课程文献中心 更多>>

关键词： 区块链   共识算法   信任模型   快速节点   物联网   拜占庭容错   仿真实验  

摘要： 为更好提升区块链和物联网的融合度,提出一种基于信任和主节点选取的拜占庭容错容错共识算法(trusted and primary node election Byzantine fault tolerance,TBFT)。对实用拜占庭容错(practical Byzantine fault tolerance,PBFT)算法进行改进,优先选择快速节点作为主节点;加入直接信任模型实现拜占庭节点、宕机节点的剔除机制,优化一致性协议和视图切换协议。实验及分析结果表明,当网络中的诚实节点数量为34个、宕机和拜占庭节点共16个时,该算法相比PBFT,共识时延下降72%,吞吐量高约37%,系统安全性和稳定性得到了提升。

关键词： FMCW毫米波雷达   压缩感知   分块压缩感知重构   TDM-MIMO   3D-CFAR   高分辨成像  

摘要： 提出了一种基于压缩感知重构理论的调频连续波(Frequency Modulated Continuous Wave, FMCW)集中式多输入多输出(Multiple Input Multiple Output, MIMO)雷达三维高分辨成像方法。对于时分多址多输入多输出雷达得到的阵列信号,采用基于天线空间布局的分块压缩感知(Block Compressed Sensing, BCS)方法。此外,设计了三维恒虚警滤波器来降低杂波信号对重构信号质量的影响,并设计了相关平滑方法来消除不同块之间的重构误差。所提算法能够在低采样比下实现复杂目标的高分辨成像,避免了传统压缩感知重构中算法复杂和占用硬件资源的问题,仿真和实验证明了该方法的可行性和实用性。与其他成像方法相比,所提算法的高分辨成像效果与合成孔径雷达(Synthetic Aperture Radar, SAR)相当。仿真结果表明,当压缩采样比为0.6时,目标成像的信杂波比达到了原始目标水平,目标结构相似度指标达到80%,实现了理想的成像效果。该算法在工程领域具有一定实用性,有望广泛应用于毫米波雷达的目标检测与识别。

关键词： 人工蜂群算法   强化学习   多策略   Q学习   自寻优  

摘要： 针对人工蜂群算法局部搜索能力不足的缺点,借鉴强化学习的寻优思想,提出了一种基于强化学习的多策略自寻优人工蜂群算法。该算法将强化学习中的Q学习方法与人工蜂群算法相融合,利用种群最好值与个体适应值的距离和种群多样性两个指标作为划分状态的依据,建立包含多种搜索策略的动作集,采用ε-贪心策略选择最优,产生高质量的后代,实现了ABC(Artificial Bee Colony)算法更新策略的智能选择。通过20个测试函数和在股票预测方面的应用,结果显示所提算法表现出较优性能,能更好地平衡勘探和开发之间的关系,具有较快的收敛速度和较好的自寻优能力。

关键词： 改进遗传算法   数据加密方法   加密流程  

摘要： 为提升计算机网络通信中数据加密的效率,本研究采用改进的遗传算法进行加密算法的设计,以选择算子、交叉算子、变异算子的改进为核心,通过优化遗传算法的关键步骤,提升其在数据加密中的应用效果。研究设计了一种基于改进遗传算法的计算机网络通信数据加密方法,并进行了实验分析。结果表明,改进后算法在加密速度、安全性方面均优于传统遗传算法,具有较好的实际应用前景与适用性。

关键词： 信息熵   缺损数据   k   -匿名  

摘要： 提出一种(γ,l-p,k)-匿名模型,模型引入了信息熵作为计算缺损数据的属性距离,通过敏感属性度高低分为不同的敏感级别,并设置相应的权重ω值,同时让等价类元组的不同敏感级别个数满足阈值γ。接着根据模型设计了加权信息熵匿名算法(Weighted Information Entropy Anonymous Algorithm based on Defect-Sensitive Attributes,WISA^(*))对缺损型数据集进行匿名化。实验结果表明,该算法不仅可以减少等价类信息损失,同时提高了敏感属性的多样性,从而降低了数据隐私泄露风险且复杂度较低。

关键词： 火电厂   发电量预测   时序卷积网络   自编码器  

摘要： 针对目前火力发电难以预测的问题,提出了一种基于自编码器(AE)和时序卷积网络(TCN)的火力发电预测方法,并与传统的时间序列预测模型长短期记忆(LSTM)网络进行比较。以某火电厂近1年的发电量为研究对象,对日发电量进行预测。通过TCN、LSTM、AE-TCN这3种模型预测发电量数据,通过均方误差、均方根误差和平均绝对误差的比较,证明了基于自编码器和时序卷积网络的时间序列预测模型具有良好的预测精度和预测数据拐点的能力,在火力发电的预测中具有实用性。

