摘要：针对海洋捕食者算法在面对复杂函数和工程设计优化问题时存在的自适应能力有限、寻优精度有时较低、局部桎梏概率较高等缺点,提出一种新的高效自适应海洋捕食者算法.首先在海洋记忆存储阶段引入学习自动机引导的教与学搜索机制,更好地平衡算法在不同迭代时期对探索和挖掘能力的不同需求;然后在局部开发阶段,引入对数螺旋探索机制,加强算法在最优解附近的精细挖掘能力,进一步提高收敛精度;最后在算法中每次迭代末尾处加入改进的自适应相对反射策略,提升种群跳出局部最优的能力,降低局部桎梏概率.为了分析和验证该改进算法的性能,将其和6种代表性算法在进化计算大会(CEC)2017测试套件上进行100维的函数极值测试,并在4个具有挑战性的工程设计优化问题上进行测试.测试结果表明在求解多维复杂函数和工程设计优化问题时,本文改进算法的寻优精度、收敛性能和求解稳定性明显优于其他6种代表性算法,尤其在高维复杂函数下,其寻优性能的优越性更为显著.

摘要：物联网多样性终端设备在计算、存储、通信方面的异构性导致联邦学习效率不足。针对上述联邦训练过程中面临的问题,基于代理选举思路,提出了一种高效联邦学习算法。设计了基于马氏距离的代理节点选举策略,将设备的计算能力与闲置时长作为选举因素,选举性价比高的设备作为代理节点,充分发挥设备计算能力。进一步设计了基于代理节点的新型云边端联邦学习架构,提升了异构设备之间的联邦学习效率。基于MNIST和CIFAR-10公开数据集与智能家居设备真实数据的实验表明,该联邦学习方法的效率提高了22%。

摘要：权益证明共识算法(PoS)虽然具有不需要花费算力的优势,然而由于权益越高的节点获得记账权的可能性越大,因此记账节点具有很强的确定性且容易富者愈富,一旦权益最高的节点无法正常记账出块,其余节点仍要重新竞争记账权,此时系统停滞的概率急剧增大。针对这两个缺陷,提出了一种基于动态分组的重要性共识优化算法(DPoI)。首先,算法引入重要性评估方案,依据节点活跃度、交易占比、寻找随机数的时间和信誉度计算每轮中节点的重要性分数iValue;然后,利用斐波那契数列将iValue相近的节点动态分组,组内借鉴DPoS投票策略排名充当备选节点,形成灾备方案,从而有效避免系统停滞;最后,设计了二进制指数退避算法来快速剔除系统中的恶意节点,从而有效增强了区块链系统的安全性和稳定性。实验结果表明,DPoI出块的速度约为PoI的6倍,大大加快了出块速度。当恶意节点占比达到70%时,二进制指数退避算法仍能有效剔除恶意节点,系统的可靠性得到了充分保障。

摘要：近年来,智能终端的快速普及极大地推动了集数据采集、分析、处理于一体的群智感知服务的发展。隐私保护作为保障服务安全运行和鼓励感知用户参与的必要手段,成为需要解决的首要科学问题。文中首先从群智感知的全生命周期出发,在描述其主要组成部分和业务流程之后,再从群智感知场景对隐私保护的特有需求出发,对隐私保护的定义和衡量指标进行讨论,并对现有文献设计的隐私保护机制所侧重的不同阶段进行分类,从隐私保护范围、保护强度、感知用户身份可追溯、感知数据损失和感知终端能耗的角度对文献使用的隐私保护机制进行讨论。在此基础上对文献使用的实验数据集进行梳理,最后结合群智感知应用的发展需求和全球对隐私保护的监管要求提出未来研究面临的挑战。