SPgydF4y2Ba 科学的规划gydF4y2Ba 1875 - 919 xgydF4y2Ba 1058 - 9244gydF4y2Ba HindawigydF4y2Ba 10.1155 / 2017/2056501gydF4y2Ba 2056501gydF4y2Ba 研究文章gydF4y2Ba 基于节点的路由优化算法压缩在大数据环境gydF4y2Ba 杨gydF4y2Ba 总裁gydF4y2Ba 1gydF4y2Ba 陈gydF4y2Ba LiangminggydF4y2Ba 2gydF4y2Ba 王gydF4y2Ba NingweigydF4y2Ba 2gydF4y2Ba http://orcid.org/0000 - 0002 - 5525 - 904 xgydF4y2Ba 廖gydF4y2Ba 参会gydF4y2Ba 2gydF4y2Ba 赵gydF4y2Ba WenbinggydF4y2Ba 1gydF4y2Ba 继续教育学院gydF4y2Ba 云南开放大学gydF4y2Ba 云南gydF4y2Ba 中国gydF4y2Ba crtvu.edu.cngydF4y2Ba 2gydF4y2Ba 学校的软件gydF4y2Ba 中南大学gydF4y2Ba 湖南gydF4y2Ba 中国gydF4y2Ba csu.edu.cngydF4y2Ba 2017年gydF4y2Ba 26gydF4y2Ba 12gydF4y2Ba 2017年gydF4y2Ba 2017年gydF4y2Ba 26gydF4y2Ba 08年gydF4y2Ba 2017年gydF4y2Ba 05年gydF4y2Ba 12gydF4y2Ba 2017年gydF4y2Ba 26gydF4y2Ba 12gydF4y2Ba 2017年gydF4y2Ba 2017年gydF4y2Ba 版权©2017杨总裁et al。gydF4y2Ba 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。gydF4y2Ba

最短路径问题是一个经典的问题。困难仍然涉及大数据环境下更是如此。当前对最短路径问题的研究主要集中在寻求从出发点到目的地的最短路径,与顶点已经给出;但最短路径的研究在一个有限的时间和有限的节点通过很少,然而,这样的问题不可能在现实生活中更常见。在本文中,我们提出几个这个问题的时间优化算法。关于传统的回溯和不同的节点压缩方法,我们首先提出一个条件的改进回溯算法在大数据环境下,三种类型的基于节点的优化算法压缩涉及大数据,以实现的路径选择起点通过一个给定的一组节点达到在有限的时间内结束。因此,问题涉及不同的数据量和网络结构的复杂性和采用适当的算法可以解决。gydF4y2Ba

 1。介绍gydF4y2Ba

图论的单源最短路径问题是非常典型的问题,享受广泛应用在现实生活中,如网络路由路径选择、车辆导航、和旅游路线。经典的算法来解决此类问题是迪杰斯特拉算法gydF4y2Ba 1gydF4y2BaDijkstra算法提出的)1959年,很多研究人员关注这个研究领域gydF4y2Ba 2gydF4y2Ba- - - - - -gydF4y2Ba 4gydF4y2Ba]。然而,Dijkstra算法无法解决问题,需要路线从起点,通过指定的中间节点,最后到达destination-far更实际的问题例子如下:gydF4y2Ba

(gydF4y2Ba 1gydF4y2Ba )gydF4y2Ba “邮递员问题”:邮递员从邮局,向居民发送信件,和回家,我们需要找到邮递员在给定时间内的最短路径。gydF4y2Ba

(gydF4y2Ba 2gydF4y2Ba )gydF4y2Ba “有限的时间问题”:活动设计在有限的时间内,工作人员跟踪同意使用深度传感器提出了,他们小心翼翼地提醒违规活动的gydF4y2Ba 5gydF4y2Ba),和一个协作智能手机任务模型,提出了叫做开始智能感知任务模型(CMST) [gydF4y2Ba 6gydF4y2Ba]。gydF4y2Ba

(gydF4y2Ba 3gydF4y2Ba )gydF4y2Ba “旅行问题”:计算一个旅游路线的旅行者在指定的时间内,谁需要从指定的位置,通过指定的景点,并访问给定的地方。总距离最短的或总费用应该是最低的gydF4y2Ba 7gydF4y2Ba,gydF4y2Ba 8gydF4y2Ba]。gydF4y2Ba

(gydF4y2Ba 4gydF4y2Ba )gydF4y2Ba “压缩问题”:提出了一种新的压缩方法对于大型数据环境,可以有效地减少单个节点的数据压缩和确保数据的质量gydF4y2Ba 9gydF4y2Ba]。由于大量的web服务的数据,数据驱动的方案是基于内核至少意味着广场(荷航)算法(gydF4y2Ba 10gydF4y2Ba]。为了压缩输入,进一步改善学习效果,基于一个新的QKLMS entropy-guided学习(gydF4y2Ba 11gydF4y2Ba]。gydF4y2Ba

(gydF4y2Ba 5gydF4y2Ba )gydF4y2Ba “网络路由问题”:找到一个高效的路由算法来解决无线传感器网络的路径优化问题,考虑到一些实际因素的影响,如节点的能量消耗和恢复时间的路由gydF4y2Ba 12gydF4y2Ba- - - - - -gydF4y2Ba 14gydF4y2Ba]。gydF4y2Ba

(gydF4y2Ba 6gydF4y2Ba )gydF4y2Ba “拉盖尔神经网络”[gydF4y2Ba 15gydF4y2Ba]:它打算提出一种新颖的自动学习计划来提高跟踪效率的同时保持或提高跟踪精度的数据。方案的核心战略是拉盖尔的设计基于神经网络- (LaNN)近似动态规划(ADP)。gydF4y2Ba

