文档介绍：第卷第期计算机技术与发展.
年月
兴趣和蚁群相结合的非结构化搜索算法
李国荣,刘方爱,
.山东师范大学信息科学与工程学院,山东济南;
.山东师范大学信息技术中心,山东济南
摘要:针对传统搜索算法面临的效率低下和网络流量过大等问题,提出了一种改进的基于兴趣和蚁群相结合的
资源搜索算法。该算法将机制加以改进,并将兴趣相似度引入到蚁群算法的路径概率选择中,同时结合信息
素的多样性和正反馈机制,积累历史搜索经验,获得路由指引信息,从而有效地指导查询请求消息的转发,将请求消息尽
量发往资源可能存在的节点上。仿真实验表明:该算法能有效地指导资源搜索的方向,提高查询命中率,减少冗余消息
包,其整体搜索效果较好。
关键词:;兴趣相似度;蚁群算法;信息素;路径选择概率
中图分类号: 文献标识码: 文章编号:———

—,—·
.,,
,;
.。。,
:, —
. ,
.,
, ,
。,
.
.,
.
:;; ;;
引言择可能性较大的邻居节点转发查询以提高发现目的资
现有的非结构化网络中的搜索算法可分源的效率。文献利用时间局部性即用户的搜索请
为盲目搜索和信息搜索两大类。盲目搜索不依赖任何求往往与历史搜索有较大的相关性进行资源搜索;文
已知信息,只是洪泛地遍历邻居节点搜索所需资源,如献~利用空间上的局部性即拥有相似资源的节
协议使用的。信息搜索算法依据点,更有可能处理彼此的查询请求,建立了基于节点局
自身已有的邻居节点和资源等先知信息,有目的地选部兴趣的搜索机制。文献将人工智能领域的蚁群
算法引入资源搜索,使得请求节点更加智能地选
择下一跳路由。
收稿日期:——;修回日期:——
文中受到时间和空间局部性原理的启发,在文献
基金项目:国家自然科学基金资助项目;山东省自然科
的基础上加以改进,将蚁群算法中的信息素看作
学基金资助项目;济南市高校院所自主创新项目
历史查询记录,并将其与节点兴趣结合起来,利用蚂蚁
作者简介:李国荣一,女,山东日照人,硕士研究生,会信息素正反馈机制来指导节点的选择查询,从而更加
员,研究方向为对等网络、网格计算;刘方爱,教授,博士生导师,研智能地选择下一跳路由,高效避免盲目转发消息,以减
究领域为并行处理、互联网络、网格计算等。少查询所带来的网络流量,提高查询成功的概率。
, · 计算机技术与发展第卷
蚁群算法原理蚂蚁的走向智能化,在某种程度上能够提高算法的搜
蚁群算法是一种寻找优化路径的机率型算法, 索效率。
一般用来解决旅行商问题。蚂蚁个体之间通过能随时.. 算法数据结构
间流失慢慢稀释的信息素⋯相互交流通信。每只蚂为支持算法在资源搜索中的应用,每
蚁前进途中都要靠感知的信息素强度指引方向,当周个节点需要维护一些不同类型的数据结构。
围没有信息素时,蚂蚁会按照自己的原有惯性运动下本地资源表存储本节点共享资源的索引信
去,盲目的搜索食物。短路径的蚂蚁在同样的时间内息和本节点的当前状态,便于其他对等节点了解本节
来回的次数要比长路径多,从而留下更多的信息素以点的访问。
吸引更多的蚂蚁,同时当走这条路径的蚂蚁增多的时热点文件缓存表缓存最近一段时