基于蚁群算法的P2P文件共享系统

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 145-148.

基于蚁群算法的P2P文件共享系统

吴湘宁¹，汪渊²

1.中国地质大学计算机学院，武汉 430074
2.国防科技大学计算机学院，长沙 410073

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 吴湘宁

Peer-to-Peer document sharing system based on ant colony algorithm

WU Xiang-ning¹，WANG Yuan²

1.Computer Department，China University of Geosciences，Wuhan 430074，China
2.Computer Institute，National University of Defence Technology，Changsha 410073，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: WU Xiang-ning

摘要/Abstract

摘要： 研究了一种基于蚁群优化算法和多代理技术的P2P共享文件系统，介绍了其设计原理、系统结构、实现文档查询及路由的算法。经过在P2P仿真器上的测试，结果表明其在文档搜索路由的效率明显提高，资源开销明显减少，整个系统具有较好性能。

关键词: P2P, 蚁群优化算法, 群智能, 多代理系统

Abstract: This paper presents a peer-to-peer file sharing system which based on ant colony optimization and multi-agent technique.Meanwhile，it introduces designing principle，architecture and document queries and document routing algorithm of the proposed system.The proposed design is tested by a P2P simulator.The result shows that the document queries are routed effectively，the resource costs are reduced remarkably，and the P2P file sharing system gains a good performance.

Key words: P2P, ant colony optimization, swarm intelligence, Multi-Agents Systems（MAS）

吴湘宁¹，汪渊². 基于蚁群算法的P2P文件共享系统[J]. 计算机工程与应用, 2007, 43(20): 145-148.

WU Xiang-ning¹，WANG Yuan². Peer-to-Peer document sharing system based on ant colony algorithm[J]. Computer Engineering and Applications, 2007, 43(20): 145-148.

[1]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[2]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[3]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[4]	游运，万常选，江腾蛟. 考虑社会网络关系的P2P借贷项目违约风险预测[J]. 计算机工程与应用, 2021, 57(13): 239-245.
[5]	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.
[6]	黎素涵，叶春明. 重选精英个体的非线性收敛灰狼优化算法[J]. 计算机工程与应用, 2021, 57(1): 62-68.
[7]	张海南，游晓明，刘升，刘中强. 交互式学习的布谷鸟搜索算法[J]. 计算机工程与应用, 2020, 56(7): 147-154.
[8]	李雅丽，王淑琴，陈倩茹，王小钢. 若干新型群智能优化算法的对比研究[J]. 计算机工程与应用, 2020, 56(22): 1-12.
[9]	陈瑶，陈思. 动态权重的蝙蝠算法在图像分割中的应用研究[J]. 计算机工程与应用, 2020, 56(14): 207-215.
[10]	张水平，高栋. 动态调整搜索策略的果蝇优化算法[J]. 计算机工程与应用, 2020, 56(10): 56-62.
[11]	薛文艳，赵江，郝崇清，刘慧贤. 基于信息素负反馈的超启发式蚁群优化算法[J]. 计算机工程与应用, 2019, 55(4): 163-172.
[12]	张水平，高栋. 基于动态调整和协同搜索的花授粉算法[J]. 计算机工程与应用, 2019, 55(24): 46-53.
[13]	王巍，崔益豪，王彤，朱天宇，田立勤. 群智能算法在气体源定位中的应用综述[J]. 计算机工程与应用, 2019, 55(18): 21-33.
[14]	李松钊，李文敬，陆建波. 物流服务交易区块链与蚁群智能合约算法研究[J]. 计算机工程与应用, 2019, 55(17): 28-34.
[15]	田鸿，陈国彬，刘超. 新型飞蛾火焰优化算法的研究[J]. 计算机工程与应用, 2019, 55(16): 138-143.