基于蚁群算法的非结构化P2P网络资源搜索策略

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (4): 97-99.

基于蚁群算法的非结构化P2P网络资源搜索策略

李春秀1，2，刘方爱1，2

1.山东师范大学信息科学与工程学院，济南 250014
2.山东省分布式计算机软件新技术重点实验室，济南 250014

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-01 发布日期:2012-04-05

Resources search strategy based on ant colony algorithm in unstructured P2P networks

LI Chunxiu1，2, LIU Fang’ai1，2

1.School of Information Science and Engineering, Shandong Normal University, Jinan 250014, China
2.Shandong Provincial Key Lab for Distributed Computer Software Novel Technology, Jinan 250014, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-01 Published:2012-04-05

摘要/Abstract

摘要： 针对非结构化P2P网络资源搜索算法中冗余消息数过多、搜索效率低等问题，提出一种基于蚁群算法的非结构化P2P网络资源搜索策略，该策略利用蚂蚁信息素的正反馈原理，同时综合考虑邻居节点度和邻居-邻居节点信息，选择下一条邻居节点路径转发查询消息，有效地指导资源搜索路径的生成。实验结果表明，该算法在一定程度上减少了大量的冗余查询消息，提高了资源搜索的成功率，是一种有效的非结构化P2P网络资源搜索策略。

关键词: 非结构化P2P网络, 蚁群算法, 节点度, 信息素

Abstract: For the resources search algorithm’s too many redundant messages and low efficiency issues in unstructured P2P networks, it proposes a resources search strategy based on ant colony algorithm. The strategy uses ant pheromone’s positive feedback principle, meanwhile considers comprehensively of neighbor nodes’degrees and neighbor-neighbor node’s informations to choose the next neighbor nodes. Experimental results show that this algorithm can reduce the number of redundant query messages and improve resource search success rate, it is an effective search strategy in unstructured P2P networks.

Key words: unstructured P2P networks, ant colony algorithm, node degree, pheromone

李春秀1，2，刘方爱1，2. 基于蚁群算法的非结构化P2P网络资源搜索策略[J]. 计算机工程与应用, 2012, 48(4): 97-99.

LI Chunxiu1，2, LIU Fang’ai1，2. Resources search strategy based on ant colony algorithm in unstructured P2P networks[J]. Computer Engineering and Applications, 2012, 48(4): 97-99.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[8]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[10]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[11]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[12]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[13]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[14]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[15]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.