CN109961148B - 一种使用随机森林算法实现区块链生产节点的选择方法 - Google Patents
一种使用随机森林算法实现区块链生产节点的选择方法 Download PDFInfo
- Publication number
- CN109961148B CN109961148B CN201910264821.9A CN201910264821A CN109961148B CN 109961148 B CN109961148 B CN 109961148B CN 201910264821 A CN201910264821 A CN 201910264821A CN 109961148 B CN109961148 B CN 109961148B
- Authority
- CN
- China
- Prior art keywords
- node
- characteristic
- probability
- production
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 10
- 238000007637 random forest analysis Methods 0.000 title claims abstract description 10
- 238000003066 decision tree Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000007812 deficiency Effects 0.000 abstract description 2
- 238000010187 selection method Methods 0.000 abstract 1
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/12—Applying verification of the received information
- H04L63/123—Applying verification of the received information received data contents, e.g. message integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种使用随机森林算法实现区块链生产节点的选择方法,对节点的每个特性各自构建自己的决策树;对每个决策树对应的特性设置被选为生产节点的概率,构造概率表;对每个特性设置在所有特性中所占的权重值;对每个节点的每个特性具体数值对照概率表选出每个特性对应的被选中概率;根据具体的一个节点的每个特性的具体概率值和每个特性所占的权重值计算出(可变换多种算法计算)这个节点最终被选为生产节点的概率;对每个节点做轮询,根据最终被选为生产节点的概率确定是否被选中。以上使用随机森林算法实现区块链生产节点的选择方法的方案,实现了每个节点依据自身的特性都有一定的概率被选为生产节点;避免了区块链中的一点不足:对硬件资源要求极高,只能部分人能参与。
Description
技术领域
本发明涉及区块链生产节点的选择,尤其是一种使用随机森林算法实现区块链生产节点的选择。
背景技术
目前的区块链要成为生产节点对硬件要求极高,如比特币是靠拼算力获取,想要高的算力就需要好的带宽,大内存,多核高赫兹cpu,建立这样一个节点需要花费大量的金钱,再如EOS,直接规定了成为生产节点就必须达到官方指定的硬件条件:亚马逊AWSEC2主机x1.32xlarge型,128核处理器,2TB内存,2x1920GBSSD,25Gb带宽;据了解,这样一台服务器一年的成本约为75.9万元人民币;而区块链重要特点是去中心化的分布式账本,体现的是公平公正的原则,人人可记账,即人人可参与,能记账则需要成为生产节点,而现在要成为区块链生产节点,对硬件要求极高,要花费大量的人力,财力,导致大部分人都难以参与。
发明内容
为了解决上述现有技术中存在的问题,本发明提供一种为了使所有人都有机会参与到区块链生态系统,引入了随机森林算法,保证所有人都有机会成为生产节点,共享区块链红利。
本发明解决其技术问题所采用的技术方案是:一种使用随机森林算法实现区块链生产节点的选择方法,每个节点包含多个特性,根据每个节点的多个特性设置被选为生产节点的算法;所述算法包括有:对节点的每个特性各自构建自己的决策树;对每个决策树对应的特性设置被选为生产节点的概率,构造概率表;对每个特性设置在所有特性中所占的权重值;对每个节点的每个特性具体数值对照概率表选出每个特性对应的被选中概率;根据具体的一个节点的每个特性的具体概率值和每个特性所占的权重值计算出(可变换多种算法计算)这个节点最终被选为生产节点的概率;对每个节点做轮询,根据最终被选为生产节点的概率确定是否被选中。
本发明还具有以下附加技术特征:
作为本发明技术方案进一步具体优化的:所述特性包括有:特性1、带宽;特性2、内存;特性3、CPU;特性4、磁盘大小;特性5、上一次为生产节点到当前所经历的时间。
作为本发明技术方案进一步具体优化的:最终被选为生产节点的概率公式为:y=p1*w1+p2*w2+…+p(n-1)*w(n-1)+p(n)*w(n)。
作为本发明技术方案进一步具体优化的:以某个节点对应的带宽概率为p1,内存概率为p2,Cpu概率为p3,上一次为生产节点到当前所经历的时间概率为p4,磁盘概率为p5;每个特性在所有特性中所占的权重为:带宽权重为w1,内存权重为w2,Cpu权重为w3,上一次为生产节点到当前所经历的时间权重为w4,磁盘权重为w5;则最终被选为生产节点的概率=p1*w1+p2*w2+p3*w3+p4*w4+p5*w5。
