基于增量式流處理的雙鏈區(qū)塊鏈多目標優(yōu)化方法研究

劉亞男

(安徽工商職業(yè)學院，安徽 合肥 231131)

增量式學習算法是一種數(shù)據(jù)庫處理技術(shù)，在動態(tài)變化處理過程中，不斷增加待處理的數(shù)據(jù)量，增強分析結(jié)果的準確性。流處理是一種重要的大數(shù)據(jù)處理手段，通過實時分布處理動態(tài)數(shù)據(jù)，能夠增加數(shù)據(jù)處理的效率。雙鏈區(qū)塊鏈是一種單鏈結(jié)構(gòu)的衍生，由于單鏈結(jié)構(gòu)不能有效實現(xiàn)對數(shù)據(jù)實體的應(yīng)用[1]，在管理上存在一定的滯后，故將原有的區(qū)塊鏈衍生出雙鏈結(jié)構(gòu)，增強區(qū)塊鏈的管理效率。多目標優(yōu)化方法的原理是使用一項系數(shù)將多個目標函數(shù)整合為一項單目標函數(shù)的過程，在實際處理過程中，選定不同數(shù)值的決策系數(shù)[2]，自適應(yīng)調(diào)整單向目標函數(shù)，實現(xiàn)對多目標處理過程的優(yōu)化。在多項智能算法的支持下，設(shè)計得到多種目標優(yōu)化方法。

本文提出基于增量式流處理的雙鏈區(qū)塊鏈多目標優(yōu)化方法，為實際雙鏈區(qū)塊鏈多目標優(yōu)化提供參考。

一、基于增量式流處理的雙鏈區(qū)塊鏈多目標優(yōu)化方法研究

(一)增量聚合雙鏈區(qū)塊鏈結(jié)構(gòu)

雙鏈區(qū)塊鏈有著特殊的結(jié)構(gòu)組成，增量聚合處理時，能夠減少雙鏈結(jié)構(gòu)產(chǎn)生的冗余計算量[3]，優(yōu)化屬性函數(shù)后，采用自底向上的算法處理屬性函數(shù)中的隸屬概率[4]，并將該概率作為雙鏈區(qū)塊鏈的增量參數(shù)，隸屬概率可計算得到：

(1)

式中，M表示一次向上處理時所需隸屬參數(shù)，xt表示區(qū)塊鏈的數(shù)值概率密度。在合并處理兩區(qū)塊鏈的數(shù)據(jù)結(jié)構(gòu)時[5]，不同數(shù)據(jù)簇會產(chǎn)生隸屬度漂移，重復增量聚合區(qū)塊鏈的數(shù)值概率密度，使用概率密度數(shù)值，構(gòu)建一個流處理數(shù)學模型。

(二)流處理區(qū)塊鏈數(shù)據(jù)

使用上述得到的概率密度數(shù)值，隨機選定一項概率數(shù)值，變換處理為一個概率分量，殘余概率數(shù)據(jù)在不同時間周期控制下，形成多個單調(diào)分量[6]，利用mean shift算法估算區(qū)塊鏈中產(chǎn)生的分布密度。在構(gòu)建流處理數(shù)學模型時，將相鄰數(shù)值節(jié)點調(diào)整為一個微型簇結(jié)構(gòu)[7]，整合簇結(jié)構(gòu)的節(jié)點，構(gòu)建得到如下所示的數(shù)學模型，數(shù)值關(guān)系可表示為：

(2)

式中，F(xiàn)表示微型簇調(diào)整參數(shù)，Q表示相鄰節(jié)點數(shù)值集合，γ表示節(jié)點凝聚參數(shù)。為了增強數(shù)學模型的精度，將調(diào)整參數(shù)處理為信息熵[8]，在不斷變換基準聚類參數(shù)后，將雙鏈區(qū)塊鏈的數(shù)據(jù)處理為一個并行模式，可表示為：

(3)

式中，Mi表示聚類階段處理產(chǎn)生的時間開銷，其余參數(shù)含義不變。使用并行參數(shù)作為多目標的劃分參數(shù)[9]，針對劃分得到的多目標，構(gòu)建目標優(yōu)化算法。

(三)構(gòu)建多目標優(yōu)化算法

使用上述劃分得到的多目標參數(shù)，在構(gòu)建優(yōu)化算法時，設(shè)定目標參數(shù)的約束條件，多個并行參數(shù)對應(yīng)處理為多個約束條件后，構(gòu)建成一個支配空間[10]，將支配空間內(nèi)的并行參數(shù)作為優(yōu)化節(jié)點，計算優(yōu)化節(jié)點間的歐式距離，計算公式可表示為：

(4)

式中，D1、D2分別表示節(jié)點聚類參數(shù)，li表示節(jié)點并行參數(shù)聚類函數(shù)，D表示節(jié)點數(shù)據(jù)集。以最大數(shù)值對應(yīng)的點做維護優(yōu)化目標[11]，重復支配各項符合條件的節(jié)點，為了平衡區(qū)塊鏈數(shù)據(jù)點中的擁擠程度，重復稀疏化處理優(yōu)化節(jié)點后，確定一個最優(yōu)解，以該最優(yōu)解對應(yīng)的處理過程作為優(yōu)化過程[12]，最終完成對雙鏈區(qū)塊鏈多目標優(yōu)化方法的設(shè)計。

二、仿真實驗分析

(一)實驗準備

準備六臺服務(wù)器搭建區(qū)塊鏈網(wǎng)絡(luò)作為實驗環(huán)境,使用該六臺服務(wù)器共同維護區(qū)塊鏈的正常運作，在每個服務(wù)器上認證一個節(jié)點，搭建如圖1所示的雙鏈區(qū)塊鏈支持結(jié)構(gòu)。

