任务分配是高性能计算领域中的一个广泛研究的经典问题,然而,传感器网络资源严重受限,现有的算法不能直接应用.提出一种基于遗传算法的嵌套优化技术,在多跳聚簇网络中进行能源高效的任务分配.一般化的优化目标既可以满足应用的实时性要...任务分配是高性能计算领域中的一个广泛研究的经典问题,然而,传感器网络资源严重受限,现有的算法不能直接应用.提出一种基于遗传算法的嵌套优化技术,在多跳聚簇网络中进行能源高效的任务分配.一般化的优化目标既可以满足应用的实时性要求,也可以实现能源的高效性.优化解通过结合基于遗传算法的任务映射、路由路径分配、任务调度以及动态电压调制(dynamic voltage scaling,简称DVS)这几个过程而获得.随机产生任务图模拟实验,结果表明,嵌套优化技术与随机优化技术相比,具有较好的实时性和能源高效性.展开更多
兴趣点(POI,point of interest)推荐是位置社交网络(LBSN,location-based social network)重要的个性化服务,广泛用于热门景点推荐和旅游线路规划等。传统的基于协同过滤的推荐算法根据用户相似性和位置相似性进行推荐,未考虑推荐用户...兴趣点(POI,point of interest)推荐是位置社交网络(LBSN,location-based social network)重要的个性化服务,广泛用于热门景点推荐和旅游线路规划等。传统的基于协同过滤的推荐算法根据用户相似性和位置相似性进行推荐,未考虑推荐用户与目标用户间的信任关系,而信任关系有助于提高推荐系统的准确性、顽健性和用户满意度。首先分析了信任与不信任关系的传播特征,然后给出了信任度的表示和计算方法,最后提出了融合用户相似性、地理位置相似性和信任关系的混合推荐模型。实验结果表明,与传统协同过滤推荐方法相比,融合信任关系的混合推荐方法显著提高了推荐结果的准确性和用户满意度。展开更多
基金Supported by the Key Program of the National Natural Science Foundation of China under Grant No.60533110(国家自然科学基金重点项目)the National Natural Science Foundation of China under Grant No.60473075(国家自然科学基金)+3 种基金the National Grand Fundamental Research973Program of China under Grant No.2006CB303000(国家重点基础研究发展计划(973))the Key Program of the Natural Science Foundation of Heilongjiang Province of China under Grant No.ZJG03-05(黑龙江省自然科学基金重点项目)the Program for New Century Excellent Talents in University of China under Grant No.NCET-05-0333(新世纪优秀人才支持计划)the Heilongjiang Province Scientific and Technological Special Fund for Young Scholars of China under Grant No.QC06C033(黑龙江省青年科技专项资金)
文摘任务分配是高性能计算领域中的一个广泛研究的经典问题,然而,传感器网络资源严重受限,现有的算法不能直接应用.提出一种基于遗传算法的嵌套优化技术,在多跳聚簇网络中进行能源高效的任务分配.一般化的优化目标既可以满足应用的实时性要求,也可以实现能源的高效性.优化解通过结合基于遗传算法的任务映射、路由路径分配、任务调度以及动态电压调制(dynamic voltage scaling,简称DVS)这几个过程而获得.随机产生任务图模拟实验,结果表明,嵌套优化技术与随机优化技术相比,具有较好的实时性和能源高效性.
文摘兴趣点(POI,point of interest)推荐是位置社交网络(LBSN,location-based social network)重要的个性化服务,广泛用于热门景点推荐和旅游线路规划等。传统的基于协同过滤的推荐算法根据用户相似性和位置相似性进行推荐,未考虑推荐用户与目标用户间的信任关系,而信任关系有助于提高推荐系统的准确性、顽健性和用户满意度。首先分析了信任与不信任关系的传播特征,然后给出了信任度的表示和计算方法,最后提出了融合用户相似性、地理位置相似性和信任关系的混合推荐模型。实验结果表明,与传统协同过滤推荐方法相比,融合信任关系的混合推荐方法显著提高了推荐结果的准确性和用户满意度。
