针对复杂流动数值模拟中的格子Boltzmann方法存在计算网格量大、收敛速度慢的缺点,提出了基于三维几何边界的多重笛卡儿网格并行生成算法,并基于该网格生成方法提出了多重网格并行格子Boltzmann方法（LBM）。该方法结合不同尺度网格间的耦合计算,有效减少了计算网格量,提高了收敛速度；而且测试结果也表明该并行算法具有良好的可扩展性。
针对云计算中对关联任务进行调度时出现任务执行延迟的问题,提出了一种基于任务分层和时间约束的关联任务调度(RTS-THTC)算法。该算法采用构建有向无环图(DAG)的方式表示关联任务的执行次序,通过使用对DAG进行分层的方法提高任务的并行性,计算每一层任务的完成时间约束,将每一层中的任务同时调度至具有最小完成时间的资源上。与基于异构环境的最小完成时间(HEFT)算法的对比实验〖BP(〗原文“试验”〖BP)〗结果表明,RTS-THTC算法在完成时间上比HEFT算法短,并且能够有效地减缓关联任务出现延迟的情况。
针对大规模项目资源库中项目资源信息无序而导致无法准确快速找出项目资源库中所需资源的问题,提出了基于MapReduce的并行化模糊聚类划分算法。该算法首先抽象原始项目资源特征属性并标准化;其次,根据标准化后的特征属性建立项目相似矩阵,运用矩阵分块思想分割矩阵;然后,利用MapReduce技术处理分块矩阵并合并结果;最后,运用阈值评判划分成若干个有序的项目组。与K-means算法和遗传算法的对比实验结果证明:该算法具有较高的准确率和查全率，并且在大规模数据计算时能够得到较高的加速比,可以有效准确地划分项目资源。
针对现有平台处理海量数据实时响应能力普遍较差的问题,引入Storm分布式实时计算平台进行大规模数据的聚类分析,设计了基于Storm框架的DBSCAN算法。该算法将整个过程分为数据接入、聚类分析、结果输出等阶段,在框架预定义的组件中分别编程实现,各组件通过数据流连通形成任务实体,提交到集群运行完成。通过对比分析和性能监测,验证了所提方案具有低延迟和高吞吐量的优势,集群运行状况良好,负载均衡。实验结果表明Storm平台处理海量数据实时性较高,能够胜任大数据背景下的数据挖掘任务。
针对传统的物理集群系统无法灵活应对大型互联网应用的问题,提出一种云环境下虚拟机集群的综合负载均衡机制。该方法首先定期地采集集群中虚拟机节点的CPU、内存、连接数、响应时间,以及所在物理主机的负载状况等指标信息,然后加权计算节点的综合负载并得出其权值,最后通过调度器进行任务请求的合理分配,从而解决了传统集群系统负载不均且不能适应多变的网络环境等诸多问题。实验结果表明,与加权轮询法(WRR)和加权最少连接法(WLC)调度方案相比,该机制能够在并发量较大时维持较低的响应时间,并能够根据集群中综合负载的状态实时地增加或减少虚拟机数量,通常在5s之内达到整体集群的负载均衡。
针对分布式进化算法设计过程中由于缺乏对性能影响因素的分析而导致算法无法达到预期加速比的问题,提出一种全面的性能分析方法。根据分布式进化算法的组成结构,将影响分布式进化算法性能的因素分为进化操作开销、适应值计算开销和通信开销三个部分。首先研究进化算法在不同个体编码维数下进化操作开销的特性;其次,在进化操作开销相对固定的情况下,通过使用操作系统的延时函数控制适应值计算开销,通过改变个体编码维数控制通信开销;最后,应用控制变量方法,逐一测试各因素对算法加速比的影响。实验结果展现了三种因素的相互制约关系,给出了分布式进化算法获得更好加速比的条件。
为提高Hadoop分布式文件系统(HDFS)的小文件处理效率,提出了一种面向HDFS的智能小文件存取优化方法——SmartFS。SmartFS通过分析小文件访问日志,获取用户访问行为,建立文件关联概率模型,并根据基于文件关联关系的合并算法将小文件组装成大文件之后存至HDFS;当从HDFS获取文件时,根据基于文件关联关系的预取算法来提高文件访问效率,并提出基于预取的缓存替换算法来管理缓存空间,从而提高文件的命中率。实验结果表明,SmartFS有效减少了HDFS中NameNode的元数据空间,减少了用户与HDFS的交互次数,提高了小文件的存储效率和访问速度。