(gydF4y2Ba 7gydF4y2Ba )gydF4y2Ba 传感器节点的能量”(gydF4y2Ba 16gydF4y2Ba:小说prediction-based数据融合方案使用灰色模型(GM)和最优裁剪极端学习机(OP-ELM)提出。提出的数据融合方案称为GM-OP-ELM使用双预测机制保持预测数据系列水槽节点和传感器节点同步。gydF4y2Ba

这些问题可以概括为一个图论问题;在加权有向图,路线从一个起点,通过指定的中间节点,到达目的地。应在指定的时间内寻找有效路径,这些路径的重量计算,并选择一条最低的重量作为最终结果。gydF4y2Ba

解决这类问题,我们可以遍历整个图并找到最短路径,尽管理论上这遍历的算法最终将解决最优解;然而,时间复杂度仍然很高。针对这一点,本文提出一种节点压缩路由算法,考虑时间限制。这项研究关注节点压缩和有用的信息获得的路径找到适用于搜索条件,调整子节点的顺序和其他方法。此外,传统算法时间复杂度高,为这类问题提供一个有效的解决方案。gydF4y2Ba

 2。问题描述gydF4y2Ba 2.1。问题的数学模型gydF4y2Ba

给定一个加权图gydF4y2Ba GgydF4y2Ba VgydF4y2Ba ,gydF4y2Ba EgydF4y2Ba 在哪里gydF4y2Ba VgydF4y2Ba =gydF4y2Ba {gydF4y2Ba 1、2gydF4y2Ba ,gydF4y2Ba 3gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba ngydF4y2Ba }gydF4y2Ba 是顶点集,gydF4y2Ba EgydF4y2Ba =gydF4y2Ba egydF4y2Ba 我gydF4y2Ba jgydF4y2Ba =gydF4y2Ba (gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba )gydF4y2Ba ∣gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba ≠gydF4y2Ba jgydF4y2Ba 是边集。gydF4y2Ba dgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba ≠gydF4y2Ba jgydF4y2Ba 顶点的重量吗gydF4y2Ba 我gydF4y2Ba 来gydF4y2Ba jgydF4y2Ba ,在那里gydF4y2Ba dgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba >gydF4y2Ba 0gydF4y2Ba 和gydF4y2Ba dgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ≠gydF4y2Ba ∞gydF4y2Ba ;而gydF4y2Ba dgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 和gydF4y2Ba dgydF4y2Ba jgydF4y2Ba 我gydF4y2Ba 可能是不平等的,gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ′gydF4y2Ba ,gydF4y2Ba 2gydF4y2Ba ′gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba ngydF4y2Ba ′gydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba 。我们需要找到的序列gydF4y2Ba 一个gydF4y2Ba =gydF4y2Ba {gydF4y2Ba 一个gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 一个gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba 一个gydF4y2Ba 3gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba }gydF4y2Ba 在给定的时间内,gydF4y2Ba 年代gydF4y2Ba 是起点,gydF4y2Ba tgydF4y2Ba 是目的地,gydF4y2Ba 年代gydF4y2Ba ,gydF4y2Ba tgydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba 和gydF4y2Ba 年代gydF4y2Ba ,gydF4y2Ba tgydF4y2Ba 不属于gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba 所有的元素gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba 必须出现在序列gydF4y2Ba 一个gydF4y2Ba ,使所有边的权重的和路径形成的序列gydF4y2Ba 一个gydF4y2Ba 最小和循环是不允许在任何路径。问题的数学模型定义如下。gydF4y2Ba

条件下的gydF4y2Ba TgydF4y2Ba 我gydF4y2Ba 米gydF4y2Ba egydF4y2Ba =gydF4y2Ba tgydF4y2Ba ,解决gydF4y2Ba 最小值gydF4y2Ba ⁡gydF4y2Ba CgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba ≠gydF4y2Ba jgydF4y2Ba dgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ×gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 为了定义的起点gydF4y2Ba 年代gydF4y2Ba 和目标gydF4y2Ba tgydF4y2Ba 并确保只有一个在边缘和条边每个顶点的边缘除了起点和目的地的路径;我们做出以下约束:gydF4y2Ba (1)gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 边缘gydF4y2Ba egydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 沿着路径结果吗gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba 边缘gydF4y2Ba egydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 的结果路径gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 是0或1的整数,1代表优势gydF4y2Ba egydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 结果路径,0代表边缘gydF4y2Ba egydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 结果路径,gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 用于计算的重量产生的路径。gydF4y2Ba (2)gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba ≠gydF4y2Ba jgydF4y2Ba XgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba 我gydF4y2Ba ≠gydF4y2Ba jgydF4y2Ba 意味着结果路径不能包含起始节点和结束节点的边是相同的节点,这意味着在中间节点上设置结果路径只能发生一次,必须发生一次。gydF4y2Ba (3)gydF4y2Ba ∑gydF4y2Ba XgydF4y2Ba 年代gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba ≠gydF4y2Ba 年代gydF4y2Ba 。gydF4y2Ba

公式定义了一条边,从起始节点应该出现在路径的结果,和起始节点优势不能结束节点。gydF4y2Ba (4)gydF4y2Ba ∑gydF4y2Ba XgydF4y2Ba jgydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba ≠gydF4y2Ba 年代gydF4y2Ba 。gydF4y2Ba

