基于约束逻辑的网络非集中式信息流整合系统设计

殷 明

（信阳农林学院，河南 信阳 464100）

0 引言

网络已经成为人类信息传输的主要方式，网络中信息流数据量不断增加使数据流计算量以指数规律增长[1]。网络非集中式信息流整合问题是典型的NP 问题，采用传统的数学规范方法无法获取最优解。

约束逻辑是通过极小计算量获取所需结果的有效处理方法，将约束逻辑规划方法应用于网络非集中式信息流整合中，有效提升整合效率[2]，缩短整合时间。以往的逻辑语言通过合适的约束条件，通过整合后检测整合错误方法降低搜索空间，整合效率较低；约束逻辑利用离散组合优化语言，通过明确的关系形式以及语义体现网络非集中式信息流属性，利用不确定性方式实现网络非集中式信息流整合。在约束逻辑规划中选取领域变量研究高阶逻辑语言[3]，通过高阶逻辑语言实现网络非集中式信息流高速整合提升整合有效性。

网络中大量非集中式信息流有效整合对于信息传输与利用具有重要意义[4]，网络信息流整合可改善信息资源荒废情况，使网络中信息资源数据具有唯一性，保证信息资源有效共享[5]，提升信息流完整性、安全性、时效性以及唯一性，令网络中非集中式信息流效用提升。以往，网络信息流整合系统虽可以利用资源整合引擎实现信息流整合，但整合检索途径单一[6]，尤其是对于非集中式信息流，需要较长时间才可完成信息流整合，整合效率较低。设计基于约束逻辑的网络非集中式信息流整合系统，将网络中非集中式信息流利用该系统的约束逻辑规划方法处理，实现网络非集中式信息流高效整合。

1 网络非集中式信息流整合系统

1.1 系统总体结构

基于约束逻辑的网络非集中式信息流整合系统总体结构图如图1 所示。

图1 网络非集中式信息流整合系统总体结构图

由图1 可以看出，网络非集中式信息流整合系统主要包括信息流采集层、信息流应用层、信息流整合层三部分。信息流采集层为系统内网络非集中式信息流采集部分，利用信息流采集接口将网络中各种类型非集中式信息流有效采集；信息流整合层将所采集非集中式信息流分类后，发送至信息流标引模块，信息流标引模块利用约束逻辑规划方法将分类后的信息有效标引[7]，在系统中分类以及标引后将信息流同步发送至相应数据库中；标引后信息流通过网络非集中式信息流管理模型利用信息流更新、信息流查找、信息流绑定以及信息流调用四部分实现网络非集中式信息流整合。系统中设置容错机制，容错机制可恢复系统中故障节点，提升信息流整合可靠性；整合结果通过信息流应用层接口为用户提供整合服务[8]。网络非集中式信息流整合系统可实现网络非集中式信息流数据整合处理，提升信息流整合个性化、智能化以及最优化。

1.2 约束逻辑规划方法

在网络非集中式信息流整合系统信息流标引中，最基本的程序是选择约束逻辑程序，选取Look Ahead 程序作为约束逻辑程序，该程序对于存在约束数量较大的交互作用场合应用性较强[9]，Look Ahead 程序中的Forward 检查程序可通过较长等待时间获取惩罚较大候选方案。

当标引任务i与标引任务j无法同时执行时，用disjunctive(W i,di,W j,dj)表示，该约束作为强约束较容易被违反，标引任务初始时间采用选择策略中值约束方法表示[10]，该约束方法具有最小违反约束提升信息流标引效果。

约束逻辑中，需要利用不成立可能性较高的约束选取序列约束，通过序列约束裁剪搜索空间。序列约束选取过程如下：

1）建立Forward 检查推理规则的内建约束；

2）建立Look Ahead 推理规则的内建约束；

3）将所建立约束提交至Forward 声明；

4）选取最终约束。

通过建立内建约束可令解空间以最小成本获取最大自由度，避免解空间裁剪过大。Forward 检查推理规则可在成本最小基础上获取变量实例化[11]，实现网络非集中式信息流最佳标引结果。

网络非集中式信息流整合系统中主要的约束逻辑以及处理方法如下：

1）序列约束

设非集中式信息流数量为N，网络中第i个信息流第j个标引任务用(i,j)表示。为便于非集中式信息流标引，将网络流通时间为0 的虚拟标引任务加入网络中，设置该任务为end⁃task，结束任务[12]，设置该任务时间小于任何任务。

针对相同信息流，用W i1,j1=max(W i2,j2+pi2,j2)表示标引任务(i1,j1)的最早开始时间。当存在信息流标引任务(i2,j2)超前于标引任务(i1,j1)时，此时标引任务(i1,j1)最小持续时间用tend表示，用W i1,j1=max(W i2,j2+pi2,j2)表示信息流标引任务的最晚开始时间。相同信息流的全部超前任务(i1,j1)的任务(i2,j2)为：设关键任务为存在Tend=tend，且松弛为0 的任务。

2）距离约束

距离约束主要包括相对距离约束以及绝对距离约束。

相对距离约束为：标引任务(i2,j2)完成10 个时间单位后，标引任务(i1,j1)用W i1,j1>W i2,j2+pi2,j2+10 表示；

绝对距离约束为：T时刻后，标引任务(i,j)用W ij≥T表示。

3）析取约束

析取约束是网络非集中式信息流整合复杂性的主要体现[13]，标引任务(i1,j1)与标引任务(i2,j2)通过析取约束表示两个标引任务无法同时进行，表明标引任务(i1,j1)与标引任务(i2,j2)具有相同的资源。

