针对在分析型联机分析处理(OLAP)应用中频繁出现的数据密集型操作符——分组聚集耗时较多的问题,提出Cache友好的分组聚集算法对该操作进行性能优化。首先,为充分发挥列存储在数据密集型计算方面的优势,采用基于开源的列存储查询执行引擎Supersonic,并在此之上设计Cache友好的分组聚集算法;其次,为加速查询的执行,使用并行技术,将单线程的分组聚集算法改为多线程并行的分组聚集算法。基于Supersonic设计并实现4种并行分组聚集算法:无共享Hash表并行分组聚集(NSHPGA)算法、表锁共享Hash表并行分组聚集(TLSHPGA)算法、桶锁共享Hash表并行分组聚集(BLSHPGA)算法、节点锁共享Hash表并行分组聚集(NLSHPGA)算法,且在不同的分组势集、不同的线程数的情况下,针对上述4种算法做了多组实验。通过对比3种不同粒度的共享Hash表并行分组聚集算法的加速比,得出NLSHPGA算法在加速比和并发度两方面表现最好,部分查询可达到10倍加速比;通过比较NSHPGA算法和NLSHPGA算法的加速比、Cache miss内存使用等情况,得出NLSHPGA算法在分组势集大于8时,加速比超过NSHPGA算法,并且Cache miss更低,使用的内存更少。

为揭示以制造商为核心的供应链网络演化规律,以BA模型和多级局域世界理论为基础,结合现实网络中节点生成与退出机制,提出了一种五级局域世界网络模型。首先,研究了以制造商为核心的供应链网络的内在特性和演化机制;其次,分析了网络的拓扑结构和演化规则,建立了仿真模型;最后,仿真分析了不同时间步以及不同临界条件下节点数量、集聚系数、度分布等网络特性参数的变化,推导出网络的演化规律。仿真结果表明:以制造商为核心的供应链网络具有无标度、高集聚性;随着时间的推进以及节点增长速度的增加,网络整体的度分布趋近于指数为3的幂律分布;网络内各级局域世界的度分布不同,二级供应商、零售商的度服从幂律分布,一级供应商和分销商的度服从指数分布,制造商的度大致服从泊松分布。

针对入侵检测技术在处理大规模数据时存在的高误报率、低训练速度和低实时性的问题,提出了一种基于树突细胞算法与对支持向量机的入侵检测策略(DCTWSVM).利用树突细胞算法(DCA)对威胁数据进行初始检测,在此基础上利用对支持向量机(TWSVM)进行检测结果的优化处理.为了验证策略的有效性,设计性能对比实验,实验结果表明,相较于DCA、支持向量机(SVM)、反向传播(BP)神经网络,DCTWSVM策略的检测精度提高了2.02%、2.30%、5.44%,误报率分别降低了0.26%、0.46%、0.90%,训练速度相较于SVM提高了两倍且只需耗费极少的训练时间,可以更好地适用于大规模数据下的实时入侵检测环境.

自主移动机器人在动态未知环境中导航存在安全隐患。为了提高导航安全性,提出一种基于接触时间的导航环境表示方法,即接触时间空间。将接触时间作为导航环境中危险评价指标,利用线速度和角速度计算机器人与障碍物之间任意两点接触时间,通过算法将导航过程中的构型空间映射为接触时间空间。将接触时间空间应用于经典行为动力学导航方法,与经典行为动力学导航方法和结合速度障碍物的行为动力学的导航方法仿真对比,结果表明接触时间空间可以提高自主移动机器人的导航安全性。