针对使用并行库JOMP的程序在性能方面存在的不足,提出一个可以分离并行逻辑和功能逻辑的并行框架。该框架对程序中需要并行处理的部分进行标记,采用面向方面和运行时反射技术实现被标记部分的处理,其中面向方面技术用于实现并行逻辑的分离和编织,运行时反射技术用于获取运行时被标记部分的相关信息,以并行库(waxberry)的方式实现了该并行框架。使用基准测试程序JGF套件中的三个测试程序对并行库进行了测试,实验结果表明,应用该并行库的程序可以获得较好的性能。
为了提高云制造系统中制造云服务的组合成功率,实现组合云服务与用户业务需求的准确匹配,在对制造云服务、流程节点任务、云服务的可组合性和流程匹配进行形式化描述的基础上,提出一种基于业务流程的制造云服务组合模型。该模型由业务流程引擎、业务流程、选择逻辑、评估逻辑、监控逻辑、知识库和原子云服务集构成,在功能匹配的基础上,对候选服务的可组合性进行检查,结合负载、服务质量(QoS)和业务流程信息,选择合适的云服务,并将其挂接在业务流程上实现制造云服务的组合。对制造云服务的组合流程进行了详细描述,并给出云服务组合的实现方法。实例分析表明,该模型能够有效地选择满足业务需求的云服务实体并进行组合,从而提高制造云服务的组合成功率,保障用户制造活动的顺利进行。
由于内存云RAMCloud采用日志段的方式存储数据,因此当大量小文件存储于RAMCloud集群时,每个小文件独占整个段,会产生较多的段内碎片,从而导致内存的有效利用率较低以及大量的内存空间浪费。为了解决这个问题,提出基于文件分类的RAMCloud小文件存储优化策略。该策略首先根据文件的相关特性将小文件分为结构相关文件、逻辑相关文件以及相互独立文件三类;然后在存储时对结构相关的文件使用文件合并算法,逻辑相关和相互独立的小文件则使用分组算法。实验结果表明:同未进行优化的RAMCloud存储策略相比,该策略能有效提高集群内存利用率。
为提高云存储的访问速率并降低费用,提出了一种面向费用优化的云存储缓存策略。利用几乎免费的局域网环境下的多台桌面计算机,在本地建立一个分布式文件系统,并将其作为远端云存储的缓存。进行文件读取时,首先查找其是否在缓存中,若存在则直接从缓存读取;若不存在则从远端云存储读取。采用了最近最少使用(LRU)算法进行缓存替换,将冷门数据从缓存中替换掉。以亚马逊简单存储服务(S3)作为远端的云存储服务,对原型系统进行了简单的性能测试。测试结果表明,使用了所提出的缓存策略后,在降低费用的同时能够显著提高文件读取的速度。
现有Top-k查询优化算法无法充分利用图形处理器(GPU)强大的并行吞吐量及时获取查询结果,为此提出了一种基于统一计算设备架构(CUDA)模型的大规模分段查询算法。通过划分查询过程以及采用分段并行处理策略,该算法可最大限度地提升查询过程中的计算和比较效率。实验结果表明,与4线程多核优化算法相比,所提算法具有明显的性能优势，当有序列表数量为6,遍历步长为120时,性能达到最优,此时比多核算法快40倍。
为有效降低生物网络比对算法的时间复杂度,提出一种基于可扩展的蛋白质相互作用网络比对(SPINAL)算法的消息传递接口(MPI)并行化实现方法。该方法将MPI并行化思想运用在SPINAL算法中,在多核环境中采用并行排序代替算法原本的排序方式,并结合负载均衡策略合理分配任务。实验结果表明,与未使用并行排序以及负载均衡策略相比,该方法在处理大规模生物网络比对时能有效地缩短计算时间,提高运算效率,对于不同组比对数据都有较为稳定的优化保障,具有良好的可扩展性。
针对人脸轮廓提取中Chan-Vese模型计算量大、分割速度缓慢等问题,采用开放计算语言(OpenCL)并行编程模型,提出了一种基于图形处理器(GPU)和多核CPU加速的并行算法。该算法首先将模型的框架进行重构,消除模型中的数据依赖关系;然后,利用开放计算语言对算法进行并行化以及相应的优化。实验结果表明,与单线程算法相比,在NVIDIA GTX660和AMD FX-8530下达到了较高的加速比。
