Estom的博客

文献整理计算机网络自组织利用研究——焦健 首先看完这篇文章思考自己能做什么，找到相关的方法，应用到这上边。你已经很慢了，得加快速度了。 总体（文章总体介绍，模型总体介绍） 计算机网络自组织利用CNSE，获取网络对抗情报，完成支撑活动 活动：决策、组织、数据收集处理、情报生成支撑 利用体。利用体网络。 给出了理论依据与关键技术 问题：利用体网络共同承担利用任务。 理论依据：定义对象、定义行为、定义描述语言 关键技术： 基于产生式推理规则的任务生成和情报生成 基于蜂群群之行为的任务自部署 基于框架匹配技术的特征识别 CNO—-CNA，CND，CNE。攻击防御与利用有本质区别。 CNE利用，包括，支撑活动与收集活动 决策与组织模式的理论与技术：阶段性、有序性和周期性 自组织机制及其算法：自组织是在一定条件下，由于系统内子系统的相互作用，使系统形成具有一定功能和结构的过程。它具有自创生、自复制、自生长和自适应等形式。 对于 CNSOE 来讲，自组织性主要体现在自适应性上。 自组织的逆向工程方案为了协调系统的复杂行为，不是直接控制系统进化，也不能使系统按照需求进化，但可以通过模拟保证...

文献整理——协同论 以后文献阅读的总结内容，在论文的批注上实现。论文阅读的知道内容，在项目或者论文查阅的地方实现。 1 协同查阅研究的内容 主要搞明白什么是组织，什么是协同，协同与组织的关系，实现协同的手段，协同过程的输入与输出，协同面向的对象，协同实现的目标。协同的具体过程，协同相关的算法。搞清楚以上问题，才可以开展后续的研究和文章的撰写。 在老板看来，协同策略，与协同算法是分开的。的确，由于你对协同这件事根本不了解，导致你现在的工作集中在哪些方面都不知道。你自己都不知道怎么分割。 你现在做的任务是，对组织协同进行了解，明白从哪些方面进行论述。协同是一个过程，这个过程可以有不同策略，每个策略可以用不同的协同算法来实现……即搞明白怎么描述。所谓的五种策略，很可能是这样的，基于节点负载的协同策略。基于**的协同策略。等等。 协同会面向很多领域，现在你需要总结各个不同的领域或者不同资料中关于协同的论述。 文献检索 中文关键词： 协同策略、协同方案、系统协同、协同系统、计算机协同、群体协同、组织协同、协同论（协同理论）、协同机制、多智能体、协同演化、协同优化、协同控制 协...

目录功能性 适合性 准确性 互操作性 依从性 安全性 可靠性 成熟性 容错性 易恢复性 易用性 易理解性 易学习性 易操作性 效率 时间特性 资源特性 可维护性 易分析性 易更改性 稳定性 易测试性 可移植性 适应性 易安装性 一致性 易替换性 1 功能性（Functionality） 定义：功能性是指与软件所具有的各项功能及其规定性质有关的一组属性，包括： 1.1 适合性（Suitability） 定义：与规定任务能否提供一组功能以及这组功能的适合程度有关的软件属性。适合程度的例子是面向任务系统中，由子功能构成功能是否合适、表容量是否合适等。 计算：存在：任务已被详细说明。正确：正确的解释任务的详细说明。 1.2 准确性（Accuracy） 定义：于能否得到正确或相符的结果或效果有关的软件属性。此属性包括计算值所需的准确程度。 计算：识别负责该计算功能的组件。由公式∏𝑖(𝐴𝑐𝑐𝑢𝑟𝑎𝑛𝑐𝑦(𝑓𝑢𝑛𝑐𝑡𝑖𝑜𝑛𝑎𝑙 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑠)) 对该属性进行计算。 1.3 互操作性（互用性，Interoper...

