P2P网络中Chord搜索算法的改进研究

来源 :计算机应用研究 | 被引量 : 10次 | 上传用户:dza1987
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
为解决P2P网络中Chord算法众多节点性能不一、节点频繁离开和加入制约系统性能的问题,提出了基于信息相关度的分组改进算法。该算法通过引入节点信息相关度的概念,对原Chord进行信息相关度的一个分组调整。从每个组选出两个超级节点组成超级组,同时为每个节点增加了逆时针路由,在两个超级节点顺逆两个方向上选择出最短路径进行查找。实验表明,改进后的算法使得系统的性能和适应性都得到了加强,提高了Chord在对等网中的查找效率。
其他文献
针对非线性系统中因噪声模型不准确或测量数据中存在野值而导致无迹卡尔曼滤波(UKF)结果产生偏差甚至发散的问题,提出了一种自适应抗差无迹卡尔曼滤波(ARUKF)算法。该算法利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入自适应因子来调节增益矩阵,减弱野值对滤波的影响。将ARUKF算法应用于GPS/BD-2组合导航系统中,仿真实验结果表明,当观测数据中存在野值时,ARUKF算法能够有效地控制观
为了能正确检测显著性图中的多个显著性目标,提出了一种基于全局颜色对比的显著性目标检测算法。该算法首先提取图像的全局颜色对比度特征,然后把显著性图和全局颜色对比度作为特征输入条件随机场框架中,得到二值显著性掩模,最后经区域描绘子计算得到包含显著性目标的最小外接矩形。在两种公开的数据集上的实验结果表明,该算法在精度、召回率以及F-测度方面的表现优于现有其他几种算法,在计算效率上也具有一定的优势。因此,
与传统三维激光扫描仪相比,Kinect作为一种新型深度相机,具有价格低廉、深度数据获取能力强、RGB影像与深度影像同步获取等优势,然而面对较大室内场景精细建模却存在数据量大、建模范围有限、对硬件环境依赖性强等问题。因此,在现有单一模型建模基础上,提出了基于Kinect深度影像的多模型数据融合方法,实现模型间的自动拼接。最后通过两组实验对提出的数据融合方法进行了验证,并取得了较好的模型拼接效果。
由于追求收敛速度与防止陷入局部最优,标准的改进强度Pareto算法(SPEA2)过于注重全局搜索能力,从而导致局部搜索能力不足。为了增强SPEA2算法的局部搜索性能,进而提高算法收敛速度,提出了一种基于局部搜索的改进SPEA2算法。该算法单独设置一个新外部存档集以保存局部搜索后的非支配集,并且改进了交叉算子,加入了部分个体更新策略。将该改进算法与SPEA2算法进行了收敛性能比较实验。仿真实验结果表