这个公式的起始节点的限制gydF4y2Ba 年代gydF4y2Ba 只能起始节点优势,它不能被任何其他类型的节点,如结束节点或中间节点。gydF4y2Ba (5)gydF4y2Ba ∑gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba ≠gydF4y2Ba tgydF4y2Ba 。gydF4y2Ba

公式限制,结果路径结束,结束节点必须有一个优势gydF4y2Ba tgydF4y2Ba ,这意味着无法从终点开始gydF4y2Ba tgydF4y2Ba 。gydF4y2Ba (6)gydF4y2Ba ∑gydF4y2Ba XgydF4y2Ba tgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba ≠gydF4y2Ba tgydF4y2Ba 。gydF4y2Ba

公式限制,由此产生的路径不能包含边缘开始和结束节点gydF4y2Ba tgydF4y2Ba ;也就是说,结束节点gydF4y2Ba tgydF4y2Ba 只能作为最后的节点生成的路径。gydF4y2Ba (7)gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba ∈gydF4y2Ba VgydF4y2Ba XgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 一个gydF4y2Ba 。gydF4y2Ba

这个公式定义的边缘产生的路径可以- 1的节点数量;与无关,由此产生的路径不能出现边缘和循环。gydF4y2Ba

为方便后续的描述,下列两个定义。gydF4y2Ba

定义1(关键节点)。gydF4y2Ba

的节点gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba 包括其他附着在节点除了起点gydF4y2Ba 年代gydF4y2Ba 和目的地gydF4y2Ba tgydF4y2Ba 。gydF4y2Ba

 定义2(自由节点)。gydF4y2Ba

除了所有其他节点的关键节点。gydF4y2Ba

 2.2。简单的例子gydF4y2Ba

在加权图gydF4y2Ba GgydF4y2Ba 如图gydF4y2Ba 1gydF4y2Ba可以发现,四个节点,即0,1,2,3;因此gydF4y2Ba VgydF4y2Ba =gydF4y2Ba {gydF4y2Ba 0 1gydF4y2Ba ,gydF4y2Ba 2、3gydF4y2Ba }gydF4y2Ba ,有七个边缘0,1,2,3,4,5,6,所以gydF4y2Ba EgydF4y2Ba =gydF4y2Ba {gydF4y2Ba 0 1gydF4y2Ba ,gydF4y2Ba 2、3gydF4y2Ba ,gydF4y2Ba 4、5gydF4y2Ba ,gydF4y2Ba 6gydF4y2Ba }gydF4y2Ba 边的重量gydF4y2Ba {gydF4y2Ba dgydF4y2Ba 01gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba dgydF4y2Ba 02gydF4y2Ba =gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba dgydF4y2Ba 03gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba dgydF4y2Ba 21gydF4y2Ba =gydF4y2Ba 3gydF4y2Ba ,gydF4y2Ba dgydF4y2Ba 31日gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba dgydF4y2Ba 23gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba dgydF4y2Ba 32gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba }gydF4y2Ba 。找到一个路径通过顶点2和3,从0到1gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba =gydF4y2Ba {gydF4y2Ba 2、3gydF4y2Ba }gydF4y2Ba 。两条路径可以找到解决这一问题:0→2→3→1和0→3→2→1。自边缘第一路线的重量是4,和其他的重量是5,最优解应该是0→2→3→1。gydF4y2Ba

问题的一个简单的例子。gydF4y2Ba

 3所示。改进回溯算法:IBAgydF4y2Ba

如果使用回溯法来解决这个问题,从理论上说,我们可以有最优解,当然其他的解决方案。然而,回溯方法不能有效地使用信息构建在搜索过程或最优解,为项目下一步的优化条件奠定基础搜索。在本节中,提出一种改进的回溯法(OPT-Backtrack算法)基于传统回溯的方法。新IBA从先前的搜索中检索已知信息和有效的结果并将它们添加到下一个搜索规则之前从其他节点搜索。通过这种方式,可以提高搜索方法和算法,因为现有的信息和可能的结果是考虑更高的搜索效率。gydF4y2Ba

改进回溯算法的加法规则如下所示。gydF4y2Ba

规则1。gydF4y2Ba

如果下一个节点是目的,然而当前路径没有附着在那些经历了每一个节点的节点集,这条路将追溯并开始寻找下一个节点。这条规则可以避免许多无效的解决方案从而提高算法的生成效率。gydF4y2Ba

 规则2。gydF4y2Ba

如果当前路径的重量和到下一个节点的边的权值大于或等于最低重量可用的解决方案,将跟踪的路径返回,继续寻找下一个节点。如果当前路径被发现的当前重量和边缘到下一个节点的重量不超过现有的重量,然后不需要寻找下一个节点,因为最初的问题是找到的最小重量的道路。gydF4y2Ba

 规则3。gydF4y2Ba

对于那些nondestination节点没有子节点,我们应该避免进入搜索。如果不是目的地和一个节点没有子节点,路径不得继续;因此,没有必要这样的搜索在节点或,而他们可以简单地从图中删除。gydF4y2Ba

