张海飞[1]2004年在《P2P网络中基于RDF的资源发现方法研究》文中研究表明近年来,P2P重迭网络模式正在逐渐成为研究和应用的热点,但P2P网络动态性强与大规模的特点给资源发现带来了困难。目前P2P网络上大都只支持基于关键字的资源查找和搜索,缺乏对基于语义查找的支持,难以实现高效、准确的资源搜索与发现。如何在大规模、动态的P2P环境下实现高效的体现一定语义的查询是一个很有意义的问题。 本文围绕以上问题,做了以下几个方面的工作: 1.提出并设计了一种P2P环境下基于RDF的资源描述和发现方法PeerRDF PeerRDF采用双层拓扑结构,叶结点则通过超级结点进行资源的注册和发现,从而将不稳定和能力低的结点置于系统边缘,有利于提高系统效率。上层的超级结点形成DHT网络,基于RDF的资源注册文档和查询将首先被映射到DHT路由空间,并利用DHT的高效路由查找协议快速找到对应的注册结点,从而实现高效的基于RDF的资源发现。提出了一个P2P环境下的资源发现理论模型及相应的分析指标,将PeerRDF与其它方法进行了理论比较。 2.提出了PeerRDF中RDF文档和查询到DHT路由空间的映射方法 该方法分别从RDF文档和查询中提取反映内容和概念的路径表达式,称为“哈希串”,再利用哈希函数对这些串进行哈希转换,得到DHT键值空间中对应的键值,从而将给定的RDF资源描述文档和查询映射到DHT路由空间。这一映射方法考虑了RDF概念层查询与资源描述匹配的各种可能,通过只公布literal结点信息来削减公布的哈希串数量,且充分利用查询中“=”类型的结点取值约束。按以上算法从资源描述和查询中提取哈希串可以保证从查询和匹配的资源描述中提取相同的哈希串,从而在理想(不考虑动态)情况下,一定可以使查询找到匹配的资源描述或明确返回否定信息。 3.PeerRDF的仿真研究 通过仿真将PeerRDF与其它可以支持RDF资源描述和查询的资源发现方法做了全面的定量比较。设计并实现了一个P2P环境下的资源发现仿真引擎,并参照相关研究确定了仿真环境的各种参数。仿真结果表明,与其它的方法相比,PeerRDF方法在资源发现的时间和网络开销上较其它方法有明显的改善。PeerRDF系统在资源发现以及资源信息更新的网络开销与资源描述和查询表达式的复杂程度有关,但涉及的结点个数最多不会超过超级结点的数量。
罗炜[2]2013年在《网络化制造环境下基于元数据和P2P的资源共享机制研究》文中指出网络化制造是一种基于网络技术和信息技术的先进制造模式,它能够使企业跨越时间和空间上的束缚,共享制造资源,从而提高企业在生产经营活动各方面的效率。但是,网络化制造环境下制造资源存在语义和语法上的异构,也没有统一的定义和组织方式,而且企业间现存的制造网络也存在差异,这一系列问题为制造资源的共享带来困难。本文结合浙江省科技攻关计划项目,研究网络化制造环境下基于元数据和P2P的资源共享机制。主要通过建立制造资源元数据模型和制造资源共享网络,提供制造资源在语义、语法和共享机制上的解决方案,实现企业间有效、快速、准确地共享制造资源。首先,本文对网络化制造环境下的制造资源进行详细分析和探讨,以元数据为基础理论,结合制造资源的属性、特征属性及属性的权重提出了一种基于元数据的制造资源模型,解决制造资源在语义、语法上的异构性,同时给出基于XML/RDF的资源描述方法,并以制造设备资源为实例验证该方法的有效性。其次,本文提出一种基于P2P的制造资源共享模型(NMS-P2P模型),屏蔽企业间制造网络的差异,为其提供一种动态的、可扩展的、支持即时加入或退出的共享网络。该模型将现有制造网络分成叁层结构,分别是物理层(节点层)、汇聚层(资源社区层)、管理层(P2P层),对资源社区层和P2P层的构建给出详细的方法。同时改进原有P2P网络中盲目式Flooding检索机制,通过引进缓存机制,提出一种适用于NMS-P2P模型的资源检索算法-基于缓存机制的NP-F算法,通过性能分析,验证该算法具有良好的性能。最后,本文设计与开发了以JXTA和Java Web技术为核心的面向花边行业的制造资源共享平台的原型系统,该原型系统验证本文所提出的相关理论和算法,也为花边行业的制造资源共享提供了有效的支持。
