贝叶斯网络结构学习是贝叶斯网络推理及应用的基础.搜索高质量的节点序是贝叶斯网络结构学习的一类重要方法.针对在节点序空间中,搜索高质量节点序存在的难以高效、准确评估解的问题,本文提出了一种近似图引导的演化贝叶斯网络结构学习算法.首先,该算法利用互信息构建无向近似图;其次,该算法通过结合节点序和无向近似图构造有向图结构,将其贝叶斯信息准则评分作为节点序的适应度来高效评估节点序,并在演化优化的框架下,使用提出的基于Kendall Tau Distance的交叉算子和基于逆度的变异算子搜索最优节点序;最后,将搜索到的最优节点序输入K2算法得到其对应的贝叶斯网络结构.在4种不同规模网络上的实验结果表明,该算法在收敛时间和准确度之间取得了较好的平衡,其评分相较于对比算法中的次优解分别提升了10.91%、12.28%、53.96%、10.87%.
区块链是近年来炙手可热的技术话题之一,与其相关的研究理论正在不断丰富。然而,距离区块链技术落地仍面临着吞吐量小、处理效率低的关键问题。针对该问题,跨链技术作为一种有潜力,同时具备扩大吞吐量处理能力、提升处理效率的区块链技术而被广泛关注。文中给出了一种基于改进哈希时间锁的跨链资产交互协议(A Novel Hash-Time-Lock-Contract Based Cross-Chain Token Swap Mechanism,NCASP),创造性地为Fabric区块链引入账户体系,融合智能合约技术实现了在以太坊和Fabric联盟链网络之间的安全无缝资产交换。NCASP协议在每笔HTLC(Hash Time Lock Contract)转账中设置了不同的中间账户进行资产托管和转移,并在交易完成后及时销毁,使得在原有跨链交易速率不变的同时,保证了交易的安全性。通过对协议进行仿真模拟表明,该协议适用于以Fabric为代表的联盟链与比特币以及以以太坊为代表的公链,无需第三方区块链介入,即可实现高效安全的跨链资产交换,且在交易效率上比BSN(Blockchain Service Network)的跨链方案节省了约26.8%。改进的协议扩展了传统HTLC跨链资产方案的使用场景,使不同用户间的资产交换兼顾原子性、公平性以及透明性的特点。