圖1 搭建的區(qū)塊鏈支持結(jié)構(gòu)

(二)結(jié)果及分析

基于上述實驗準備，控制區(qū)塊鏈內(nèi)的目標數(shù)據(jù)流內(nèi)置1500組數(shù)據(jù)，控制三種多目標優(yōu)化方法同時處理對應(yīng)的數(shù)據(jù)流，以100組數(shù)據(jù)作為一個時間開銷統(tǒng)計時間點，最終三種多目標優(yōu)化方法時間開銷結(jié)果見表1。

由表1所示的時間開銷結(jié)果可知，控制三種多目標優(yōu)化方法處理相同屬性及相同數(shù)量的數(shù)據(jù)，根據(jù)表中的實驗結(jié)果，傳統(tǒng)多目標優(yōu)化方法1所需的時間開銷在60ms左右，優(yōu)化方法所需的時間較長，傳統(tǒng)多目標優(yōu)化方法2所需的平均時間開銷在34.2ms左右，優(yōu)化過程所需的時間較長，設(shè)計的優(yōu)化方法優(yōu)化所需的平均時間開銷在15s左右，與兩種傳統(tǒng)多目標優(yōu)化方法相比，設(shè)計的優(yōu)化方法實際所需的時間開銷最小，具有較強的時效性。

在上述實驗環(huán)境下，受到區(qū)塊鏈結(jié)構(gòu)的影響，在實際進行多目標優(yōu)化時，存在多個處理模塊，對應(yīng)上述實驗準備的數(shù)據(jù)組，以多目標數(shù)據(jù)發(fā)出到區(qū)塊鏈支持結(jié)構(gòu)過程作為實驗對比，定義三種優(yōu)化方法的吞吐量，計算公式可表示為：

(5)

式中，Sumdt表示數(shù)據(jù)發(fā)出時間周期內(nèi)包含的目標數(shù)據(jù)數(shù)量，Δt表示數(shù)據(jù)發(fā)出到區(qū)塊鏈結(jié)構(gòu)過程中的時間間隔，吞吐量越大，表明處理數(shù)據(jù)目標效果更好。在上述吞吐量數(shù)值關(guān)系的控制下，對應(yīng)設(shè)定10s～100s之間時間周期參數(shù)，計算并對比三種多目標優(yōu)化方法可處理的目標數(shù)據(jù)量，結(jié)果見表2。

表2 三種多目標優(yōu)化方法吞吐量結(jié)果

在固定時間周期參數(shù)下，控制三種優(yōu)化方法處理目標數(shù)據(jù)，對應(yīng)上述計算公式的結(jié)果，傳統(tǒng)優(yōu)化方法1的吞吐量數(shù)值在100組/秒～200組/秒之間，對應(yīng)優(yōu)化方法在固定的時間周期內(nèi)處理的數(shù)據(jù)量最少，傳統(tǒng)優(yōu)化方法2吞吐量數(shù)值在300組/秒～400組/秒之間，在相同的時間周期內(nèi)可處理的數(shù)據(jù)量數(shù)值較少。而設(shè)計得到的優(yōu)化方法吞吐量結(jié)果在600組/秒～700組/秒之間，與兩種傳統(tǒng)優(yōu)化方法相比，設(shè)計得到的優(yōu)化方法可處理的目標數(shù)據(jù)量最多。

保持上述實驗環(huán)境不變，選定區(qū)塊鏈結(jié)構(gòu)中十個處理節(jié)點，設(shè)定節(jié)點的迭代次數(shù)為100次，設(shè)定區(qū)塊鏈不同的尺度參數(shù)，定義多目標優(yōu)化方法的收斂性，收斂性參數(shù)的數(shù)值關(guān)系可表示為：

(6)

式中，f表示收斂性參數(shù)，p表示尺度參數(shù)，xi表示區(qū)塊鏈節(jié)點函數(shù)，N表示實際迭代次數(shù)。在上述計算公式控制下，最終三種多目標優(yōu)化方法在不同尺度參數(shù)控制下的收斂性結(jié)果如圖2所示。

圖2 三種多目標優(yōu)化方法收斂性結(jié)果

在相同大小的尺度參數(shù)控制下，控制三種多目標優(yōu)化方法處理相同結(jié)構(gòu)的區(qū)塊鏈結(jié)構(gòu)，根據(jù)收斂性結(jié)果可知，傳統(tǒng)多目標優(yōu)化方法1和多目標優(yōu)化方法2的收斂率較低，收斂性效果較差，而設(shè)計的多目標方法的收斂率與兩種設(shè)計的多目標優(yōu)化方法相比，設(shè)計的多目標優(yōu)化方法收斂性最強。在相同尺度數(shù)值的控制下，多目標優(yōu)化方法能夠控制優(yōu)化方法在區(qū)塊鏈中產(chǎn)生的數(shù)據(jù)變異，保證目標優(yōu)化的多樣性。

三、結(jié)語

雙鏈區(qū)塊鏈是單鏈區(qū)塊鏈結(jié)構(gòu)的派生，由于單鏈結(jié)構(gòu)不能有效地實現(xiàn)對數(shù)據(jù)實體的應(yīng)用，在管理上存在一定的滯后，所以將原來的區(qū)塊鏈派生為雙鏈區(qū)塊鏈結(jié)構(gòu)，以提高區(qū)塊鏈的管理效率，同時結(jié)合增量式流處理。該技術(shù)是一項綜合處理技術(shù)，在雙鏈區(qū)塊鏈的發(fā)展下，運用該項綜合處理技術(shù)，設(shè)計一種多目標優(yōu)化方法，能夠改善傳統(tǒng)多目標優(yōu)化方法的不足，為今后研究優(yōu)化方法提供理論支持。