冯明星[3]2007年在《基于本体论和聚类的P2P网络搜索方法研究》文中认为P2P系统是一种应用层网络，它能够使联网的计算机以一种分布式形式共享资源。P2P系统的一个重要问题是如何有效地搜索到其他节点的资源。现有的P2P搜索技术大多基于洪泛查询思想／关键字检索方法，因此它们通常不是很有效的。前者限制了P2P系统的可扩展性，这是因为查询消息在一个指定的跳数范围内被传播给所有可达的节点，导致产生大量的消息。后者不支持复杂查询或语义查询，从而限制了检索结果的质量。本文借助本体论和聚类方法开展P2P网络搜索方法研究。根据P2P网络拓扑呈现的Power Law特性，结合现有P2P搜索算法的优点，提出一种混合使用BFS和DFS的混合搜索算法。该算法将查询消息在某些高度数节点处转发给多个邻居节点而在其他节点处只转发给一个邻居节点，并且在搜索过程中利用先前的搜索反馈来指导本次搜索，以便将消息转发给正确的节点，减少不必要的冗余消息和节点开销。实验结果表明，该算法实现了高成功率和高响应率，能够有效地减少冗余消息，具有较高的搜索效率，同时还具有良好的自适应能力，能快速适应不断变化的网络行为。设计一个共享的节点本体来帮助节点对其自身资源进行语义抽取和知识表示，以便于其他节点理解和处理，同时还给出了相应的查询表示及处理方法。在搜索过程中，每个节点记录它收到的所有相关的响应结果，周期性地计算每个邻居节点的等级，通过重新连接一个响应率较高的非邻居节点，同时放弃一个等级最低的邻居节点的连接来动态地将兴趣最相似的节点聚类在一起，进而提出一个基于本体和聚类的P2P网络搜索算法。实验结果表明，该算法实现了高查准率和查全率，且比Gnutella算法降低了约2跳的因发现正确结果而必需的搜索深度，能够快速准确地返回相关的响应结果。
朱玉平[4]2013年在《基于P2P网络的资源搜索算法的研究》文中研究表明随着网络技术的发展，互联网的用户数量越来越多，传统的集中式的C/S网络模式因存在服务器单点失效和负载过大的问题面临着越来越多的问题和挑战，P2P网络作为一种新型的网络模式应运而生。在P2P网络模式中弱化了中央服务器的概念，节点既可以充当客户端又可以充当服务器端，能够很好的解决C/S网络模式的不足，受到学术界和各研究界的广泛关注。P2P网络模式因其良好的可扩展性和节点自组织等优势被广泛的应用在资源共享、协同办公、分布式计算、流媒体传输和即时通讯等领域；而这些应用面临的一个核心问题就是如何在海量的数据资源中获取用户所需要的资源，因此，如何建立高效的资源定位机制就成为P2P网络研究的一个热点。在本文中，根据现有的资源，分别对非结构化和结构化对等网络资源搜索机制进行了分析：非结构化对等网络搜索算法中存在的问题是冗余消息数太多，效率搜索低，因此改进的方向应该是尽可能降低这种繁冗消息的数量，提高搜索效率；而结构化P2P网络的搜索算法中存在的问题是只能提供基于单关键字的精确匹配查询，而不能很好的支持模糊查询，所以应该朝着能够实现支持多关键词查询的方向改进。本文的主要研究内容如下：首先，对P2P网络的相关知识进行了详细分析。分别介绍了P2P网络的特点，应用和拓扑结构的概念，还包括国内外研究的现状，背景和研究意义，重点突出了典型的P2P网络资源搜索机制。其次，提出一种基于top-k查询的非结构化P2P网络资源搜索策略TKsearch。针对在Flooding算法中存在的节点负载太大、查询效率低的现象进行了改进。在该算法中使用向量空间模型VSM将文档描述为带有权重的向量的形式；在选择下一个转发节点时是采用基于文档相似度和节点的吸引力之和的概率转发机制，结合转发公式，选择满足条件的邻居节点转发查询请求；然后在该策略中引入了伙伴节点，即与本地节点有最大兴趣相关度的节点，并周期性的对伙伴节点进行更新，对选择转发路径有一定的指导作用；考虑到用户可能不关心所有返回结果，而只关心很小的一部分，所以引入了top-k函数，借助于查询树仅返回满足条件的top-k个最优结果。最后将此搜索算法与洪泛搜索算法进行了实验比较，仿真实验表明该算法能够有效降低消息冗余度，提高搜索的效率。最后，提出一种基于本体和VSM模型的结构化P2P语义检索策略。该策略是对Chord搜索模型的改进，在该算法中使用向量空间模型对文档进行描述，求得相似角，然后按照DHT的原理将其映射为空间标识符vector，使Chord模型中原有的二元组
