-
题名路径差异敏感的包散射策略机制
被引量：1
- 1
-
-
作者
王进
李琪
黄家玮
-
机构
湖南广播电视大学网络技术系
中南大学信息科学与工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第5期72-75,82,共5页
-
基金
国家自然科学基金(No.61572530)
赛尔网络下一代互联网技术创新项目(No.NGII20160113)
-
文摘
数据中心网络中随机包散射设计策略有效地提升了链路的多路径利用率,但是容易造成乱序问题。介绍了由数据包乱序所引起的"伪丢失"现象,设计了基于分类路径的自适应包散射策略(Cparps),根据路径的队列长度对路径进行分类,并将不同数据流隔离在不同类型的路径上进行随机散射。实验结果表明,在对称和非对称拓扑下Cparps协议的乱序次数和数据包个数都相对较少,说明Cparps可以有效缓解数据包的乱序。
-
关键词
随机包散射策略
负载均衡
等价多路径(ECMP)
传输控制协议(TCP)
flowlet
-
Keywords
random packet spraying
load balance
Equal-Cost Multi-Path(ECMP)
Transmission Control Protocol(TCP)
flowlet
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于概率分布的动态矩阵演化算法
- 2
-
-
作者
谭阳
方颂
陈琳
-
机构
湖南师范大学数学与计算机科学学院
湖南广播电视大学网络技术系
-
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第12期147-154,共8页
-
基金
国家自然科学基金(10971060)
湖南省教育厅科研项目(14C0781
15C0928)
-
文摘
传统演化算法通常以宏观层面的种群之间或个体之间的相互作用来进行协同演化,较少考虑个体基因编码在微观层面进行局部优化时的相互作用。针对该情况,提出基于种群基因分布结构的动态矩阵演化算法。利用二进制基因矩阵的方式构建种群个体,结合基因编码差异及适应度评价种群个体,通过对比种群基因列决定个体基因结构调整的位置,并根据优势种群的基因结构产生下一代个体,通过微观层面上基因位之间的协同作用引导种群的演化。实验结果表明,该算法对于中、高维函数均表现出良好的优化性能,同时能较好地平衡宏观全局优化和微观局部优化之间的关系。
-
关键词
演化算法
基因编码
矩阵
概率分布
全局优化
-
Keywords
evolutionary algorithm
gene encoding
matrix
probability distribution
global optimization
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于超球形模糊支配的高维多目标粒子群优化算法
被引量：7
- 3
-
-
作者
谭阳
唐德权
曹守富
-
机构
湖南师范大学数学与统计学院
湖南广播电视大学网络技术系
湖南警察学院信息技术系
-
出处
《计算机应用》
CSCD
北大核心
2019年第11期3233-3241,共9页
-
基金
国家自然科学基金资助项目(61471169)
湖南省自然科学基金资助项目(2018JJ2104)
湖南省教育厅科学研究基金资助项目(15C0928)~~
-
文摘
高维多目标优化问题(MAOP)会随着待优化问题维度的增加形成巨大的目标空间,导致在目标空间中非支配解的比例急剧增加,削弱了进化算法的选择压力,降低了进化算法对MAOP的求解效率。针对这一问题,提出一种以超球型支配关系降低种群中非支配解数量的粒子群优化(PSO)算法。算法以模糊支配策略来维持种群对MAOP的选择压力,并通过全局极值的选择和外部档案的维护来保持种群个体在目标空间中的分布。在标准测试集DTLZ和WFG上的仿真结果表明,所提算法在求解MAOP时具备较优的收敛性和分布性。
-
关键词
高维多目标优化问题
PARETO支配
粒子群
多样性
-
Keywords
Many-objective Optimization Problem(MAOP)
Pareto dominance
particle swarm
diversity
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名聚类混合型数据的密度峰值改进算法
被引量：2
- 4
-
-
作者
谭阳
唐德权
曹守富
-
机构
湖南师范大学数学与统计学院
湖南广播电视大学网络技术系
湖南警察学院信息技术系
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第12期47-53,共7页
-
基金
国家自然科学基金(No.61471169)
湖南省自然科学基金(No.2018JJ2104)
湖南省教育厅科学研究基金(No.15C0928)。
-
文摘
聚类混合型数据,通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式,割裂了样本属性原有的统一性;导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题,提出以二进制编码样本属性,再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量,避免了对样本属性的切割,在此基础上又根据不同属性的性质赋予其不同的权重,并以此评价样本个体之间的相似程度。实验结果表明,新算法能够有效地聚类混合型数据;与已有的其他聚类算法相比较,表现出更好的聚类准确率及稳定性。
-
关键词
聚类
混合型数据
密度峰值
属性编码
海明度量
-
Keywords
clustering
hybrid data
density peak
attribute coding
Hamming metric
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