的关键改进回溯算法的伪代码所示算法gydF4y2Ba 1gydF4y2Ba。gydF4y2Ba

<大胆>算法1:< /大胆>的关键改进回溯算法的伪代码。gydF4y2Ba

Improved-Backtrack (gydF4y2Ba GgydF4y2Ba )gydF4y2Ba

1gydF4y2Ba 节点=开始gydF4y2Ba

2gydF4y2Ba 虽然usedtime tgydF4y2Ba & &gydF4y2Ba

(节点!=end&& ! 一个gydF4y2Ba ′gydF4y2Ba ∈gydF4y2Ba节点)gydF4y2Ba

3gydF4y2Ba nodes.add(节点)gydF4y2Ba

4gydF4y2Ba 记录信息包括gydF4y2Ba

路线和weigthsgydF4y2Ba

5gydF4y2Ba 为gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 对children.lengthgydF4y2Ba

6gydF4y2Ba 添加搜索规则gydF4y2Ba

7gydF4y2Ba Improvedacktrack(儿童gydF4y2Ba 我gydF4y2Ba ])gydF4y2Ba

8gydF4y2Ba 如果结果! = null -gydF4y2Ba BgydF4y2Ba

9gydF4y2Ba 返回结果和重量gydF4y2Ba

1gydF4y2Ba 0gydF4y2Ba 其他的gydF4y2Ba

1gydF4y2Ba 1gydF4y2Ba 返回NAgydF4y2Ba

4所示。节点搜索算法为基础的压缩gydF4y2Ba

虽然可以提高搜索效率改进回溯算法在一定程度上,负面的复杂性提高回溯方法也将增加作为图的规模和解决方案领域扩张。降低算法复杂度,提出了一种新的算法,基于节点压缩搜索算法:机子。gydF4y2Ba

随着图的规模增加,相应的路径将扩大。同样的问题是找到一条从起始点,达到一个中间节点中间和最终的目的地。降低算法复杂性,我们可能图进行预处理。方法是压缩的总数节点,删除无用的节点和低价值路径片段,然后保存的唯一路径是必要的简化整个图;我们的目标是压缩解决方案域并最终提高搜索效率。gydF4y2Ba

4.1。节点压缩算法(NCA)gydF4y2Ba

该算法适用于以下情况:如果一个节点是相对偏远,只有到达另一个节点,也就是说,一个节点后只有一个孩子节点,在这种情况下,唯一的子节点路由搜索会下来,将重复这个哪里有这种节点在搜索过程中。我们要做的是避免这种情况的简单和重复计算。gydF4y2Ba

解决这个问题是节点压缩算法(NCA)。NCA记录的路径通过上述节点算法时第一次申请,并将删除节点但保留路径信息;因此,当下一次搜索仍在这个节点,只存储路径信息将被用来避免重复计算。因此,节点的总数是压缩和减少,使其更容易寻找更好的解决方案。gydF4y2Ba

流程如图gydF4y2Ba 2gydF4y2Ba。gydF4y2Ba

压缩搜索算法的基本思想。gydF4y2Ba

在图gydF4y2Ba 2gydF4y2Ba节点1是紧随其后的是唯一的子节点2,体重从节点1到2是2,路径标记为1;压缩过程意味着传输节点1信息节点2节点2成为节点的直接子节点0。如果压缩,重量从节点0到2是3,从0到2节点和路径”gydF4y2Ba 0gydF4y2Ba ∣gydF4y2Ba 1gydF4y2Ba ”。这意味着删除节点1,而路径信息从节点1到2只保留节点2。下一个节点搜索算法达到0时,信息保留在节点2可以直接使用没有回到节点1。因此减少和路径的节点数量将不会再次搜索。gydF4y2Ba

 4.2。完成压缩算法:CCAgydF4y2Ba

由于节点压缩算法(NCA)主要用于解决自由节点只有一个子节点,如果这些节点是许多图,算法效率会显著提高。然而,如果此类节点的规模有限,基本压缩算法将少或没有影响,这限制了压缩搜索算法的有效性。gydF4y2Ba

鉴于NCA的问题,提出了一种更高效的压缩策略,压缩所有自由节点图中减少图像的复杂性,提高了搜索效率。gydF4y2Ba

问题是找到一个noncircle从开始节点到目标节点的路径,通过中间节点集的权重的边缘路径尽可能小。当节点的可达性很复杂,将会有更多的可能的路径到达节点的一个,另一个。因为这个问题需要中间节点集gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba 被传递,在一组,有多个可及节点之间的路径,然而,只会选择一条路径设置为一个片段内的最终解决方案,因此,我们应该找出所有可获得的路径而保存路径最小的重量。搜索算法达到相应的节点,有效途径将从存储中检索信息而原始节点路径可以从图中删除,减少无用的节点和重复计算。与此压缩方法,只有起点,目的地,中间节点集,和他们的相互联系的路径信息仍将是,简化整个图在很大程度上与优秀的压缩效率。gydF4y2Ba

就像图gydF4y2Ba 1gydF4y2Ba,它可以被视为一个简化的图,只有起点,目的地,中间节点集。通过这种方式,我们可以通过选择可以实现良好的压缩效率路径最小的路径。gydF4y2Ba

 4.3。改善完成压缩算法:ICCAgydF4y2Ba

为了进一步提高压缩效率,本节继续调整和完善节点压缩的三个步骤。gydF4y2Ba

4.3.1。调整子节点按重量gydF4y2Ba

在搜索过程中,算法可以基于可行的解决方案(见规则的重量gydF4y2Ba 2gydF4y2BaIBA)。第一子节点的顺序是根据重量大小排序从小型到大型。算法搜索路径时,子节点携带小重量与优先级,这样搜索路径较小的体重很容易获得。由于这种搜索策略,可以跳过其他路径与更大的重量。这无疑降低了不必要的搜索过程,提高效率。gydF4y2Ba

