作战量化验证评估困难、指导机动规避作战模型欠缺等问题,设计了一种基于大数据学习的水下对抗预测模型。首先进行水下平台水下对抗建模,基于蒙特卡洛方法执行若干轮次仿真获得规避概率数据集;同时,为解决海量仿真下时间效率不佳的问题,提出利用BP神经网络预测算法进行数据学习,提供准确、快速、可视化的对抗结果。试验结果表明,在本文设定的试验环境下,基于BP神经网络预测算法的平均预测误差为7.28%,可有效对水下平台规避概率进行预测,为指挥员指挥决策提供数据支撑。     

应用离散粒子群-郭涛算法分配多无人机协同任务

针对以往考虑时间窗约束的多无人机协同任务分配问题模型不能反映在有效时间窗内,任务执行时间对任务收益的影响及求解算法效率较低的问题。建立了将任务收益和任务执行时间直接联系起来的任务分配模型和可行解到粒子整数编码方式的映射,设计了混合离散粒子群-郭涛算法的组合优化问题求解策略。借助粒子群算法利用粒子自身信息和种群有用信息指导种群进化的本质特点,优化郭涛算法的适应性序列倒置操作;设计了可变的学习选择概率来选择个体的学习粒子,改进了序列倒置算子。仿真实验验证了该方法处理复杂任务分配问题的有效性。     

基于相似性传播聚类的灰度图像分割

基于k-Means等聚类算法的图像分割对聚类中心的初始选择敏感,可靠性差.为避免初始聚类中心选择的影响,将相似性传播聚类用于灰度图像分割.另外,为降低该聚类算法输入相似度矩阵的计算时间复杂度.提出用待分割图像中出现过的灰度值代替像素点作为数据点进行聚类.实验结果表明,与基于k-Means聚类的分割算法相比,该算法不需要预设聚类中心,可靠性更高.