由于智能电网输电线路监测系统的查询多数是针对无线传感器网络(WSN)的全局式查询,不能满足用户基于任意区域的灵活高效的查询需求,根据该系统的网络布局和查询特点,提出了一种基于大规模智能电网网格结构的查询方法MSQuery。MSQuery将不同网格内的查询节点的数据汇聚到一棵或多棵逻辑查询树上, 采用逻辑查询树的合并策略建立优化的回收路径。将MSQuery与采用路线型结构进行查询的RSA算法和采用簇型结构进行查询的SkySensor算法进行对比,结果显示MSQuery的平均传输消耗最小,平均剩余能量最大。实验结果表明,MSQuery可以快速地返回查询窗口内的查询结果,降低通信消耗,节省传感器节点能量。
目前很多的社交网络研究都是采用国外的平台数据,而国内的新浪微博没有很好的接口方便研究人员采集数据进行分析。为了快速地获取到微博中的数据,开发了一款支持并行的微博数据抓取工具。该工具可以实时抓取微博中指定用户的粉丝信息、微博正文等内容;该工具利用关键字匹配技术,匹配符合规定条件的微博,并抓取相关内容;该工具支持并行抓取,可以同时抓取多个用户的信息。最后将串行微博爬虫工具和其并行版本进行对比,并使用该工具对部分微博数据作了一个关于流感问题的分析。实验结果显示:并行爬虫拥有较好的加速比,可以快速地获取数据,并且这些数据具有实时性和准确性。
为提高Web资源推荐的准确度,提出基于本体的Web资源个性化推荐算法(BO-RM)。设计Web资源主题抽取算法和相似性度量方法,利用本体语义推理机制实现资源聚类,在推荐过程中通过实时分析用户浏览行为捕获用户个性化偏好的变化,动态实时推荐内容。与基于情境的协同过滤算法（CFR-RM）和基于模型的个性化预测算法（BM-RM）进行对比,结果显示BO-RM的时间开销相对稳定,在平均排序倒数(MRR)和平均准确率(MAP)上均取得了较好的效果。实验结果表明:BO-RM离线完成海量Web资源的分析聚类,有效提高了运行效率,实用性比较强；BO-RM实时捕捉用户兴趣变化,动态更新推荐列表,更加贴近用户的真实需求。
在推荐系统中,为了在一定程度上减少用户评分数据稀疏对推荐效果的负面影响,提出了一种基于用户共同评分项目数和用户兴趣的协同过滤推荐算法。此算法将用户共同评分项目数和用户兴趣相似度相结合,使用户之间的相似度计算更加准确,为目标用户提供更好的推荐结果。仿真实验结果表明:所提算法比基于Pearson相似度计算方法的算法推荐效果更优，具有更小的平均绝对误差(MAE),表明了其有效性和可行性。
针对传统Web文本聚类算法没有考虑Web文本主题信息导致对多主题Web文本聚类结果准确率不高的问题,提出基于主题的Web文本聚类方法。该方法通过主题提取、特征抽取、文本聚类三个步骤实现对多主题Web文本的聚类。相对于传统的Web文本聚类算法,所提方法充分考虑了Web文本的主题信息。实验结果表明,对多主题Web文本聚类,所提方法的准确率比基于K-means的文本聚类方法和基于《知网》的文本聚类方法要好。
在基于对等网(P2P)的大数据实时应用中,针对如何遏制视频点播(VOD)系统中的节点搭便车行为,提出了基于歧视性的第二价格拍卖算法的激励机制。节点之间以分布式动态拍卖的方式获取各自所需视频数据块,拍卖中,拍卖节点首先根据歧视性原则判断竞标节点的预算是否足以参与竞标,并根据允许参与竞标的节点数目设置上传带宽;然后根据竞标节点的出价确定赢得竞标的节点;最后竞标节点在接收到数据块后根据第二价格方案支付拍卖节点仅次于拍卖最高价格的第二高价格的要价作为节点的收益。分析节点的收益、节点带宽的利用率以及贡献节点/自私节点的比例,表明该方案能有效地激励节点积极地参与视频数据块的共享,同时高效地利用节点的上传带宽。