4）资源约束

通过资源约束使资源保有量低于信息流资源使用总量，资源约束用表示。并在设置特定时间时，信息流标引任务仅可通过一个资源解决，此时资源约束表示为。

通过约束逻辑规划方法作为体现与处理信息流标引约束工具，利用所定义约束控制网络非集中式信息流标引执行方法[14]，网络非集中式任务流整合过程可通过谓词增加设置信息流标引约束。

1.3 信息流管理模型

网络非集中式信息流管理模型如图2 所示。

图2 网络非集中式信息流管理模型

通过网络非集中式信息流整合系统中非集中式信息流管理模型实现网络非集中式信息流整合，该模型通过服务提供方与服务请求方两方面组成，模型内包括信息流更新、信息流查找、信息流绑定以及信息流调用四部分。在系统中，服务提供方是整合服务所有者[15]，利用服务提供方将网络中完成标引的非集中式信息流通过更新、查找、绑定以及调用四个步骤实现信息流整合，并将整合结果发送至系统信息流应用层，用户通过应用层接口获取所需的整合结果。

2 实验分析

为检测本文研究基于约束逻辑的网络非集中式信息流整合系统整合网络非集中式信息流有效性，在操作系统为Windows XP 的软件环境中，利用开源JDK 开发工具中的Java 语言编程本文系统，选取网络中非集中式供应链信息流作为实验对象，检测本文系统整合效果。

将本文系统与传统整合系统整合性能对比，对比结果如表1 所示。

表1 不同系统整合性能对比

由表1 对比结果可以看出，采用本文系统整合网络非集中式信息流，可一站式完成信息查询并快速获取整合结果，并具有强大的检索功能，可实现跨网络整合，将不同语种非集中式信息流快速整合，验证本文系统强大的整合功能。本文系统可改善传统系统单一集成功能，具有明显可变更性以及前沿性，收集信息较为准确，可主动实现非集中式信息流整合，使用价值较高。

为进一步检测本文系统整合效果，统计本文系统整合大小为1000 MB 的网络非集中式信息流整合准确率，并将本文系统与多目标系统以及Web 系统对比，对比结果如图3 所示。

图3 不同系统整合准确率对比

由图3 实验结果可以看出，采用本文系统可有效整合网络非集中式信息流，整合准确率高达99%以上；而多目标系统以及Web 系统整合网络非集中式信息流准确率均低于98%，实验结果有效验证本文系统具有较高的整合有效性。

统计采用本文系统整合网络信息流整合完整性，并将本文系统与多目标系统以及Web 系统对比，对比结果如图4 所示。

图4 不同系统整合完整性对比

由图4 实验结果可以看出，采用本文系统整合网络非集中式信息流，整合完整性均高于99%；采用多目标系统以及Web 系统整合网络非集中式信息流整合完整性均低于98%。实验结果表明，采用本文系统不仅可有效整合网络非集中式信息流，并可保存完整的信息流，进一步验证网络非集中式信息流整合有效性。

统计采用本文系统整合网络非集中式信息流CPU用户占有率，并将本文系统与多目标系统以及Web 系统对比，对比结果如图5 所示。

图5 用户空间CPU 占有率对比

由图5 实验结果可以看出，采用本文系统整合网络非集中式信息流用户空间CPU 占有率在不同信息流大小时均低于20%；采用多目标系统以及Web 系统整合网络非集中式信息流的用户空间CPU 占有率在不同信息流大小情况下均高于25%。实验结果表明，采用本文系统整合网络非集中式信息流具有较低的用户空间CPU占有率，有效验证本文系统整合性能。

统计采用本文系统整合网络非集中式信息流运行时CPU 系统占用率，并将本文系统与多目标系统以及Web 系统对比，对比结果如图6 所示。

图6 CPU 系统占用率

由图6 实验结果可以看出，采用本文系统整合网络非集中式信息流CPU 系统占用率均低于20%；采用多目标系统以及Web 系统整合网络非集中式信息流CPU 系统占用率明显高于本文系统，实验结果进一步验证本文系统整合性能。

统计采用本文系统整合1000 MB 网络非集中式信息流耗时，并将本文系统与多目标系统以及Web 系统对比，对比结果如图7 所示。

图7 信息流整合耗时对比

由图7 实验结果可以看出，采用本文系统整合网络非集中式信息流整合耗时均为30 ms 以内；采用多目标系统以及Web 系统整合网络非集中式信息流耗时均高于70 ms，有效验证本文系统整合效率。本文系统采用约束逻辑规划方法，丰富信息流检索途径，有效降低系统整合耗时，提升整合速度。

以上实验结果表明，采用本文系统整合网络非集中式信息流形成的CPU、内存占有率以及整合耗时均具有明显的优势。

3 结 论

网络中存在大量非集中式信息流，网络非集中式信息流整合问题作为NP 问题，极难获取最优解。将约束逻辑规划方法应用于网络非集中式信息流整合系统中，有效提升网络非集中式信息流整合有效性，通过系统整合有效性、信息流整合完整性以及内存使用情况验证该系统整合性能，该系统可应用于网络非集中式信息流整合实际应用中。