N状态二进制一致性算法设计及其优化

计算机工程与科学

• 计算机网络与信息安全 • 上一篇下一篇

N状态二进制一致性算法设计及其优化

刘华1，杨春曦1，韩光松2，谢可心1

（1.昆明理工大学化学工程学院，云南昆明 650500；2.国防大学联合作战学院，河北石家庄 050084）

收稿日期:2018-03-26 修回日期:2018-11-08 出版日期:2019-06-25 发布日期:2019-06-25
基金资助:
国家自然科学基金(61364002)

Design and optimization of an N-state

binary consensus algorithm

LIU Hua1,YANG Chunxi1,HAN Guangsong2,XIE Kexin1

(1.Faculty of Chemical Engineering,Kunming University of Science and Technology,Kunming 650500;

2.Joint Operations College,PLA National Defense University,Shijiazhuang 050084,China)

Received:2018-03-26 Revised:2018-11-08 Online:2019-06-25 Published:2019-06-25

摘要/Abstract

摘要：

针对二进制一致性算法扩展性差、经验依赖性强的缺点，提出了一种N状态分布式二进制一致性算法。首先，基于Gossip算法的平均一致性思想和轮盘赌思想，更新无线传感器网络状态均值和当前状态均值的偏差程度，计算所有可能更新状态的初始概率分布；然后，利用遗传算法优化初始概率分布，得到准确率较高的最优概率分布。仿真结果表明，在相同状态个数条件下，本文所设计的算法具有更好的准确率和收敛时间。

关键词: 一致性, 遗传算法, 二进制, 优化

Abstract:

Given the disadvantages of poor expansibility and strong experience dependence of existing binary consensus algorithms, we propose an Nstate distributed binary consensus algorithm. Firstly, based on the idea of average consensus of the Gossip algorithm and the roulette idea, the degree of deviation between the state average of the wireless sensor network and the current state average is updated, and the initial probabilistic distribution of all possible update states is calculated. Secondly, the genetic algorithm is applied to optimize the initial probability distribution and obtain the optimal probability distribution with better accuracy. The results show that the proposed algorithm has higher accuracy and shorter convergence time under the same number of states.

Key words: consensus, genetic algorithm, binary, optimization

刘华1，杨春曦1，韩光松2，谢可心1. N状态二进制一致性算法设计及其优化[J]. 计算机工程与科学.

LIU Hua1,YANG Chunxi1,HAN Guangsong2,XIE Kexin1.

Design and optimization of an N-state

binary consensus algorithm

[J]. Computer Engineering & Science.

[1]	陈侨安1，李峰1，曹越1，龙明盛1,2. 基于运行数据分析的Spark任务参数优化[J]. J4, 20160101, 38(01): 11-19.
[2]	周兰凤1，赵鹏飞1，彭俊杰2. 基于云环境下一种小文件传输策略研究[J]. J4, 20160101, 38(01): 20-27.
[3]	施禹, 董攀, 张利军. 一种不规则稀疏矩阵的SpMV方法[J]. 计算机工程与科学, 2024, 46(07): 1175-1184.
[4]	王堃, 李少波, 何玲, 周鹏. 基于改进北方苍鹰优化随机配置网络的网络流量预测模型[J]. 计算机工程与科学, 2024, 46(07): 1245-1255.
[5]	张永智, 何可人, 戈珏. 改进YOLOv7网络在低空遥感图像目标检测中的应用[J]. 计算机工程与科学, 2024, 46(07): 1269-1277.
[6]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[7]	徐慧玲, 刘升, 李安东. 基于双向局部开发和黄金正弦的异构导向的鲸鱼优化算法[J]. 计算机工程与科学, 2024, 46(06): 1128-1140.
[8]	王颍超. 鲸鱼优化算法研究与应用进展[J]. 计算机工程与科学, 2024, 46(05): 881-896.
[9]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[10]	卢明妤, 李陶深, 吕品. 无线携能通信下mmWave协作通信小单元的能效最优策略[J]. 计算机工程与科学, 2024, 46(04): 626-634.
[11]	梁昔明, 史兰艳, 龙文. 基于混合策略改进的蛇优化算法及其应用[J]. 计算机工程与科学, 2024, 46(04): 693-706.
[12]	刘向举, 李金贺, 方贤进, 王宇. 移动边缘计算中计算卸载与资源分配联合优化策略[J]. 计算机工程与科学, 2024, 46(03): 416-426.
[13]	刘振超, 苑迎春, 王克俭, 何晨. 融合特征权重与改进粒子群优化的特征选择算法[J]. 计算机工程与科学, 2024, 46(02): 282-291.
[14]	李雨恒, 高尚, 孟祥宇. 基于精英引导的改进哈里斯鹰优化算法[J]. 计算机工程与科学, 2024, 46(02): 363-373.
[15]	季俊豪, 张玉书, 赵若宇, 温文媖, 董理. 基于智能进化算法的可见水印对抗攻击[J]. 计算机工程与科学, 2024, 46(01): 63-71.

N状态二进制一致性算法设计及其优化

Design and optimization of an N-state

binary consensus algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价