在采用网络编码的无线自组网多播场景中,为了有效地克服节点密度较大时干扰对多播整体性能的影响,提出了一种衡量路径干扰情况的路由度量标准。基于该度量标准,对网络编码机会和节点间干扰避免进行了均衡处理,构建出一种基于部分网络编码的无线自组网干扰感知多播路由机制。仿真结果表明,该机制在能耗、延时和吞吐量等性能方面均优于基于传统网络编码的多播方案,因此特别适用于节点密度较大的场合。
针对分布式点对点(P2P)网络中的信任管理问题,提出了一种多维度的信任管理机制。它运用直接信任评估和间接信任评估方法,依据各用户的行为来判定系统中用户的可信任程度,从而避免因为恶意用户的恶意反馈对网络造成的负面影响。在Bad Mouthing和on-off攻击场景下与EigenTrust方法进行对比,所提出的方法取得了较好的有效传输率(SRT),表明该机制能够有效地抑制恶意用户的行为。
为降低水声传感器网络低带宽、高延迟的特性对介质访问控制(MAC)层性能的影响,提出一种基于进化博弈论的MAC协议。该协议中,每个传感器节点可以采用空间复用和时间复用两种策略,并利用复制动力学方程得到进化稳定策略,达到进化稳定均衡,提高信道利用率和数据传输效率,进而实现MAC协议的性能优化。仿真实验结果表明,与传统的水声传感器网络MAC协议相比,基于进化博弈论的MAC协议可以提高网络吞吐量以及数据包发送成功率。
在无线传感器网络(WSN)的分簇路由算法中,节点间能耗不均容易引发 “能量空洞”现象,影响整个网络的性能。针对这个问题,提出了一种基于博弈论能耗均衡的非均匀分簇路由(GBUC)算法。该算法在分簇阶段,采用非均匀分簇结构,簇的半径由簇头到汇聚节点的距离和剩余能量共同决定,通过调节簇头在簇内通信的能耗和转发数据的能耗来达到能耗的均衡;在簇间通信阶段,通过建立一个以节点剩余能量和链路可靠度为效益函数的博弈模型,利用其纳什均衡的解来寻找联合能耗均衡、链路可靠性的最优传输路径,从而提高网络性能。仿真结果表明:与能量高效的非均匀分簇(EEUC)算法和非均匀分簇节能路由(UCEER)算法相比,GBUC算法在均衡节点能耗、延长网络生命周期等性能方面有显著的提高。
为了提高室内定位系统的定位精度,在典型射频识别(RFID)定位系统LANDMARC基础之上,提出了基于参考标签可信度和偏差自校正的RFID室内定位改进算法。该算法引入参考标签辅助定位,先检查每个最近邻参考标签的可信度,舍弃不可信的参考标签；同时，针对最终选定的最近邻参考标签进行定位偏差的自校正,计算出待定位标签的最终估计位置。实验结果表明,与LANDMARC系统相比,改进算法提高了室内定位的精度,适合于室内人和物的定位应用。
针对调频(FM)广播信号动态变化对定位性能产生较大影响的问题,提出了动态射频指纹的FM定位方法。该方法采用多元线性回归和神经网络方法,根据离线阶段各个参考点和部分较准点的调频广播信号强度的关系,使用在线阶段较准点的信号强度实时估计在线阶段参考点的信号强度。通过这两种方法建立具有自适应能力的动态射频地图,并使用贝叶斯估计方法对目标进行定位。实验结果表明,相对静态射频指纹模型：采用多元线性回归的射频指纹动态映射模型定位误差平均减少9.1%,采用神经网络的射频指纹动态映射模型定位误差平均减少36.3%,有效抑制了射频信号动态变化时变性对定位性能的影响。
为了解决数字图像加密算法复杂度高、安全性较差的问题,提出一种基于混沌系统的DNA融合图像加密算法。首先利用Baker变换对图像进行置乱以读取DNA序列;再由Logistic混沌映射产生混沌序列,从而对DNA序列进行混沌加密。该算法对初值具有很好的敏感性,抗统计、抗差分攻击能力强。仿真结果表明:所提算法不仅实现简单,而且加密效果好,安全性高。
为了降低归约算法的时间复杂度,在基于边的上下文相关图文法(EGG)形式化的基础上,通过对产生式形式的适当约束,提出了EGG的产生式选择无关条件的判断方法。通过此方法可有效判断EGG产生式的选择无关性。对于选择无关的产生式,由于归约过程中产生式的使用顺序不会影响归约的结果,从而避免了回溯,能够有效地降低归约算法的时间复杂度。