吴华[5]2005年在《基于环境/上下文感知的P2P网络的几个关键技术研究》文中研究说明随着计算机,人工智能科学,边缘学科的发展,以及其他小功率、多功能的移动设备的出现,人们又开始寻找一个突破现行流行的服务器/客户机(C/S)架构的网络结构。群体多代理体(Multi-Agent),经典网络(ad hoc networks/Peer-to-Peer networks)最近一段时期不断被国内外学者提出。在这个前提下,本论文对P2P网络几个关键技术进行了研究,提出了一个基于环境/上下文感知的P2P网络,同时利用一个基于静态图像处理的应用处理单元APU体系,来展示本论文提出的基于环境/上下文感知的P2P网络的关键技术方法和一些关于静态图像处理的算法集。 基于环境/上下文感知的P2P网络就像一个活的有机体,它会生长,以连接到网络上的PC,lap-top,打印机或其他形式,甚至其他的接入方式,吸收新的“分子”。基于环境/上下文感知的P2P网络结合位置信息探测技术(Location detection technology),将使本论文讨论的技术领域更具有活力。
尹建伟, 施冬材, 钱剑锋, 董金祥, 熊乃学[6]2008年在《结构化P2P网络上语义发布/订阅事件路由算法》文中研究指明为解决结构化P2P网络上语义发布/订阅系统上基于内容的高性能语义事件路由问题,提出一种基于集结点的语义事件路由算法(rendezvous-based semantic event routing,RSER),该算法根据订阅和事件的域标识、属性个数以及属性名映射订阅和事件到集结点,在支持语义路由的同时,避免了分布式哈希表(distributed hash table,DHT)映射精确性与语义数据模型复杂性之间的矛盾;通过属性个数限制事件发布目的地,减少事件发布流量;采用P2P的内在路由机制和聚合优化措施分发事件,充分利用P2P网络容错性的同时,降低事件路由流量.实验结果表明,在大规模的发布/订阅下,RSER算法在性能上优于基于逆向路径转发的路由算法,并在路由效率、网络资源消耗、订阅维护效率和扩展性等方面取得了良好的平衡效果.
宋言伟[7]2012年在《基于P2P网络节点上下文的任务分解和调度方法研究》文中提出工作流是集成业务活动并使其能够自动化或半自动化完成的一类计算机协同工作技术,是计算机科学、自动控制科学、管理科学、先进制造等多学科领域共同关注与研究的热点问题之一,其核心是通过业务流程的执行,协同网络中分布的计算资源和业务行为,并可进一步引申为对网络计算能力的挖掘。在通信、金融、保险、气象、地震、测绘、勘探、经济运行统计、科学计算、数据挖掘、经营分析等海量数据处理或者复杂业务流程处理的工作流执行过程中,工作流执行效率是个颇受关注的普遍问题。以通信行业为例,在通信计费系统中,中等省份的月话单数量约为40亿—50亿条,每月底全省集中计费和出账工作量非常大,按照上述计算规模,在多台高性能服务器计算环境中进行处理,仅仅“计费”活动需要约6小时左右,完成话单采集、话单格式化、话单查重、计费、账务处理等整个工作流程大约需要48小时左右。这一问题带来的直接影响就是工作流执行耗时过长、对IT基础设施投资的需求过大。因此,研究提高工作流执行效率的方法,具有普遍的现实意义。P2P技术实现了计算模式从主-从式向对等式的转变,网络应用的核心从中心服务器向边缘计算设备扩散,有效地解决了单点失效和负载均衡问题,大幅提升了网络的整体计算能力。充分利用P2P网络中的计算资源和计算能力,将工作流中那些运算工作量大的活动予以分解,并将其调度到优选节点上进行分布式运算,将会大幅提升可用计算资源的利用效率和工作流的整体执行效率。因此,P2P网络环境中的任务分解和调度(Task Partitioning and Scheduling, TPS)是工作流研究的一个核心问题。