基于蚁群算法的p2p网络知识路由算法研究

《基于蚁群算法的p2p网络知识路由算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、太原理工人学硕士研究生学位论文统；OWL是基于描述逻辑(DescriptionLogic)从知识表达发展来看：上世纪60年代初，传统的一阶逻辑(fh'st-order-logic)应用于知识表达；上世纪60-70年代，出现了新的知识表示方法，例如语义网络(Quine)、框架系统(Minsky)、产生式系统等等；上世纪70年代末期到90年代初，有以KL-ONE为代表的知识表达系统，Woods与Brachman结合语义网络与框架系统的特点提出了KL—ONE知识表达系统，从此一大批以KL-ONE为基础

2、的知识表达语言和实用系统出现，如：NIKL，LOOM，CLASSIC，BACK，KANDOR，KRYPTON等；上世纪90年代初到现在：以DescriptionLogic为基础知识表达成为主流，KL-ONE家族逐步演变成现在的DescriptionLogic(德国DFKl){21。网络提供了一个在全球范围内实现资源共享和问题求解的平台，为了使得网络发挥其全部的潜能，必须将网络转换成巨大的知识和服务空间。中科院计算所在基于Web的知识管理研究方面提出一个基于知识的数据模型和运用其上的查询代数，能有

3、效地管理和共享网络中异质的资源和服务，改知识模型由知识模式、资源实例库和完整性约束组成，知识模式用于获得公认的领域知识：概念和属性，完整性约束用于丰富资源描述，它规定～系列规则来规范化资源建模，并获得领域相关的背景知识，在此基础上，他们还建立了基于该知识模型的查询语言，为Web知识管理奠定了良好的理论基础。东南大学在Web上的知识表示、语义Web的逻辑框架、Web信息安全和语义Web服务等方面开展了一系列工作。在WVCW2003、((FutureGenerationComputerSystems

4、))和((JournalofWebSemantics))等国际会议和期刊上发表了有关语义Web的文章。另外，通过积极参与W3C有关技术规范工作草案的讨论，而且有多个有关语义Web技术规范的评论意见得到了RDFCore工作组以及WebOnto工作组的重视。浙江大学在web信息的知识表示方面进行了研究，针对Web上信息的不同性质分别在基于认知逻辑的语义表达模型，基于时态逻辑的流程语义表达模型和媒体流数据(非文本型数据)的语义表达或描述方法方面展开了研究。在基于本体的应用研究中，浙江大学建立了国内第一

5、个基于语义的数据库网格，支持网格环境下数据库资源的动态化的语义注册、分布式的语义查询和知识级的语义浏览。初步建r上中医药本体库，为一体化语言系统提供基础；并且基于语义Web，开发成功具有本体论推理服务的语义浏览器。在本体支撑平台的关键技术研究中，清华大学研究并实现了一个基于Web的分布式本体系统(WODOS)，其中对本体的分布性、语言支持、本体粒度以及推理集成问题进行了深入研究。在ISOSC32国际标准“MMF(MetaModelFramework)forOntology”的研制过程中，武汉大学

6、提出了本体的元模型承诺的理太原理工大学硕士研究生学位论文论与方法、并且得到了国际同行的承认与支持、正在承担着ISO1．32．22．01．03．00国际标准化项目；进行了基于元模型的MDA(ModelDrivenArchitecture)编译方法研究，为解决语义Web中语义层面的互操作性问题提供了理论与新方法。中国科技大学在基于本体的语义建模、本体演化等方面进行了深入的研究吲。1．1．2蚁群算法的研究与发展自然界一直是人类创造力的丰富源泉，人类认识事物的能力来源于与自然界的相互作用之中。自然界中的

7、许多自适应优化现象不断给人以启示：生物体和自然生态系统可通过自身的演化就使许多在人类看起来高度复杂的优化问题得到完美的解决。近些年来，一些与经典的数学规划原理截然不同的、试图通过模拟自然生态系统机制以求解复杂优化问题的仿生优化算法相继出现(如遗传算法、蚁群算法、微粒群算法、人工免疫算法、人工鱼群算法、混合蛙跳算法等)，大大丰富了现代优化技术，也为那些传统最优化技术难以处理的组合优化问题提供了切实可行的解决方案。伴随着模拟自然与生物机理为特征的仿生优化算法时代的悄然兴起，一些仿生优化算法己在经典N

8、P—C问题的求解和实际应用中显示出强大的生命力和进一步发展的潜力。生物学家通过对蚂蚁的长期观察研究发现，每只蚂蚁的智能并不高，看起来没有集中的指挥，但它们却能协同工作，集中食物，建起坚固漂亮的蚁巢并抚养后代，依靠群体能力发挥出超出个体的智能。蚁群算法(AntColonyAlgorithm，ACA)是最新发展的一种模拟昆虫王国中蚂蚁群体智能行为的仿生优化算法【5】，它具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法相结合等优点‘6】【71。尽管蚁群算法的严格理论基础尚未奠定，国内外的相关研究