Revista: | Computación y sistemas |
Base de datos: | PERIÓDICA |
Número de sistema: | 000329093 |
ISSN: | 1405-5546 |
Autores: | Gómez Santillán, Claudio1 Cruz Reyes, Laura2 Meza Conde, Eustorgio1 Schaeffer, Elisa3 Castilla Valdez, Guadalupe2 |
Instituciones: | 1Instituto Politécnico Nacional, Centro de Investigación en Ciencia Aplicada y Tecnología Avanzada, Altamira, Tamaulipas. México 2Instituto Tecnológico de Ciudad Madero, Ciudad Madero, Tamaulipas. México 3Universidad Autónoma de Nuevo León, Facultad de Ingeniería Mecánica y Eléctrica, Monterrey, Nuevo León. México |
Año: | 2010 |
Periodo: | Abr-Jun |
Volumen: | 13 |
Número: | 4 |
Paginación: | 433-448 |
País: | México |
Idioma: | Inglés |
Tipo de documento: | Artículo |
Enfoque: | Experimental |
Resumen en español | En este documento, proponemos un nuevo algoritmo para ruteo de consultas textuales dentro de una red P2P, llamado Neighboring-Ant Search (NAS). El algoritmo está basado en la metaheurística Ant Colony System (ACS) y el algoritmo SemAnt. Además, NAS está hibridizado con estrategias del ambiente local de aprendizaje, caracterización y exploración. Dos reglas de aprendizaje (LR) son usadas para aprender del rendimiento pasado, esas reglas son modificadas por tres Funciones de Aprendizaje (LF). Un Coeficiente de Dispersión del Grado (DDC) es usado como una métrica topológica local para la caracterización estructural. Una adaptación del bien conocido método de exploración de adelanto (one-step Lookahead) es usado para explorar el ambiente cercano. Estas estrategias locales proveen a NAS una capacidad auto-adaptativa que mejora el rendimiento de la búsqueda distribuida. Los resultados experimentales muestran la contribución de cada estrategia propuesta para el rendimiento del algoritmo NAS. Estos resultados revelan que el algoritmo NAS obtiene mejores resultados que los algoritmos propuestos en la literatura existente tales como Random-Walk y SemAnt |
Resumen en inglés | In this paper, we present a new algorithm to route text queries within a P2P network, called Neighboring-Ant Search (NAS) algorithm. The algorithm is based on the Ant Colony System metaheuristic and the SemAnt algorithm. More so, NAS is hybridized with local environment strategies of learning, characterization, and exploration. Two Learning Rules (LR) are used to learn from past performance, these rules are modified by three new Learning Functions (LF). A Degree-Dispersion-Coefficient (DDC) as a local topological metric is used for the structural characterization. A variant of the well-known one-step Lookahead exploration is used to search the nearby environment. These local strategies make NAS self-adaptive and improve the performance of the distributed search. Our results show the contribution of each proposed strategy to the performance of the NAS algorithm. The results reveal that NAS algorithm outperforms methods proposed in the literature, such as Random-Walk and SemAnt |
Disciplinas: | Ciencias de la computación, Bibliotecología y ciencia de la información |
Palabras clave: | Sistemas de información, Tecnología de la información, Proceso de búsqueda, Internet, Redes complejas, Sistema de colonias de hormigas, Ambiente local, Vecindad |
Keyword: | Computer science, Library and information science, Information systems, Information technology, Search process, Internet, Complex networks, Ant colony system, Local environment, Neighbor |
Texto completo: | Texto completo (Ver HTML) |