1 自适应动态调整粒子群的云计算任务调度内容 粒子群算法 DPSO动态粒子群算法 基于自适应动态调整权重系数 基于进化信息调整分数阶次 基于 Levy 飞行特征的局部最优 多目标构造成单一目标。 对云计算模型进行抽象。得到数学模型。转换为数学问题。 对任务调度的目标和约束进行描述。 给出了粒子群算法的数学描述 实验对比了各种算法。 2 基于离散粒子群优化的云计算 QoS 调度算法 是一种多约束的任务调度算法。 给出了一个任务调度模型（重要） 将多个约束进行归一化描述。 不具有动态扩展的能力。 3 云计算资源调度研究及改进 给出任务调度模型（包含对任务、资源的抽象） 给出了任务调度的目标 给出了任务调度的算法 我觉得接下来我应该从这三个方面论述。 4 基于遗传算法的柔性资源调度优化方法研究 系统的讲述资源调度问题的分类和细节。十分值得借鉴。也就是将当前的任务使用他给出的任务调度领域的基本概念进行讲解。 柔性资源调度问题（原子任务的选择柔性机器）与本次的任务目标一致。 非常重要写方案的时候可以参考。 5 基于异构计算系统中动态任务分配的蜂群算法研究 给...

遗传算法1 遗传算法概述步骤 随机产生一组初始个体构成初始种群，并评价每一个体的适配值（fitness value）。 判断算法收敛准则是否满足。若满足则输出搜索结果；否则执行以下步骤。 根据适配值大小以一定方式执行复制操作。 按交叉概率pc执行交叉操作。 按变异概率pm执行变异操作。 返回步骤2。 遗传算法的特点遗传算法利用生物遗传和进化的思想实现优化 对问题参数编码成“染色体”后进行进化操作，而不是针对参数，这使得它不受某些函数约束条件的限制，如连续性、可导性等； 搜索过程是从问题解的一个集合开始的，而不是从单个个体开始的，具有隐含并行搜索特性，从而大大减小了陷入局部极小的可能； 具有全局搜索能力； 适应性、收敛性。

近似算法1 近似算法概念 不同的近似算法有各种各样的复杂度，但其中许多算法都是基于特定问题的直观推断贪婪算法。直观推断是一种来自于经验而不是来自于数学证明的常识性规则。如果我们使用的算法所给出的输出仅仅是实际最优解的一个逼近，我们就会想知道这个逼近有多精确。 近似算法精度 对于一个对某些函数 f 最小化的问题来说，可以用近似解的相对误差规模$$re(S_a)=\frac{f(S_*)}{f(S^a)}$$ 近似算法的性能 对于问题的所有实例，它们可能的r(sa)的最佳（也就是最低）上界，被称为该算法的性能比，计作RA。 性能比是一个来指出近似算法质量的主要指标，我们需要那些RA尽量接近1的近似算法。

禁忌搜索算法1 算法说明算法概述 禁忌搜索（TS）是对局部邻域搜索的一种扩展，是一种全局优化算法。TS算法通过引入一个禁忌表和相应的禁忌准则来避免局部迂回，并通过“渴望准则”来挽救某些被禁忌的相对优化解，进而保证全局的有效搜索以实现全局优化。 标记对应已搜索到的局部最优解的一些对象，并在进一步的迭代搜索中尽量避开这些对象，但不是绝对禁止循环，从而保证对不同的有效搜索途径的探索。 基本思想 给定一个当前解（初始解）和一种邻域结构，在当前解的邻域中确定若干候选解； 若最佳候选解对应的目标植优于 “best so far” ，则忽视其禁忌特性，用其替代当前解和“best so far”值，并将相应的对象加入禁忌表，同时修改禁忌表中各对象的禁忌任期； 若不存在上述候选解，则选择在候选解中非禁忌的最佳状态为新的当前解，而无视它与当前解的优劣，同时将相应的对象加入禁忌表，并修改禁忌表中各对象的任期； 重复上述迭代搜索过程，直至满足停止条件。 算法原理邻域 对于组合优化问题，给定任意可行解x，x∈D，D是决策变量的定义域，对于D上的一个映射：N：x∈D→N(x)∈2(D) 其中2(D)...

邻域结构优化算法1 算法概述算法原理 利用邻域结构进行逐步优化的局部搜索算法： 算法从一初始可行解 s 出发，利用状态发生器持续地在s 的领域中搜索更好的解，若能找到更优解，则以其替代s 成为新的当前解，然后重复上述过程，直至终止条件满足。