赞！大工又获新突破！
近日，大连理工大学软件学院在分布式计算系统领域研究再次取得突破性进展，两篇论文被分布式计算顶级学术会议The 39th IEEE International Conference on Distributed Computing Systems (ICDCS 2019)录用。
成果一：Near Optimal Charging Scheduling for 3-D Wireless Rechargeable Sensor Networks with Energy Constraints(能量受限3D无线充电传感器网络近似最优充电调度方法)
该成果由软件学院智能系统研究所星海优青林驰副教授和国春洋、王雷、吴国伟三位教授共同完成。该论文以三维无线可充电传感器网络为研究背景，无人机作为移动充电设备，在无人机能量约束下以最大化传感器节点充电电量作为目标。该论文首先采用空间和时间离散方法将三维网络的充电服务分割为具有最小充电间隔的停靠点，然后将该问题转化为路径约束下的次模函数最大化问题，进而提出一个cost-efficient近似算法进行求解，最后文章通过test-bed以及大规模仿真实验验证算法的正确性和高效性。
这是软件学院智能系统研究所的论文第二次被ICDCS录用。去年在ICDCS 2018上，该团队首次提出3D无线充电概念，引发了学术界的极大关注，同时得到了审稿人极高的评价，实现软件学院在该顶级会议上论文发表零的突破。
近年来，智能系统研究所已经在计算机网络、分布式计算、传感器网络顶级会议INFOCOM 2018、INFOCOM 2019、SECON 2018、ICDCS 2018、ICDCS 2019、顶级期刊TON、TMC、TECS、TVT等CCF A、B类会议期刊发表论文20余篇，标志着软件学院在物联网研究成果得到了本领域同行的关注和认可。
成果二：A Universal Method Based on Structure Subgraph Feature for Link Prediction over Dynamic Networks（一种基于结构子图特征的动态网络链接预测通用方法）
该成果由软件学院机器学习研究所梁文新副教授指导的硕士生李晓完成的。该论文主要研究动态网络下的链接预测问题，目的在于提出一种能够适用于不同结构特点的动态网络的通用链接预测方法。该论文提出了基于链接结构的子图特征量，并将其应用到神经网络模型中构建链接预测模型。该模型能够充分利用链接周围多种拓扑信息，且有效处理动态网络中由于历史链接形成时间不同而对未知链接形成所产生的影响。论文利用大量的实验证明了该模型相较于经典的链接预测模型，能够在不同动态网络中维持稳定和出色的链接预测效果。
近年来，软件学院机器学习研究所已在人工智能、机器学习、数据挖掘、分布式计算领域顶级会议AAAI、IJCAI、ICDM、ICDCS，顶级期刊IEEE TKDE、IEEE TNNLS、IEEE TMM等CCF A、B类会议和期刊上发表论文超过20篇。
ICDCS是分布式计算系统领域享有盛誉和具有重要学术影响力的顶级国际学术会议。本届ICDCS录用率仅为19.6%，会议将于7月7日至10日在美国德克萨斯州达拉斯举行。
内容来源 | 软件学院 大工新闻网
新闻作者 | 林驰
责任编辑 | 周学飞
近期精彩内容
点亮在看，让更多人看到