 4.3.2。调整子节点顺序的序列通过节点(从小型到大型)gydF4y2Ba

从概率的角度来看,当一个新节点插入到图,节点的路径传递越多,越有可能重复路径将生成。因此,重量相同的情况下,用更少的子节点的节点将优先从下面路径会让更少的重复尝试,使其更容易找到解决路径。gydF4y2Ba

 4.3.3。删除子节点与更大的重量gydF4y2Ba

这个策略只适用于高复杂性的图表。压缩后,剩余的节点将连接一个和另一个形成路径;图的复杂性可能仍然很高。会有一条路径的情况可能是一个有效的解决方案,但节点通过携带过多的重量,所以道路不会被认为是最终的解决方案。在这种情况下,节点删除重会降低图像的复杂性和提高搜索效率。此外,它将节省时间和找出一种更好的解决方案权重较低的路径。gydF4y2Ba

通过分析,IBA的空间复杂性gydF4y2Ba OgydF4y2Ba (gydF4y2Ba ngydF4y2Ba )gydF4y2Ba NCA空间的复杂性,CCA, ICCAgydF4y2Ba OgydF4y2Ba (gydF4y2Ba ngydF4y2Ba 2gydF4y2Ba )gydF4y2Ba ,在那里gydF4y2Ba ngydF4y2Ba 图中节点的总数。ICCA可以快速选择最短路径根据节点和节点的权重较小的权重和删除节点权重较大的压缩大型网络效率。gydF4y2Ba

 5。实验分析gydF4y2Ba 5.1。数据描述和分析gydF4y2Ba

不失一般性,实验数据的情况下gydF4y2Ba 2016华为软件精英竞争gydF4y2Ba;这些引用的例子是基于网络拓扑图形华为的网络路由器,交换机等网络元素时,华为建立了自己的网络设施。gydF4y2Ba

5.1.1。问题描述gydF4y2Ba

给定一个加权图gydF4y2Ba GgydF4y2Ba =gydF4y2Ba (gydF4y2Ba VgydF4y2Ba ,gydF4y2Ba EgydF4y2Ba )gydF4y2Ba ,gydF4y2Ba VgydF4y2Ba 是顶点集,gydF4y2Ba EgydF4y2Ba 定向边缘设置,每个导演边缘包含了重量。对于一个给定的顶点gydF4y2Ba 年代gydF4y2Ba ,gydF4y2Ba tgydF4y2Ba ,一个子集gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba 的gydF4y2Ba VgydF4y2Ba ,找个nonringing定向路径gydF4y2Ba PgydF4y2Ba 从gydF4y2Ba 年代gydF4y2Ba 来gydF4y2Ba tgydF4y2Ba 在给定的时间内,gydF4y2Ba PgydF4y2Ba 经过所有的顶点gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba (不需要传递的顺序),使所有定向边缘路径的总重量gydF4y2Ba PgydF4y2Ba 尽可能小。gydF4y2Ba

 5.1.2中。数据描述gydF4y2Ba

(gydF4y2Ba 1gydF4y2Ba )gydF4y2Ba 图中所有的重量都是整数gydF4y2Ba (gydF4y2Ba 1、20gydF4y2Ba ]gydF4y2Ba 。gydF4y2Ba

(gydF4y2Ba 2gydF4y2Ba )gydF4y2Ba 任何定向边的起点不是目的地。gydF4y2Ba

(gydF4y2Ba 3gydF4y2Ba )gydF4y2Ba 定向边缘连接顶点的数量gydF4y2Ba 一个gydF4y2Ba 到顶点gydF4y2Ba BgydF4y2Ba 可能不止一个,他们的体重可能会或可能不会是相同的。gydF4y2Ba

(gydF4y2Ba 4gydF4y2Ba )gydF4y2Ba 有向图的顶点的总数不会超过600,和每个顶点的数量有关学位(定向边的数量和这些点为起点)不超过8。gydF4y2Ba

(gydF4y2Ba 5gydF4y2Ba )gydF4y2Ba 元素的数量gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba 不超过50岁。gydF4y2Ba

(gydF4y2Ba 6gydF4y2Ba )gydF4y2Ba nonringing定向路径gydF4y2Ba PgydF4y2Ba 从gydF4y2Ba 年代gydF4y2Ba 来gydF4y2Ba tgydF4y2Ba ,在那里gydF4y2Ba PgydF4y2Ba 是一个有向连接路径组成的一系列定向边的gydF4y2Ba 年代gydF4y2Ba 来gydF4y2Ba tgydF4y2Ba ,不允许重复的路径。gydF4y2Ba

(gydF4y2Ba 7gydF4y2Ba )gydF4y2Ba 重量的路径权重的总和的定向边缘路径。gydF4y2Ba

 5.1.3。数据格式gydF4y2Ba

(gydF4y2Ba 1gydF4y2Ba )gydF4y2Ba 图中,每一行包含以下信息:gydF4y2Ba

{gydF4y2Ba lgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba kgydF4y2Ba 我gydF4y2Ba DgydF4y2Ba ,gydF4y2Ba 年代gydF4y2Ba ogydF4y2Ba ugydF4y2Ba rgydF4y2Ba cgydF4y2Ba egydF4y2Ba 我gydF4y2Ba DgydF4y2Ba ,gydF4y2Ba DgydF4y2Ba egydF4y2Ba 年代gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba 一个gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba ngydF4y2Ba 我gydF4y2Ba DgydF4y2Ba ,gydF4y2Ba CgydF4y2Ba ogydF4y2Ba 年代gydF4y2Ba tgydF4y2Ba }gydF4y2Ba ,gydF4y2Ba

