CN110335153A - 一种基于遗传算法的区块链交易输入选择方法 - Google Patents

一种基于遗传算法的区块链交易输入选择方法 Download PDF

Info

Publication number
CN110335153A
CN110335153A CN201910635156.XA CN201910635156A CN110335153A CN 110335153 A CN110335153 A CN 110335153A CN 201910635156 A CN201910635156 A CN 201910635156A CN 110335153 A CN110335153 A CN 110335153A
Authority
CN
China
Prior art keywords
target
utxo
utxos
population
individual
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.)
Granted
Application number
CN201910635156.XA
Other languages
English (en)
Other versions
CN110335153B (zh
Inventor
武畅
杨洋
张康
魏学麟
李�杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910635156.XA priority Critical patent/CN110335153B/zh
Publication of CN110335153A publication Critical patent/CN110335153A/zh
Application granted granted Critical
Publication of CN110335153B publication Critical patent/CN110335153B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Genetics & Genomics (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供的一种基于遗传算法的区块链交易输入选择方法，涉及区块链技术领域，其包括输入集合UTXOs以及目标值target；遍历UTXOs，计算当前余额total；根据total大小、UTXOs中各个UTXO的金额大小以及target大小来判断如何输出，当total>target并且在UTXOs中不存在比target大的UTXO时，将UTXOs中的数从大到小依次相加，直到总和sum>＝target，停止相加，记录相加因子的个数num，将相加因子的组合组合作为初始种群的一个个体，再随机生成剩下M‑1个个体(M为种群大小)，形成初始种群；利用遗传算法,查找最好的交易输入选择结果result。通过该方法得到的UTXO组合的金额总和更接近目标输出金额，而且交易输入的个数最少，能够获得最佳交易输入选择结果，大大提高了金额较小的UTXO的流通性。