P2P网络环境中的任务分解和调度问题有如下特点：①P2P网络中各节点的计算资源、通信能力、负载状况和网络拓扑结构是动态变化的；②由第一个特点决定了无法在事前准确计算每个节点的任务处理时间,因此将工作流执行时间作为任务调度目标将比较困难；③结构化的、去中心化的P2P网络节点信息的局部可视化。一种较好的解决方案是使工作流管理系统具有感知P2P网络节点上下文的能力,即研究解决基于P2P网络节点上下文的任务分解和调度问题(ContextBased Task Partitioning and Scheduling, CB-TPS)。 CB-TPS问题可以分解为如下叁个子问题：①任务分解问题,即将工作量大的、复杂的活动分解为工作量小的、简单的细粒度任务集,以达到降低单个任务运算量的目的；②任务调度问题,即把分解后的子任务分配到适当的节点上运行,以实现工作流执行效率全局最优的目标；③执行结果合成问题,即将各个子任务的执行结果进行合并,使之等价于任务分解前的工作流活动的执行结果。本文重点研究了去中心结构化P2P网络环境中的任务分解和调度方法,主要工作包括：1、基于P2P网络节点上下文的任务分解与调度(CB-TPS)问题求解模型。本文将P2P网络节点上下文引入工作流管理,使工作流管理系统能够感知P2P网络环境,并根据节点上下文动态地完成任务分解和调度,以实现最优的运行效果。CB-TPS问题求解模型的基本思想是：首先通过节点上下文信息获得计算节点的计算能力和通信能力,然后据节点处理能力进行任务分解与调度。任务分解包括两种方式：基于数据划分的任务分解和基于功能划分的任务分解。使用数据划分方法进行任务分解时,首先根据获得的节点上下文信息推算节点的计算能力,然后根据节点计算能力分配与之能力匹配的任务。使用功能划分方法进行任务分解时,先使用获得的节点上下文信息测算任务处理效率,再根据测算效率分配任务。本文第2章在引入节点上下文和工作流有穷状态自动机的基础上,定义了上下文影响权重因子和节点计算能力评价指数,给出了权重因子和节点处理能力的计算方法,建立了CB-TPS司题求解模型。2、基于功能划分的的任务分解与调度方法。基于功能划分的任务分解方法,本质上是将工作流的特定活动,按照业务逻辑进行功能细分,即将其拆分为一组偏序连接的任务子流程,其中,每个任务对应一项特定的业务功能。分解后的任务子流程调度问题,可以通过执行路径规划求解,例如列表调度、任务复制调度、遗传算法、粒子群方法、蚁群算法等。本文第3章在定义任务分解算子的基础上,建立了一种基于工作流有穷状态自动机的任务分解方法；在定义节点处理能力评价指数的基础上,通过对蚁群算法的优化改进,建立了一种蚁群任务调度算法。实验结果表明,改进的蚁群任务调度算法,不但能够解决工作流执行时间等参数难于估算的问题,而且能提高任务调度的动态适应性。3、基于数据划分的任务分解与调度算法。基于数据划分的任务分解方法,本质上是将工作流的特定活动,根据被处理数据对象的细粒度划分,分解为一组可以并行执行的任务。数据划分的粒度越小,能够参与计算的P2P网络节点越多,工作流的效率提升效果越明显。本文第4章在定义数据划分的横切模式和纵切模式的基础上,基于各个数据子集中的索引字段值不能有交集的划分原则,建立了一种基于数据划分的任务分解方法；在CAN网络基础上,改进了洪泛和K随机漫步资源搜索算法。实验结果表明,改进的洪泛和K随机漫步算法能够快速地完成设定数量的计算节点的搜索,并在资源搜索的同时获得候选节点的处理能力。在任务调度时,工作流管理系统首先从候选计算节点中优选一定数量的节点作为任务节点,然后根据这些节点的处理能力确定每个节点的任务分配强度,依据任务分配强度划分数据并调度到相应节点上予以处理。所有子任务执行完成后,结果合成就是将各个子任务的执行结果进行直接合并。由于在任务分解时遵循了数据分解的不相交原则,所以执行结果的直接合并与任务分解前的执行结果是等价的。本文第4章给出了结果合成方法和等价性证明。本文工作的创新点主要体现在：1、建立了一种基于P2P网络节点本体和工作流有穷状态自动机的任务分解与调度问题求解模型。