摘要：联邦学习(FL)作为一种分布式训练方法,在车联网(IoV)中得到了广泛应用。区别于传统机器学习,FL允许智能网联车辆(CAVs)通过共享模型而非原始数据来协同训练全局模型,从而保护CAV隐私和数据安全。为了提升联邦学习模型精度,降低通信开销,该文首先提出一种基于有向无环图(DAG)区块链和CAVs的IoV架构,分别负责全局模型共享和本地模型训练。其次,设计了一种基于DAG区块链的异步联邦互蒸馏学习(DAFML)算法在本地同时训练教师和学生模型,教师模型的专业级网络结构可取得更高精度,学生模型的轻量级网络结构可降低通信开销,并采用互蒸馏学习使教师模型和学生模型从互相转移的软标签中学习知识以更新模型。此外,为了进一步提高模型精度,基于全局训练轮次和模型精度设定个性化权值来调节互蒸馏占比。仿真结果表明,DAFML算法在模型精度和蒸馏比率方面优于其他比较算法。

摘要：物联网应用(IOTA)作为一种经典的基于有向无环图而非链式结构的区块链系统,由于采用置信度共识方式导致交易确认依赖中心节点,并且难以及时发现交易冲突.为此,本文提出一种基于时间切片的设计方法,通过规定在每个时间片结束时由内部节点检查并同步当前交易子图,设计了一种high quality IOTA(HQIOTA)共识机制.在交易确认中,通过设计内部节点自适应调节控制替代了原有的外部规定阈值的转变.进而能及时发现并删除矛盾交易,解决了交易冲突不敏感的问题.本文基于概率分布模拟的网络环境进行实验,结果表明HQIOTA能比IOTA更快发现交易冲突并且更灵活地进行交易确认.

摘要：计算具有较小度的生成树是算法与复杂性研究的一个基本问题,同时在网络设计等领域具有重要应用.给定具有n个顶点的有向无环图G=(V,E)和根顶点r∈V,最小度生成树问题欲求一棵以r为根的生成树T,使得在G的所有以r为根的生成树中T的最大度最小.给出该问题的一种迭代的多项式时间近似算法.该算法所求树的度不超过Δ*+1,其中Δ*为某一最优树的度.算法的时间复杂度为O(n2logn),其中n为顶点数目.算法没有运用过多的枚举,其实际运行时间要快得多.

摘要：几乎所有的科学研究都在探索因果关系，有向无环图（DAGs）是因果关系研究的图形工具。本文系统地介绍了DAGs的图形语言、基本规则和干扰规则，及其在识别研究问题、理解和实施研究设计、指导数据分析、偏倚分类等方面的应用。DAGs对因果关系的研究具有重要的指导价值。

摘要：针对现有对话情绪识别方法中对时序信息、话语者信息、多模态信息利用不充分的问题,提出了一个时序信息感知的多模态有向无环图模型(MTDAG)。其中所设计的时序感知单元能按照时间顺序优化话语权重设置,并收集历史情绪线索,实现基于近因效应下对时序信息和历史信息更有效的利用;设计的上下文和话语者信息融合模块,通过提取上下文语境和话语者自语境的深度联合信息实现对话语者信息的充分利用;通过设置DAG(directed acyclic graph)子图捕获多模态信息并约束交互方向的方式,在减少噪声引入的基础上充分利用多模态信息。在两个基准数据集IEMOCAP和MELD的大量实验表明该模型具有较好的情绪识别效果。

摘要：针对目前云计算任务调度方法的效率较低和日益多样化的用户服务质量需求等问题,提出一种将粒子群算法和改进蚁群算法结合的混合粒子群蚁群算法(HPSO-ACO),包括建立云计算任务调度模型、用户服务质量模型及虚拟资源节点模型。利用离散型粒子群算法,得到初始解集,转化为蚁群算法信息素的初始值,通过改进蚁群算法的寻径规则和信息素更新规则,得到最终解。通过仿真实验将粒子群算法、蚁群算法和HPSO-ACO算法进行比较,其结果表明,HPSO-ACO算法有效且可行,能够减少任务完成时间和降低完成成本,满足用户服务质量要求。

摘要：因果关系发现是因果推断的重要部分,其目标是揭示数据内在的生成机制,并以有向无环图的形式表示.然而关于因果关系发现,现有方法很少考虑到观察数据存在缺失值的情况.在实际场景中,大量数据集存在缺失值,因此估计缺失数据集中的因果关系成为一个亟需解决的问题.本文提出了一种新的基于因果反馈的算法实现关于缺失数据集的因果关系发现,其中生成对抗网络被用于估计缺失数据集的分布,并利用基于Actor-Critic的因果关系发现模块搜索最优因果图,设计了一个基于扩展贝叶斯信息准则的自定义奖励函数,引入分类误差引导模型加速探索过程,提升模型稳定性.在模拟数据和真实数据上进行的大量实验结果表明,本文提出的方法在不同数据缺失率下优于现有方法 .

摘要：为有效解决云计算异构系统中工作流调度问题,提出一种多维QoS约束下的改进遗传算法(QoS-IGA)。建立工作流任务调度模型、多维QoS约束模型和考虑任务完成时间、完成费用及虚拟资源可靠性和负载均衡度的多目标优化函数;提出种群初始化原则,以及不破坏任务间依赖关系的交叉与变异算子,引入模拟退火算法的Metropolis准则避免遗传算法的早熟收敛问题。实验结果表明,QoS-IGA算法有效可行,其收敛速度快,调度效率高。

摘要：观察性研究是流行病学病因研究常用的研究设计,但应用观察性研究进行因果推断时,常由于未经识别、校正的混杂因素的存在,歪曲暴露因素与研究结局之间的真实因果关系。传统混杂因素判断标准在实际应用中不够直观,且有一定局限性,有时甚至出现混杂因素的误判。有向无环图(DAGs)可以直观识别观察性研究中存在的混杂因素,将复杂的因果关系可视化,判断研究中需要校正的最小校正子集,并可避免传统混杂因素判断标准的局限性,结合DAGs还可以指导混杂因素校正方法的选择,在观察性研究中因果推断具有重要指导价值,DAGs在未来的流行病学研究中将有更多的应用。

摘要：现有地质灾害模型多以单灾种为主,部署于各类孤立的业务系统中,较少考虑不同灾害之间的复杂链式关系,难以满足多灾种或复杂灾害链等耦合场景数据-模型资源交互运算的综合分析需求。针对上述问题,本文介绍了一种基于改进有向无环图的滑坡-堰塞湖-洪水灾害链模型服务动态编排方法,设计了显式描述灾害链模型的统一描述模型,提出了灾害链有向无环图构建方法,动态构建面向多任务的灾害信息服务链。最后,以白格滑坡-堰塞湖-洪水灾害链复杂场景为例,验证了本文方法的有效性。