本发明和现有技术相比,其优点在于:以上使用随机森林算法实现区块链生产节点的选择方法的方案,实现了每个节点依据自身的特性都有一定的概率被选为生产节点;避免了区块链中的一点不足:对硬件资源要求极高,只能部分人能参与。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
具体实施方式
下面将更详细地描述本发明公开的示例性实施例,这些实施例是为了能够更透彻地理解本发明,并且能够将本发明公开的范围完整的传达给本领域的技术人员。虽然显示了本发明公开的示例性实施例,然而应当理解,本发明而不应被这里阐述的实施例所限制。
一种使用随机森林算法实现区块链生产节点的选择方法,每个节点包含多个特性,根据每个节点的多个特性设置被选为生产节点的算法;所述算法包括有:对节点的每个特性各自构建自己的决策树;对每个决策树对应的特性设置被选为生产节点的概率,构造概率表;对每个特性设置在所有特性中所占的权重值;对每个节点的每个特性具体数值对照概率表选出每个特性对应的被选中概率;根据具体的一个节点的每个特性的具体概率值和每个特性所占的权重值计算出(可变换多种算法计算)这个节点最终被选为生产节点的概率;对每个节点做轮询,根据最终被选为生产节点的概率确定是否被选中。
所述特性包括有:特性1、带宽;特性2、内存;特性3、CPU;特性4、磁盘大小;特性5、上一次为生产节点到当前所经历的时间。
实施例1
步骤1:根据节点的每个特性建立对应的决策树,并设置对应的概率(可变化);每个节点包含多个特性:1.带宽,2.内存,3.CPU,4.上一次为生产节点到当前所经历的时间,5.磁盘的大小;而且,也可不限于这些特性,特性可增加。
Yes:表示被选为生产节点;no:表示未被选为生产节点。Yes和No的概率之和为100%
步骤2:设置每个特性的权重值(可变化):
步骤3:根据每个节点的每个特性具体数值对照概率表选出每个特性对应的被选中概率;举例:某个节点的带宽大小300Mbps,内存大小8GB,Cpu核数10核,时间大小1.5day,磁盘大小为2T,那么每个特性对应的概率如下表:
步骤4:根据节点的每个特性的具体概率值和每个特性的权重值计算出(可变换多种算法计算)这个节点最终被选为生产节点的概率;假设:某个节点对应的带宽概率为p1,内存概率为p2,Cpu概率为p3,上一次为生产节点到当前所经历的时间概率为p4,磁盘概率为p5;而每个特性在所有特性中所占的权重为:带宽权重为w1,内存权重为w2,Cpu权重为w3,上一次为生产节点到当前所经历的时间权重为w4,磁盘权重为w5。
最终被选为生产节点的概率=p1*w1+p2*w2+p3*w3+p4*w4+p5*w5;所以概率公式为:y=p1*w1+p2*w2+…+p(n-1)*w(n-1)+p(n)*w(n)。
步骤5:对每个节点做轮询,根据最终被选为生产节点的概率确定是否被选中。
尽管已经对上述各实施例进行了描述,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改,所以以上所述仅为本发明的实施例,并非因此限制本发明的专利保护范围,凡是利用本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围之内。
Claims (1)
1.一种使用随机森林算法实现区块链生产节点的选择方法,其特征在于,每个节点包含多个特性,根据每个节点的多个特性设置被选为生产节点的算法;所述算法包括有:对节点的每个特性各自构建自己的决策树;
对每个决策树对应的特性设置被选为生产节点的概率,构造概率表;对每个特性设置在所有特性中所占的权重值;对每个节点的每个特性具体数值对照概率表选出每个特性对应的被选中概率;根据具体的一个节点的每个特性的具体概率值和每个特性所占的权重值计算出这个节点最终被选为生产节点的概率;
对每个节点做轮询,根据最终被选为生产节点的概率确定是否被选中;
所述特性包括有:特性1、带宽;特性2、内存;特性3、CPU;特性4、磁盘大小;特性5、上一次为生产节点到当前所经历的时间;
最终被选为生产节点的概率公式为:y=p1*w1+p2*w2+…+p(n-1)*w(n-1)+p(n)*w(n);
以某个节点对应的带宽概率为p1,内存概率为p2,Cpu概率为p3,上一次为生产节点到当前所经历的时间概率为p4,磁盘概率为p5;每个特性在所有特性中所占的权重为:带宽权重为w1,内存权重为w2,Cpu权重为w3,上一次为生产节点到当前所经历的时间权重为w4,磁盘权重为w5;则最终被选为生产节点的概率=p1*w1+p2*w2+p3*w3+p4*w4+p5*w5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264821.9A CN109961148B (zh) | 2019-04-03 | 2019-04-03 | 一种使用随机森林算法实现区块链生产节点的选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264821.9A CN109961148B (zh) | 2019-04-03 | 2019-04-03 | 一种使用随机森林算法实现区块链生产节点的选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109961148A CN109961148A (zh) | 2019-07-02 |
CN109961148B true CN109961148B (zh) | 2024-02-09 |