较之键值对、标记语言等方法,本体可以更好地表达P2P网络节点上下文的语义和节点的动态变化；较之WF-Net和Petri Net,工作流有穷状态自动机可以更加灵活地表示P2P网络中的不确定事件,动态地描述工作流的动态分拆和组装过程。因此,基于节点本体和自动机的任务分解与调度问题求解模型具有良好的P2P网络环境适应性。2、提出了一种基于节点上下文和功能划分的任务调度蚁群算法。改进的蚁群算法以节点处理能力指标为启发因子,以任务执行代价的倒数作为蚂蚁经过路径所留下的信息素浓度,既体现了基于节点上下文进行任务调度的自适应特点,又可以更好地引导调度算法向处理能力强、任务执行代价低的节点倾斜,加速向最优解的收敛。3、提出了一种基于节点资源快速搜索和数据划分的任务调度方法。改进的洪泛和K随机漫步资源搜索算法,能够快速地完成设定数量的计算节点的搜索,并基于上下文完成节点处理能力的评价；数据划分的不相交原则可以保证数据子集的独立性,节点处理能力评价能够保证将任务分配到处理能力最强的节点集上,提升任务调度和执行效率。P2P网络环境中的工作流分解与调度是一个涉及面很广的研究课题,本文进一步的工作主要包括：1.基于上下文的P2P覆盖网构造优化研究。P2P网络是在IP网络或者其他物理网络上的逻辑覆盖网,其拓扑与物理网络的实际拓扑并不完全匹配,造成P2P网络的路由实际上并不一定是最优的路由,可以通过上下文对逻辑覆盖网络进行优化调整,使其路由信息更加优化。2.P2P网络上工作流运行质量监督控制的优化研究。P2P网络中的工作流所处环境复杂、多变、异构,如何实时监控工作流的运行情况,并根据节点上下文信息对其进行自适应的调度,将是保证P2P工作流稳定运行的一项重要技术。
王亚彬[8]2008年在《基于蚁群算法的P2P网络知识路由算法研究》文中认为语义Web的发展为实现对Web异构信息的智能访问和处理提供了一个平台。对于传统Web,通过利用可视化的标记语言(如HTML)对资源进行标识,提供了用户可以理解但机器不可理解的知识信息。因此,相对于机器,传统Web缺乏丰富的语义知识信息。语义Web通过本体技术为Web资源提供了丰富的可供机器处理的语义信息,使得机器可以利用这些语义元数据进行自动化的信息访问,从而提供一种高质量的服务,弥补了传统Web缺乏语义的不足。同时,在语义Web上分布着海量的知识,因此,如何在这些海量服务和知识中按照用户的需求快速准确的定位目标知识,使服务可以灵活地满足用户的需求,实现“按需服务”,也成为迫切需要解决的问题。本文正是针对上述问题,结合国家自然科学基金《知晓内容和环境的本体知识路由研究》,利用语义Web、P2P网络相关技术、蚁群算法等知识,提出了一种在P2P网络环境下基于蚁群系统的知识路由算法。语义Web的目标是使得Web上的信息具有计算机可以理解的语义,满足智能软件代理(Agent)对Web上异构和分布信息的有效访问和检索。P2P网络是一种分布式和开放性的网络环境,而蚁群算法的最大特点就是具有很强的适应性和鲁棒性,适合于P2P环境。文章从系统学的角度详细分析了基本蚁群算法在分布式计算、自组织、正反馈等方面的系统学特征,并从TSP的角度对基本蚁群算法的数学模型进行了深入分析。基于蚁群的知识路由算法就是在基本蚁群算法的基础上,结合P2P网络环境的要求对算法进行了改进,并结合语义Web本体技术,使算法能够在P2P结构的虚拟语义社区中实现知识路由。文章在对基本蚁群算法详细分析的基础上,给出了基于蚁群系统的知识路由算法的详细执行过程,并对算法执行中出现的一些问题进行了分析,针对每个缺陷提出了相应改进方法,通过模拟实验证明改进是有效的。最后,文章论述了e-Learning教学平台中作业子系统的设计和实现,以及基于蚁群的知识路由算法在该系统中实现的功能。