LinkID定向边缘指数,SourceID是指数的起始顶点定向边缘,DestinationID指数的目标定向边的顶点,成本是定向边缘的重量。定向边的顶点的索引,编号从0(不一定连续,但确保索引不重复)。gydF4y2Ba

(gydF4y2Ba 2gydF4y2Ba )gydF4y2Ba 路径信息包括gydF4y2Ba

{gydF4y2Ba 年代gydF4y2Ba ogydF4y2Ba ugydF4y2Ba rgydF4y2Ba cgydF4y2Ba egydF4y2Ba 我gydF4y2Ba DgydF4y2Ba ,gydF4y2Ba DgydF4y2Ba egydF4y2Ba 年代gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba 一个gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba ngydF4y2Ba 我gydF4y2Ba DgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba ngydF4y2Ba cgydF4y2Ba lgydF4y2Ba ugydF4y2Ba dgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba ggydF4y2Ba 年代gydF4y2Ba egydF4y2Ba tgydF4y2Ba }gydF4y2Ba ,gydF4y2Ba

SourceID路径的起点,DestinationID目的地的路径,和IncludingSet代表附着在顶点集吗gydF4y2Ba VgydF4y2Ba ′gydF4y2Ba ,不同的顶点索引分段”gydF4y2Ba ∣gydF4y2Ba ”。gydF4y2Ba

 5.1.4。实验环境gydF4y2Ba

64位操作系统Windows 7,英特尔酷睿i5处理器,jre1.6, 32位的java虚拟机,4 G内存,使用。gydF4y2Ba

 5.2。实验方法和结果分析gydF4y2Ba 5.2.1。IBA, NCA, CCA的比较gydF4y2Ba

验证回溯法和IBA, NCA, CCA算法,四组实验将进行解决方案的时间限制为10秒。从实验中gydF4y2Ba 1gydF4y2Ba- - - - - -gydF4y2Ba 4gydF4y2Ba,图中节点和边的总数将会逐渐增加,而中间节点的数量将保持不变。实验结果将由最终的重量相比路径结果和时间。gydF4y2Ba

实验1。gydF4y2Ba

总节点10;附着在节点3;边是39。gydF4y2Ba

图gydF4y2Ba 3gydF4y2Ba从实验展示了实验结果gydF4y2Ba 1gydF4y2Ba提出了这样一个事实,IBA的效率高于回溯法。NCA效率差别不是很明显和CCA因为压缩过程也需要时间和效率变得更明显的如果图的复杂度很低。gydF4y2Ba

实验结果的实验gydF4y2Ba 1gydF4y2Ba。gydF4y2Ba

 实验2。gydF4y2Ba

总节点20;附着在节点5;边是55。gydF4y2Ba

图gydF4y2Ba 4gydF4y2Ba从实验展示了实验结果gydF4y2Ba 2gydF4y2Ba它介绍了IBA, NCA, CCA比回溯法有更高的效率。CCA的效率最高,而IBA和NCA有相似的效率,因为几个远程节点。gydF4y2Ba

实验结果的实验gydF4y2Ba 2gydF4y2Ba。gydF4y2Ba

 实验3。gydF4y2Ba

总节点30;附着在节点10;边是135卡路里。gydF4y2Ba

图gydF4y2Ba 5gydF4y2Ba从实验展示了实验结果gydF4y2Ba 3gydF4y2BaCCA的优越性,它介绍了事实证明明显图复杂性逐渐提高。gydF4y2Ba

实验结果的实验gydF4y2Ba 3gydF4y2Ba。gydF4y2Ba

 实验4。gydF4y2Ba

总节点40;附着在节点10;边是229卡路里。gydF4y2Ba

图gydF4y2Ba 6gydF4y2Ba从实验展示了实验结果gydF4y2Ba 4gydF4y2Ba这礼物回溯法的事实表明低效率如果图甚至更高的复杂性;相比之下,CCA效率执行得相当好。gydF4y2Ba

实验结果的实验gydF4y2Ba 4gydF4y2Ba。gydF4y2Ba

实验结果表明,IBA效率高于回溯法评判权重或搜索时间。NCA只显示略有优势IBA因为远程节点图中是非常有限的。特别是,从所有维度来看,CCA证明重要的搜索结果质量效率优越其他算法,表明CCA在解决此类问题的有效性。gydF4y2Ba

 5.2.2。CCA和ICCA比较gydF4y2Ba

从之前的四个实验观察,回溯法的各自的效率,IBA, NCA大大降低节点增加的总和。因此,没有研究价值添加更多的节点图。本节继续CCA和ICCA之间进行比较。gydF4y2Ba

实验环境仍将是相同的实验gydF4y2Ba 1gydF4y2Ba- - - - - -gydF4y2Ba 4gydF4y2Ba;实验将逐渐增加总节点和边,中间节点集的大小也将增加。将基于以下五个实验比较。gydF4y2Ba

实验5。gydF4y2Ba

总节点是60,附着在节点和边是285卡路里。gydF4y2Ba

 实验6。gydF4y2Ba

总节点100,附着在节点是15,边缘是516。gydF4y2Ba

 实验7。gydF4y2Ba

总节点200,附着在节点20日和边是997卡路里。gydF4y2Ba

 实验8。gydF4y2Ba

总节点400,附着在节点是28岁,而边缘是2178。gydF4y2Ba

 实验9。gydF4y2Ba

总节点600,附着在节点是50,和边是3418卡路里。gydF4y2Ba

图gydF4y2Ba 7gydF4y2Ba显示的实验结果表明,与CCA相比,ICCA获得更好的解决方案。因此,改进的策略gydF4y2Ba 4.3gydF4y2Ba是被证明是有效的。gydF4y2Ba