Family
ID=67025652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910264821.9A Active CN109961148B (zh) | 2019-04-03 | 2019-04-03 | 一种使用随机森林算法实现区块链生产节点的选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961148B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754345B (zh) * | 2020-06-18 | 2022-03-18 | 天津理工大学 | 一种基于改进随机森林的比特币地址分类方法 |
EP4084429A1 (en) * | 2021-04-26 | 2022-11-02 | Alessandro Semi Toumi | System and method for distributed transaction propagation and verification |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650637A (zh) * | 2016-12-02 | 2017-05-10 | 华中师范大学 | 一种基于条件随机森林的笑脸检测器及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040199484A1 (en) * | 2003-04-04 | 2004-10-07 | Laurence Smith | Decision tree analysis |
-
2019
- 2019-04-03 CN CN201910264821.9A patent/CN109961148B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650637A (zh) * | 2016-12-02 | 2017-05-10 | 华中师范大学 | 一种基于条件随机森林的笑脸检测器及方法 |
Non-Patent Citations (1)
Title |
---|
基于Spark的权重树随机森林算法;牛志华;《中国科技信息》;20170701(第13期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109961148A (zh) | 2019-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108377206A (zh) | 用于配置共识算法的方法、装置及计算机可读存储介质 | |
CN109961148B (zh) | 一种使用随机森林算法实现区块链生产节点的选择方法 | |
CN101777990B (zh) | 多目标免疫优化组播路由路径选择方法 | |
CN106713468B (zh) | 一种分布式集群服务系统及其节点协同方法 | |
CN111242619B (zh) | 引入监管机制的联盟链共识方法、区块链网络及存储介质 | |
CN110908799A (zh) | 一种分布式训练中的通信方法、装置、设备、介质 | |
CN111130790A (zh) | 基于区块链节点网络的共识出块方法 | |
CN112020018B (zh) | 区块链记账组生成方法、共识方法及区块链系统 | |
CN112272102A (zh) | 边缘网络业务卸载和调度方法及装置 | |
Je et al. | Estimation of future power consumption level in smart grid: Application of fuzzy logic and genetic algorithm on big data platform | |
CN109510681B (zh) | 一种通信网络时间同步级数最小的基准节点选择方法 | |
CN113326329A (zh) | 一种基于区块链共识推举记账者的方法 | |
CN110855492B (zh) | 一种数据处理方法、装置及存储介质 | |
CN110505681B (zh) | 基于遗传方法的非正交多址接入场景用户配对方法 | |
CN112288136A (zh) | 光伏最大准入容量计算方法、装置、终端及存储介质 | |
CN111146815B (zh) | 一种智能配电网分布式发电规划配置方法 | |
CN115766742A (zh) | 区块链共识方法、系统、设备及计算机可读存储介质 | |
CN101741749A (zh) | 基于免疫克隆的多目标组播路由优化方法 | |
CN107623586B (zh) | 网络链路预测方法及装置 | |
CN112183843B (zh) | 一种基于混合智能算法的火电厂负荷优化分配方法 | |
CN113240324A (zh) | 一种顾及通信机制的空天资源协同规划方法 | |
CN109933858B (zh) | 配电网分核并行仿真方法 | |
CN111290849A (zh) | 一种服务资源动态调整方法、装置、设备及介质 | |
CN114819424B (zh) | 一种适应多场景应用的储能剩余容量分配方法 | |
CN109862574B (zh) | 一种面向无线回传问题的动态协同拓扑规划方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |