- 1、本文档共64页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
蚁群算法在p2网络搜索算法中的应用研究
摘要
摘要
to
现在,随着网络技术的进步和个人计算机运算能力的增强,P2P(Peer
peer)
网络受到越来越广泛的应用和更多网民的青睐,因为这种工作方式不需要使用集
的瓶颈问题。P2P网络中的各个节点既是客户机又是服务器,实现了节点间共享
信息资源和运算能力,而节点的动态性和自治性决定了在P2P网络中的资源搜索
算法需要很好的鲁棒性和高效性。
上世纪90年代,意大利学者根据蚂蚁群体所具有的高度自治性和协调能力提
出了蚁群算法ACO。蚂蚁在觅食过程中,通过残留在爬行路径上的信息素进行间
接的信息传递,路径上的信息素越多,说明途经的蚂蚁越多,结果使得大多数的
蚂蚁在一条能找到食物的最短路径上爬行,这就是蚁群算法的正反馈原理。
本文针对现有非结构化P2P网络搜索算法存在的缺陷,根据蚁群算法与P2P
网络搜索算法的一些相似特性,提出一种基于蚁群算法的非结构化P2P网络搜索
算法P2P.ACO。该算法在路径信息素更新和适应网络动态性等方面对传统ACO
进行了改进。同时引入了向量空间模型对关键字匹配搜索进行了规范,提高了查
询命中率和查询效率。通过引入时问函数对参数进行实时更新,有效避免了过早
收敛和收敛速度慢等问题的产生。最后在理论上分析了P2P—ACO算法的效率,
描述了基于蚁群算法的非结构化P2P网络中节点的活动特性并研究了网络的健壮
·眭。
关键词:P2P网络资源搜索蚁群算法信息素P2P—AC0
ABSTRACT
ABSTRACT
the
Now,withadVaIlceofnet、Ⅳork a11dtlleeIlllanced
tecllllology computingpower
of to are usedandmore
personalcomputers,P2P(Peerpeer)networks
more诵dely
f.aVoredtheIntemetusers.BecausethemodeofP2Pne俩orksdoesn’t
by require
centralized solves
mebottleneckWhichmetraditionalcen订alized
servers,it problem
nodeinP2Pne似,orkisbomaclient
server(Client/SeⅣers)modelmayeme唱e.Each
a11da the ofi—’omationresources
sen,er,acllieVes aIld
sh耐ng computingpower
betv忙enthe the a11d ofthenodesdeteminematthe
nodes,and
dyn锄icautonomy
resourcesearchmechamsmint11eP2Pne铆orkneedsrobustIlessand
文档评论(0)