实验结果的实验gydF4y2Ba 5gydF4y2Ba- - - - - -gydF4y2Ba 9gydF4y2Ba。gydF4y2Ba

 6。结论gydF4y2Ba

像邮递员问题,旅行问题,总线设计、网络路由问题,和其他类似的情况下可以抽象为路径找到图模型作为本研究中讨论。IBA和NCA适用于中等规模的问题。NCA建议解决图表包含许多远程节点,而CCA和ICCA更高效地处理大规模问题的算法的复杂性。此外,ICCA能够提高搜索效率时,子节点调整。gydF4y2Ba

当问题的规模变得更大,CCA, ICCA可能无法搜索整个解空间完全在给定时间内的最优解。在这种情况下,压缩的想法将被纳入启发式算法如遗传算法、蚁群算法期待一个更高效的搜索算法,以解决路由问题规模。gydF4y2Ba

 的利益冲突gydF4y2Ba

作者宣称没有利益冲突有关的出版。gydF4y2Ba

 迪杰斯特拉gydF4y2Ba e·W。gydF4y2Ba 图的注意在连接两个问题gydF4y2Ba Numerische MathematikgydF4y2Ba 1959年gydF4y2Ba 1gydF4y2Ba 269年gydF4y2Ba 271年gydF4y2Ba MR0107609gydF4y2Ba 10.1007 / BF01386390gydF4y2Ba Zbl0092.16002gydF4y2Ba 2 - s2.0 - 34147120474gydF4y2Ba 张gydF4y2Ba D.-Y。gydF4y2Ba 吴gydF4y2Ba w l。gydF4y2Ba 欧阳gydF4y2Ba 张炳扬。gydF4y2Ba Top-k最短路径查询RDF图gydF4y2Ba Tien慈济Hsueh Pao /《电子学报》gydF4y2Ba 2015年gydF4y2Ba 43gydF4y2Ba 8gydF4y2Ba 1531年gydF4y2Ba 1537年gydF4y2Ba 2 - s2.0 - 84943196972gydF4y2Ba 10.3969 / j.issn.0372-2112.2015.08.010gydF4y2Ba 曹gydF4y2Ba h . Y。gydF4y2Ba 元gydF4y2Ba Y。gydF4y2Ba 刘gydF4y2Ba z Q。gydF4y2Ba 网络路由算法基于节点的剩余能量和最大角度gydF4y2Ba 传感器与微系统技术gydF4y2Ba 2015年gydF4y2Ba 冯gydF4y2Ba L.-Y。gydF4y2Ba 元gydF4y2Ba L.-W。gydF4y2Ba 罗gydF4y2Ba W。gydF4y2Ba 李gydF4y2Ba R.-C。gydF4y2Ba 余gydF4y2Ba Z.-Y。gydF4y2Ba 几何algebra-based算法求解节点约束最短路径gydF4y2Ba Tien慈济Hsueh Pao /《电子学报》gydF4y2Ba 2014年gydF4y2Ba 42gydF4y2Ba 5gydF4y2Ba 846年gydF4y2Ba 851年gydF4y2Ba 2 - s2.0 - 84904035182gydF4y2Ba 10.3969 / j.issn.0372-2112.2014.05.003gydF4y2Ba 赵gydF4y2Ba W。gydF4y2Ba LungydF4y2Ba R。gydF4y2Ba 戈登gydF4y2Ba C。gydF4y2Ba FofanagydF4y2Ba a b。M。gydF4y2Ba 埃斯皮gydF4y2Ba D D。gydF4y2Ba ReinthalgydF4y2Ba m·A。gydF4y2Ba EkelmangydF4y2Ba B。gydF4y2Ba 古德曼gydF4y2Ba g D。gydF4y2Ba NiederritergydF4y2Ba j·E。gydF4y2Ba 罗gydF4y2Ba X。gydF4y2Ba 以人为中心的活动跟踪系统:向一个更健康的工作场所gydF4y2Ba IEEE人机系统gydF4y2Ba 2017年gydF4y2Ba 47gydF4y2Ba 3gydF4y2Ba 343年gydF4y2Ba 355年gydF4y2Ba 10.1109 / THMS.2016.2611825gydF4y2Ba 2 - s2.0 - 84991037009gydF4y2Ba 李gydF4y2Ba T。gydF4y2Ba 刘gydF4y2Ba Y。gydF4y2Ba 高gydF4y2Ba lgydF4y2Ba 刘gydF4y2Ba 一个。gydF4y2Ba cooperative-based模型在雾smart-sensing任务计算gydF4y2Ba IEEE访问gydF4y2Ba 2017年gydF4y2Ba 5gydF4y2Ba 21296年gydF4y2Ba 21311年gydF4y2Ba 10.1109 / ACCESS.2017.2756826gydF4y2Ba 气gydF4y2Ba 中州。gydF4y2Ba 蔡gydF4y2Ba Y.-G。gydF4y2Ba 蔡gydF4y2Ba H。gydF4y2Ba 唐gydF4y2Ba 杨绍明。关铭gydF4y2Ba LvgydF4y2Ba W.-X。gydF4y2Ba 混沌混合离散蝙蝠AIgorithm TraveIing SaIesman ProbIemgydF4y2Ba 《电子学报》gydF4y2Ba 2016年gydF4y2Ba 44gydF4y2Ba 10gydF4y2Ba 2543年gydF4y2Ba 2547年gydF4y2Ba 王gydF4y2Ba y Z。