关键词： 装配序列规划   风电机组   参数   多策略混合鲸鱼-蚁群算法  

摘要： 装配序列规划(ASP)是风电机组设计和制造的关键内容,对产品的生产效率和成本有重要影响。SP问题是一个典型的NP完全问题,需使用有效的方法来搜索最优或近优的装配序列,但常用智能优化算法的参数值获取比较困难,导致在搜索效率和收敛精度上存在一定局限性。为此,提出一种求解SP问题的多策略混合鲸鱼-蚁群优化算法。在计算过程中,使用增加精英反向学习策略(OBL)、差分进化算法(DE)的多策略混合鲸鱼算法优化蚁群算法的参数,然后再采用蚁群算法搜索最优或近优的装配序列。计算实验表明:多策略混合鲸鱼-蚁群优化算法降低了参数设置的复杂性,在求解SP问题上,与传统蚁群算法相比,算法的收敛速度和寻优能力得到很大提高。

关键词： 量子光学   保密增强   元胞自动机   现场可编程门阵列   量子密钥分发  

摘要： 作为量子通信后处理部分的重要步骤,保密增强过程能够消除量子密钥分发过程中可能出现的信息泄露,以实现量子密钥分发系统的无条件安全性。为降低硬件资源消耗、提高算法的安全成码率,本研究采用现场可编程门阵列(FPGA),实现了一种基于元胞自动机的高速保密增强算法,通过对算法进行符合FPGA硬件特性的改进和流水线结构优化,使得该方案相较于需要庞大矩阵乘法运算的Toeplitz矩阵方案在速度上有较大的优势。该方案在实时传输协商密钥的情况下,能适应任意长度的输入密钥和0~1之间的任意分数压缩比例;该方案采用256阶的元胞自动机处理1.28 Mbits输入密钥,在压缩比例为0.5时,最大安全成码率可达到1540 Mbits/s。

关键词： 改进拉格朗日松弛算法   网格自适应   负载均衡   调度系统   尖点突变  

摘要： 为解决网格流量资源负载失衡问题,设计基于改进拉格朗日松弛算法的网格自适应负载均衡调度系统。网格任务管理器启动基于改进拉格朗日松弛算法的自适应负载均衡调度模型,由基于自适应权重更新的鲸鱼优化算法和改进拉格朗日松弛算法,将原目标函数求解问题,转换为不存在约束的对偶问题,当对偶间隙满足需求后,直接输出虚拟交换机迁移的全局最优调度方案,发送至网格服务调度器,调度虚拟交换机链接迁移状态。实验结果证明,不同时刻网格流量发送速率与接收速率一致,系统可根据网格服务需求,自适应调度虚拟交换机迁移状态,避免出现负载失衡问题。

关键词： 数据缺失   配电网   维度映射   平滑算法   多元序列   数据分类   噪声干扰   维度因子  

摘要： 【目的】在智能电网快速发展的背景下,配电网作为电力传输与分配的关键环节,其数据的有效管理和分析对于保障电网稳定运行、提升供电质量至关重要。然而,配电网数据种类繁多且复杂,涵盖了用户用电行为、天气情况、设备基础信息及营销数据等多个维度。不同类型的数据在采集和传输过程中,会因磁场信号、噪声信号、冗余数据等干扰出现缺失,不仅增加了配电网运行监控的难度,还为故障分析、状态评估及优化决策等工作带来极大挑战。【方法】为提高数据处理的准确性和效率,提出一种数据缺失情况下的配电网时间序列数据分类算法。根据时间序列数据在配电网中的分布状态,利用平滑算法去除数据噪声,从而显著提升数据的准确性和可靠性,优化因冗余数据干扰而产生的问题。对缺失数据进行增量填补,依据时间序列数据的内在规律和相邻数据点的相关性,对缺失数据进行合理推测和填补,保持了数据的完整性,同时确保了时间序列的连续性和一致性。计算不同时间序列的数据缺失情况,将高维和低维数据状态空间与单元、多元时间序列相结合,凭借维度映射得到数据维度因子,实现簇内分类。【结果】设计方法填补后数据均在原始数据附近,无冗余问题,且分类耗时点均匀分布,呈现出线性趋势,充分展示了其高效稳定的数据处理能力。设计方法分类配电网时间序列数据后,同种类配电网数据聚集且互不干扰,噪声数据大幅减少,相对差异值(RDV)始终保持在0.05以下,特异度在数据缺失率5%~35%的范围内均维持在95.0%以上,显著高于对比方法的91.5%和92.0%。【结论】设计方法通过平滑去噪、增量填补和维度映射等技术手段,有效应对数据缺失带来的挑战,提高了数据处理的准确性和效率。同时,验证了设计方法在保持高分类精度和快速收敛速度方面的优势,表明其能够有效应对数据缺失情况,显著提升配电网数据的分类效果和运行稳定性。该算法研究不仅丰富了配电网数据分析的理论体系,还为智能电网的运维管理提供了实用的技术支持,具有重要的理论价值和现实意义。