一种基于BT对等方地理信息的权重tit-for-tat机制

来源 :第七届全国计算机支持的协同工作学术会议暨第五届全国智能信息网络学术会议 | 被引量 : 0次 | 上传用户:netproxy_cisheng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了减少BitTorrent(BT)产生的大量跨ISP流量且同时保证用户的下载速率,提出了一种基于对等方地理位置的加权tit-for-tat机制(GLW-TFT)。首先,根据对等方的地理位置信息将群集系统中的对等方分为4类,然后根据ISP收益情况给每一类对等方赋予权重,最后利用加权的下载速率来常规上载对等方集合。基于开源项目Vuze,设计开发了GLW-TFT,它不依赖于网络基础设施也不需要ISP的协助。试验结果表明,相对于传统的BT,GLW-TFT能缩短约50%的下载时间,减少约30%的跨ISP流量。GLW-TFT算法较之其他相关算法具有很强的适应性和较好的性能。
其他文献
为了解决现有MANETs路由机制的可扩展性问题,本文提出一种使用树结构定位符的路由模型(Tree-structure Locator Routing,TLR),通过DHT方法对节点的标识符和定位符进行分离,并使用基于位置的定位机制来提供一种具有可扩展性的路由服务。定位符描述一个节点在网络拓扑中的相对位置并随着节点的移动发生变化,定位符空间采用树结构进行组织。最后我们量化分析了该路由模型和其他路由机
针对普适环境下参与协同设计的移动终端资源受限的特点,提出了非对称协同感知映射模型、机制和相应的共享工作空间逻辑一致性维持方法. 通过共享工作空间视图的拓扑映射,使得在非对称映射中映射区域仅为资源受限端当前可能关注的内容,减少了协同感知所需资源;同时结合按需获取机制实现了视图感知的数据一致性维护.
过程协同是企业过程运作的核心技术,决定了企业过程运作的效率。在企业过程运作中,如何有效完成各种有效信息的采集、分析和处理,实施基于过程驱动的高效率协同运作是非常重要的。本文重点从监控角度出发研究并设计企业过程协同模型,支持过程协同运作。扩展以过程为核心的集成化企业模型中的协同模型,增加了过程监控模型,并认真讨论了从模型到系统映射的一些关键技术,如扩展的协同模型、监控对象、监控事件等概念与技术。同时
视频监控中,拥挤人群的相互遮挡给人体分割和跟踪带来很大困难。为了解决该问题,提出了人体模型和人体边缘曲线相结合的人体分割方法。针对分割可能造成人体特征值存在较大的缺损、畸变问题,采用具有较高鲁棒性的BP(Back Propagation)神经网络作为跟踪模型。为了提高BP网络的自主学习能力,采用分层Dirichlet过程来判断是否有新类别的人体特征数据产生,进而为BP网络的学习提供决策。通过仿真实
为了对被动目标进行定位,提出一种基于节点间协作的定位算法,各个簇节点无需对目标进行先验训练或特征识别,而是将目标建模为定位平面上的一条直线并将其转换到霍夫参数空间中,在簇头节点利用最小二乘方法对各个离散点进行正弦曲线拟合,从而获得曲线的最优拟合参数,即获得目标的准确坐标信息;此外,还针对异构摄像机网络中各个节点的置信度进行了分析,进一步提出了加权协作定位算法。最后分析了该算法的时间复杂度优势以及通
为使得网格环境下任务调度使得服务运行时间和费用两个指标达到最优化,将这两个指标作为网格任务调度模型的衡量指标,将计算经济模型引入网格资源管理,改进了遗传算法,算法中的染色体编码采用间接编码方式,对每个任务占用的资源编码,即实数编码方法。生成初始种群时采用随机生成种群和根 据某些先验知识生成种群这两种方法相结合,变异操作时根据原来染色体的适应值和适应度函数进行有目的的随机变异。通过网格仿真平台Gri
为了表示部分可观察马尔可夫环境下,多Agent决策中各Agent之间的动态结构关系,对影响图(Ids)在结构和时间上进行扩展,形成一种能够对其它Agent建模的决策模型:交互式动态影响图(I-DIDs).I-DIDs是不确定环境下多Agent进行序贯决策的图模型.该模型的解是在对其Agent行为概率分布的预测下提供给该Agent的最优决策,因此更能有效解决多Agent的决策问题.但I-DIDs状态
为了减少无线图像传感器网络中相机节点的冗余数据,提高网络生存周期,利用图像缝合技术去除相机节点采集的图像间重合的部分,避免相机节点传输冗余数据。此外,针对原有相机节点相关系数计算方法存在的不足和实现上的困难,提出面向图像的相关系数的定义和计算方法。仿真实验结果表明,本文提出的方法有效的降低了相机节点传输的冗余图像数据。
针对于服务组合中人工任务的执行问题,给出了支持人工任务的组合服务执行引擎的体系结构并针对于人工任务的执行效率保证问题,提出了一种人工任务分配方法。该方法以所建立的执行性能评价模型反映人工服务资源的任务执行效果,通过基于执行性能评价模型的人工任务调度算法得到能够有效完成任务的人工服务资源。该方法能够保证人工任务的实际执行效果。实验结果验证了该方法的有效性。
支持向量机增量算法的关键是对历史样本集的剪辑,在历史样本集中选择出尽可能少又能尽可能多的代表历史样本集的一个子集,然后把这个子集加入到新训练样本集中进行学习。对于代表历史样本集子集的选择方法有很多。本文提出的Simple ISVM(Simple Incremenetal Support Vector Machine Algorithm)算法从样本松弛变量是否为零的角度将支持向量分为线性可分的支持向