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]	徐学政, 方健, 梁少杰, 王璐, 黄安文, 隋京高, 李琼. Rubyphi:面向gem5的Cache一致性协议自动化模型检验[J]. 计算机工程与科学, 2025, 47(7): 1141-1151.
[4]	刘慧1, 2, 侯同定1, 2, 赵博3, 4, 郭涵彬1, 2. 模糊测试用例生成技术研究综述[J]. 计算机工程与科学, 2025, 47(7): 1244-1261.
[5]	张琪1, 顾腾达1, 任宇辰1, 季津琪2, 陈海涛1. 多策略改进的蝴蝶优化算法[J]. 计算机工程与科学, 2025, 47(7): 1312-1320.
[6]	明天波1, 刘必慰1, 2, 胡春媚1, 2, 吴振宇1, 2, 宋睿强1, 2, 宋芳芳1. 一种多端口寄存器文件的全自动物理编译器[J]. 计算机工程与科学, 2025, 47(6): 976-987.
[7]	周丰峻, 康怀强, 高伸, 李锋, 孙云厚, 高航, 马芃晟. 基于改进的YOLOv8模型对地下工程混凝土裂纹的检测识别[J]. 计算机工程与科学, 2025, 47(6): 1079-1089.
[8]	杨春苗, 王杨, 韩力英, 孙赫彬. 基于生成对抗网络的跨模态图像情感感知描述[J]. 计算机工程与科学, 2025, 47(5): 894-901.
[9]	班琪, 云静, 邓磊, . 低资源场景下的汉语—传统蒙古语跨语言摘要方法研究[J]. 计算机工程与科学, 2025, 47(5): 931-939.
[10]	陈文锦. QTorch:基于独立的量子程序设计语言的量子-经典混合机器学习框架[J]. 计算机工程与科学, 2025, 47(3): 412-421.
[11]	安昕辰. DSP处理器二级缓存的结构优化研究[J]. 计算机工程与科学, 2025, 47(1): 10-17.
[12]	沈洁, 龙标, 黄春, 唐滔, 彭林. 面向向量部件的指数和对数函数优化方法[J]. 计算机工程与科学, 2025, 47(1): 18-26.
[13]	章政, 夏小云, 陈泽丰, 向毅. 融合强化学习的分阶段策略求解旅行背包问题[J]. 计算机工程与科学, 2025, 47(1): 140-149.
[14]	高纪元, 刘杰, 陈昌盛, 李伟, 刘影, 杨靖, . 混合策略改进的蜣螂优化算法[J]. 计算机工程与科学, 2025, 47(1): 171-179.
[15]	曹博钧, 钱入意, 徐远超. 一种面向计算图的及时内存重用算法[J]. 计算机工程与科学, 2024, 46(9): 1539-1546.

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