徐伶伶[9]2007年在《基于领域划分与语义的集中式混合P2P网络资源搜索模型研究》文中指出Peer-to-Peer网络技术是目前国际计算机网络技术研究领域的一个热点,其主要目的就是充分利用互联网中所蕴含的潜在资源。而P2P搜索技术研究也一直是P2P网络技术研究的一个重要组成部分。随着网络中信息的日益膨胀,如何提高P2P网络中资源的利用率以及如何保证信息检索的查全率和查准率是P2P技术研究的关键所在,这些问题解决的好坏直接影响P2P应用的有效性和P2P技术的进一步发展。针对当前P2P网络信息检索的效率较低问题,本文在分析P2P网络特性的基础上,提出了一种基于领域划分与语义的P2P网络资源搜索模型—Information Retrieval model of Centralized Mixed P2P Networks Based On Field Partition And Semantics。本文的主要工作和贡献包括:第一,采用P2P-集中式混合架构,该架构在性能、节点容量和灵活性方面都有很大的提升。第二,提出领域划分的概念以及划分的方法,将P2P网络中的节点按领域划分为不同的区段,使属于同一领域的节点链接在一起。该方法使得搜索的范围缩短在特定的区段内,从而减少了搜索的平均路径和时间。第叁,将本体论和语义网络引入P2P网络中,使得网络中的信息都是具有语义的,使计算机能够理解和处理的,便于人和计算机之间的交互和合作,同时查全率和查准率得到提高,查询结果更为合理可用。
冯玲[10]2007年在《一种基于语义的P2P网络资源检索机制》文中研究表明Peer-to-Peer(P2P)网络由于其可扩展性、容错性和自主性的特点使之成为目前分布式研究的热点。但如何在用户分布广泛、数量巨大、节点行为不可控、计算能力和网络连接不均匀的复杂环境下实现高效的搜索服务是P2P应用面临的巨大挑战。当前的P2P资源检索大部分只支持简单的关键字查询功能,存在一些缺陷,如对于一些模糊查询请求,或者多关键字查询,结果的准确率不高;资源缺少统一的语义描述,用户难以查找到需求相关的内容,难以实现相关资源的语义融合。针对上述问题,将P2P技术和语义Web技术结合起来,克服传统基于客户机/服务器的搜索机制的弊端,提高了系统的可扩展性。同时通过对资源进行语义标注,并结合描述逻辑的思想,实现知识的表示和推理,提高知识处理和理解的能力,系统可以进行比关键字查询更复杂的查询,查询结果满意度将大大提高。提出一种基于语义分组和语义相似度的非结构化P2P网络资源检索机SBSGSS,它以计算机领域文献ACM知识本体作为所有节点的共享信息模型,对系统中的资源进行语义描述,保证了机器对资源的可理解性,可以实现复杂的查询和知识的高度共享;同时利用描述逻辑进行概念之间的推理机制,实现知识的语义推理,提高检索的效率;在SBSGSS中,节点文档按照语义进行分组,节点的分组之间按语义相似度建立朋友关系,搜索过程利用朋友关系实现搜索请求的转发。仿真试验结果表明,SBSGSS能够有效地提高系统的查询效率。
参考文献：
[1]. P2P网络中基于RDF的资源发现方法研究[D]. 张海飞. 国防科学技术大学. 2004
[2]. 网络化制造环境下基于元数据和P2P的资源共享机制研究[D]. 罗炜. 浙江工商大学. 2013
[3]. 基于本体论和聚类的P2P网络搜索方法研究[D]. 冯明星. 广西大学. 2007
[4]. 基于P2P网络的资源搜索算法的研究[D]. 朱玉平. 山东师范大学. 2013
[5]. 基于环境/上下文感知的P2P网络的几个关键技术研究[D]. 吴华. 华东师范大学. 2005
[6]. 结构化P2P网络上语义发布/订阅事件路由算法[J]. 尹建伟, 施冬材, 钱剑锋, 董金祥, 熊乃学. 浙江大学学报(工学版). 2008
[7]. 基于P2P网络节点上下文的任务分解和调度方法研究[D]. 宋言伟. 山东大学. 2012
[8]. 基于蚁群算法的P2P网络知识路由算法研究[D]. 王亚彬. 太原理工大学. 2008
[9]. 基于领域划分与语义的集中式混合P2P网络资源搜索模型研究[D]. 徐伶伶. 中国海洋大学. 2007
[10]. 一种基于语义的P2P网络资源检索机制[D]. 冯玲. 华中科技大学. 2007
标签：互联网技术论文; p2p论文; 工作流论文; 蚁群算法论文; 上下文论文; 工作流管理系统论文; 网络节点论文; p2p系统论文; web技术论文; 语义分析论文; p2p模式论文; rdf论文; 网络模型论文; 结构化方法论文; 能力模型论文; 动态模型论文;