將智能手機(jī)設(shè)備加入基于非結(jié)構(gòu)化P2P網(wǎng)絡(luò)的資源共享系統(tǒng)中能夠滿(mǎn)足人們對(duì)資源共享的多樣化、便利性、高頻性、實(shí)時(shí)性、高效性等要求,但是該系統(tǒng)網(wǎng)絡(luò)規(guī)模的擴(kuò)張和網(wǎng)絡(luò)節(jié)點(diǎn)互異性的加大,必將導(dǎo)致系統(tǒng)資源搜索效率的降低、冗余信息的劇增以及網(wǎng)絡(luò)更加不穩(wěn)定。為了解決這些問(wèn)題,文中設(shè)計(jì)了一種改進(jìn)的基于節(jié)點(diǎn)興趣和Q-learning的資源搜索機(jī)制。首先將節(jié)點(diǎn)根據(jù)興趣相似度進(jìn)行興趣聚類(lèi),劃分興趣集,然后根據(jù)興趣集中節(jié)點(diǎn)的能力值構(gòu)建興趣樹(shù),該結(jié)構(gòu)避免了消息環(huán)路的產(chǎn)生,極大地降低了冗余信息;在資源搜索中,興趣樹(shù)內(nèi)采用洪泛算法轉(zhuǎn)發(fā)消息,興趣樹(shù)之間采用基于Q-learning的消息轉(zhuǎn)發(fā)機(jī)制,不斷強(qiáng)化最可能獲取目標(biāo)資源的路徑,查詢(xún)消息優(yōu)先在這些路徑上傳播。另外,針對(duì)"熱點(diǎn)"資源問(wèn)題,設(shè)計(jì)了自適應(yīng)熱點(diǎn)資源索引機(jī)制,減少了重復(fù)路徑搜索,進(jìn)一步減少了冗余消息量;針對(duì)節(jié)點(diǎn)失效的問(wèn)題,給出了根節(jié)點(diǎn)冗余機(jī)制和捎帶檢測(cè)的策略方法,分別解決了根節(jié)點(diǎn)失效和普通節(jié)點(diǎn)失效導(dǎo)致的興趣樹(shù)的不完整性問(wèn)題,分析表明該方法能夠減少消息冗余量。仿真實(shí)驗(yàn)結(jié)果表明,與GBI-BI算法和Interest CN算法相比,所提搜索算法能夠提高命中率,縮短響應(yīng)時(shí)間... 

【文章來(lái)源】：計(jì)算機(jī)科學(xué). 2020,47(02)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

Q-learning的原理圖

實(shí)驗(yàn)使用Matlab對(duì)本文算法SMBNIQL(Search Mechanism Based on Node Interest and Q-learning)進(jìn)行仿真,為了保證實(shí)驗(yàn)的效果,同時(shí)將文獻(xiàn)[11]的Interest CN算法和文獻(xiàn)[12]的GBI-BI算法作為對(duì)比。根據(jù)第4節(jié)的內(nèi)容,該實(shí)驗(yàn)將對(duì)SMBNIQL算法中搜索策略的第一階段和第二階段分別進(jìn)行仿真分析,總體實(shí)驗(yàn)流程如圖2所示。圖2中,SN集表示超級(jí)節(jié)點(diǎn)集,GN集表示普通節(jié)點(diǎn)集。在節(jié)點(diǎn)初始化函數(shù)node()中,為了使仿真環(huán)境更符合實(shí)際情況,節(jié)點(diǎn)興趣向量的初始化符合齊夫分布;在Observer()函數(shù)中,分別根據(jù)CBI-BI算法、Interest CN算法以及本文算法SMBNIQL設(shè)計(jì)不同的路由實(shí)現(xiàn)函數(shù)。

由圖3可知,當(dāng)TTL在較小的范圍時(shí),SMBNIQL算法和CBT-BI算法的命中率比Interest CN算法高,這是因?yàn)镾MBNIQL算法優(yōu)先將查詢(xún)消息轉(zhuǎn)發(fā)給資源數(shù)較多的節(jié)點(diǎn),CBT-BI算法優(yōu)先將查詢(xún)消息轉(zhuǎn)發(fā)給興趣最相似的節(jié)點(diǎn),而Interest CN算法則將查詢(xún)消息轉(zhuǎn)發(fā)給網(wǎng)絡(luò)中與其隨機(jī)連接的鄰居節(jié)點(diǎn);另外,SMBNIQL和CBT-BI算法的命中率相差不大,SMBNIQL算法略微高一點(diǎn),這是因?yàn)閮烧呔哂邢嗤臉?shù)狀拓?fù)浣Y(jié)構(gòu),只是生成樹(shù)的策略不同,但是都提高了命中率。由圖4可知,Interest CN算法的查詢(xún)消息數(shù)目最多,這是因?yàn)樵撍惴ㄖ忻總�(gè)興趣集的網(wǎng)絡(luò)是隨機(jī)拓?fù)浣Y(jié)構(gòu),消息以Flooding的方式轉(zhuǎn)發(fā),必然會(huì)產(chǎn)生較多的冗余消息;而另外兩種算法使用樹(shù)狀拓?fù)浣Y(jié)構(gòu),消息不會(huì)被重復(fù)轉(zhuǎn)發(fā)。

【參考文獻(xiàn)】：
期刊論文
[1]一類(lèi)非結(jié)構(gòu)化對(duì)等網(wǎng)資源搜索問(wèn)題的蟻群算法機(jī)制研究[J]. 涂振宇,曾瑄.  南昌工程學(xué)院學(xué)報(bào). 2016(01)
[2]一種改進(jìn)的非結(jié)構(gòu)化P2P網(wǎng)絡(luò)洪泛搜索機(jī)制[J]. 盧葦,周韜,邢薇薇.  西北工業(yè)大學(xué)學(xué)報(bào). 2015(02)
[3]基于節(jié)點(diǎn)興趣的非結(jié)構(gòu)化P2P網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)研究[J]. 何可,吳曉軍,張玉梅.  計(jì)算機(jī)工程與應(yīng)用. 2016(09)
[4]非結(jié)構(gòu)化P2P網(wǎng)絡(luò)的一種改進(jìn)搜索算法[J]. 葉培順.  計(jì)算機(jī)與現(xiàn)代化. 2013(12)
[5]基于節(jié)點(diǎn)信譽(yù)改進(jìn)Q學(xué)習(xí)的P2P資源搜索策略[J]. 劉煥淋,陳高翔,吳帥勇.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)
[6]基于行為特征的超級(jí)節(jié)點(diǎn)節(jié)流算法研究[J]. 何欽,劉丹,周明.  計(jì)算機(jī)工程與應(yīng)用. 2013(11)
[7]面向非結(jié)構(gòu)化P2P網(wǎng)絡(luò)的雙向隨機(jī)漫步搜索機(jī)制[J]. 馬文明,孟祥武,張玉潔.  軟件學(xué)報(bào). 2012(04)
[8]基于興趣域中心節(jié)點(diǎn)的P2P網(wǎng)絡(luò)拓?fù)鋄J]. 趙新慧,馮錫煒,石元博.  科學(xué)技術(shù)與工程. 2011(21)
[9]非結(jié)構(gòu)化P2P網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的改進(jìn)機(jī)制[J]. 許松.  計(jì)算機(jī)工程與應(yīng)用. 2009(10)
[10]改進(jìn)的基于概率的非結(jié)構(gòu)化對(duì)等網(wǎng)搜索算法[J]. 王新生,邢丹,李幗.  計(jì)算機(jī)仿真. 2008(09)



本文編號(hào)：3372864