gydF4y2Ba 陈gydF4y2Ba Y。gydF4y2Ba 张gydF4y2Ba js。gydF4y2Ba 新颖的基于学习和记忆的果蝇算法求解旅行Salmesman问题gydF4y2Ba 《中国计算机系统gydF4y2Ba 2016年gydF4y2Ba 37gydF4y2Ba 12gydF4y2Ba 2722年gydF4y2Ba 2726年gydF4y2Ba 杨gydF4y2Ba C。gydF4y2Ba 张gydF4y2Ba X。gydF4y2Ba 钟gydF4y2Ba C。gydF4y2Ba 刘gydF4y2Ba C。gydF4y2Ba 裴gydF4y2Ba J。gydF4y2Ba RamamohanaraogydF4y2Ba K。gydF4y2Ba 陈gydF4y2Ba J。gydF4y2Ba 时空压缩的方法高效的大数据处理基于云gydF4y2Ba 计算机与系统科学杂志》上gydF4y2Ba 2014年gydF4y2Ba 80年gydF4y2Ba 8gydF4y2Ba 1563年gydF4y2Ba 1583年gydF4y2Ba 2 - s2.0 - 84905086045gydF4y2Ba 10.1016 / j.jcss.2014.04.022gydF4y2Ba Zbl06322613gydF4y2Ba 罗gydF4y2Ba X。gydF4y2Ba 刘gydF4y2Ba J。gydF4y2Ba 张gydF4y2Ba D D。gydF4y2Ba 常gydF4y2Ba X。gydF4y2Ba 大规模的网络QoS预测方案基于内核的工业物联网机器学习算法gydF4y2Ba 计算机网络gydF4y2Ba 2016年gydF4y2Ba 101年gydF4y2Ba 81年gydF4y2Ba 89年gydF4y2Ba 10.1016 / j.comnet.2016.01.004gydF4y2Ba 罗gydF4y2Ba X。gydF4y2Ba 邓gydF4y2Ba J。gydF4y2Ba 刘gydF4y2Ba J。gydF4y2Ba 王gydF4y2Ba W。gydF4y2Ba 禁止gydF4y2Ba X。gydF4y2Ba 王gydF4y2Ba J。gydF4y2Ba 一个量子化的内核最小均方计划entropy-guided学习智能数据分析gydF4y2Ba 中国通信gydF4y2Ba 2017年gydF4y2Ba 14gydF4y2Ba 7gydF4y2Ba 127年gydF4y2Ba 136年gydF4y2Ba 10.1109 / CC.2017.8010964gydF4y2Ba Fernandez-FernandezgydF4y2Ba 一个。gydF4y2Ba Cervello-PastorgydF4y2Ba C。gydF4y2Ba Ochoa-AdaygydF4y2Ba lgydF4y2Ba 提高节能意识在软件定义网络路由算法gydF4y2Ba 第41届IEEE会议程序本地计算机网络,LCN 2016gydF4y2Ba 2016年11月gydF4y2Ba 阿联酋gydF4y2Ba 196年gydF4y2Ba 199年gydF4y2Ba 2 - s2.0 - 85010069181gydF4y2Ba 10.1109 / LCN.2016.41gydF4y2Ba 李gydF4y2Ba N。gydF4y2Ba 马丁内斯gydF4y2Ba 肯尼迪。gydF4y2Ba 迪亚兹gydF4y2Ba v . H。gydF4y2Ba 平衡跨层设计在无线传感器网络路由算法使用模糊逻辑gydF4y2Ba 传感器gydF4y2Ba 2015年gydF4y2Ba 15gydF4y2Ba 8gydF4y2Ba 19541年gydF4y2Ba 19559年gydF4y2Ba 10.3390 / s150819541gydF4y2Ba 2 - s2.0 - 84939246809gydF4y2Ba LeigydF4y2Ba lgydF4y2Ba 李gydF4y2Ba w·F。gydF4y2Ba 王gydF4y2Ba h·J。gydF4y2Ba 路径优化的基于遗传算法的无线传感器网络gydF4y2Ba 电子科技大学学报gydF4y2Ba 2009年gydF4y2Ba 38gydF4y2Ba 2gydF4y2Ba 227年gydF4y2Ba 230年gydF4y2Ba 罗gydF4y2Ba X。gydF4y2Ba LvgydF4y2Ba Y。gydF4y2Ba 周gydF4y2Ba M。gydF4y2Ba 王gydF4y2Ba W。gydF4y2Ba 赵gydF4y2Ba W。gydF4y2Ba 拉盖尔神经网络ADP学习计划与物联网的应用程序来跟踪控制gydF4y2Ba 个人和无处不在的计算gydF4y2Ba 2016年gydF4y2Ba 20.gydF4y2Ba 3gydF4y2Ba 361年gydF4y2Ba 372年gydF4y2Ba 10.1007 / s00779 - 016 - 0916 - xgydF4y2Ba 罗gydF4y2Ba X。gydF4y2Ba 常gydF4y2Ba X。gydF4y2Ba 一种新颖的数据融合方案使用灰色模型在无线传感器网络和极端的学习机器gydF4y2Ba 国际期刊的控制、自动化和系统gydF4y2Ba 2015年gydF4y2Ba 13gydF4y2Ba 5gydF4y2Ba 10.1007 / s12555 - 014 - 0309 - 8gydF4y2Ba