Description

一种基于遗传算法的区块链交易输入选择方法
技术领域
本发明涉及区块链技术领域，具体而言，涉及一种基于遗传算法的区块链交易输入选择方法。
背景技术
区块链技术拥有去中心化的特点，应用到金融领域，可以去除中介费用，所以区块链技术在金融领域有很好的应用前景。
UTXO(Unspent Transaction Outputs)称为未花费的交易输出，是中本聪发明的一种交易模型。这种模型把一个交易拆分成交易输入和输出部分。比如Alice在Bob的咖啡店买了一杯咖啡，咖啡的价格为1.78美元，而Alice的钱包中只有她先前进行挖矿获得的铸币奖励，金额为10美元，这就是一个UTXO，作为Alice买咖啡这表交易的交易输入。Alice从这10美元中，支付1.78美元给Bob，然后余下的8.22美元作为找零(假设零手续费)支付给自己，这其中Alice挖矿获得的10美元作为交易输入，支付给Bob的1.78美元和支付给自己的8.22美元作为交易输出，在这次交易中，产生了一个新的UTXO，即支付给自己的8.22美元。
贪心算法，又称贪婪算法，是一种在每一步选择中都采取在当前状态下最好或最优的选择，从而希望导致结果是最好或最优的算法。比如在钱包中选择钱进行支付时，每次都选择面值最接近的钱进行支付。
目前的比特币交易的交易输入选择方法，致力于寻找一个UTXO组合，使得UTXO组合的金额总和最接近目标值target，但是对交易输入的个数没有要求。区块中存放的是一笔笔交易，而一个区块的大小相对固定的。对于一笔交易，交易输入所占的字节数比交易输出所占的字节数大得多，减少交易输入所占的字节数，也就是减少交易输入个个数，会使得一笔交易所占的字节数减少，一个区块就可以存放更多的交易。如果只采用贪心算法进行区块链交易输入选择，所得到的UTXO组合中，尽管UTXO的个数最少，但是各个UTXO的金额都比较大，这抑制了金额较小的UTXO的流通性。
发明内容
本发明实施例在于提供一种基于遗传算法的区块链交易输入选择方法，其能够缓解上述问题。
为了缓解上述的问题；本发明实施例采取的技术方案如下：
本发明实施例提供的一种基于遗传算法的区块链交易输入选择方法，其包括以下步骤：
S1、输入一个账户的UTXO的金额的集合UTXOs，以及目标值target；
S2、遍历UTXOs，计算当前余额total；
S3、当total<target，则提示余额不足，跳转至步骤S9，否则继续执行步骤S4；
S4、当total＝target，或者total>target且total-target＜min(UTXOs)，则把所有的UTXO作为交易输入，交易输入选择结果result＝UTXOs，跳转至步骤S9，否则继续执行步骤S5；
S5、当total>target并且在UTXOs中存在比target大的UTXO，则把比target大且最接近target的UTXO作为交易输入选择结果result，跳转至步骤S9，否则继续执行步骤S6；
S6、当total>target并且在UTXOs中不存在比target大的UTXO，则继续执行步骤S7，否则跳转至步骤S9；
S7、使用贪心算法思想，将UTXOs中的数从大到小依次相加，直到总和sum>＝target，停止相加，记录相加因子的个数num，把此时各相加因子的组合作为初始种群的一个个体以及best的初始值，再随机生成另外M-1个个体，形成初始种群，M为种群大小；
S8、利用遗传算法,从初始种群开始，对种群不断的逐代进行遗传、交叉、变异，生成新一代种群，并使用best记录历代种群中表现最好的个体，直到种群代数等于终止代数T或者是best已经是最优结果然后将best作为交易输入选择结果result；
S9、交易输入选择程序结束。
在本发明实施例中，在获得一个账户的UTXO集合后，使用贪心算法的思想计算出来满足支付条件的包含UTXO个数最少的UTXO的集合，计算该UTXO集合所包含的个数后，开始构建算法模型进行搜索，由于货币总是有最小单位的，所以可以认为每个UTXO的金额的单位都是货币的最小单位，在使用该算法时，只需要使用到UTXO的金额部分，而不需要其它字段，故算法的输入为UTXO的金额的集合即可，并且该集合中都是非负整数。通过该方法得到的UTXO组合的金额总和更接近目标输出金额，利于金额较小的UTXO流通；该交易输入选择方法使得交易输入个数最少，使交易所占的字节数减少，就可在一个区块中放更多交易。
可选地，UTXOs中的各UTXO按照从小到大或者从大到小顺序排列。
在本发明实施例中，UTXO的顺序排列方式便于查找。
可选地，步骤S8的具体操作方法包括：
S80、对UTXOs中各个UTXO进行编码，每个UTXO的编码用该UTXO在UTXOs中所在位置的二进制表示，编码从0开始；
S81、把由贪心算法得到的UTXO的集合作为best的初始值，并把best作为初始种群中的一个个体，并随机产生其它M-1个个体，把种群代数置为0；
S82、判断种群代数是否小于终止代数T，如果小于T，则继续执行步骤S83，否则将best作为交易输入选择结果result，并跳转至步骤S9；
S83、根据适应度函数
f(x)＝x1+x2+…+xnum，其中x1，x2，…，xnum∈UTXOs
计算当前种群中各个体的适应度；
S84、更新best，如果某个体x的适应度f(x)≥target并且f(x)＜f(best)，那么就把best替换为x；
S85、如果f(best)＝target，则认为找到了最合适的UTXO的组合，终止算法，将best作为交易输入选择结果result，跳转至步骤S9，否则继续执行步骤S86；
S86、使用轮盘赌法则选择个体遗传到下一代，首先计算出当前全体的适应度总和f_total，i表示当代种群中的第i个个体，i≤M，ratio_i表示种群中第i个个体的适应度与f_total的比值，sum_ratio(i)＝sum_ratio(i-1)+ratio_i，其中，sum_ratio(0)＝0，然后进行M次选择，每进行一次选择生成一个新的个体，一次选择的具体过程为：
(1)生成一个[0，1)之间的随机数rand；
(2)i＝0；
(3)计算sum_ratio(i)，如果sum_ratio(i)≥rand，转入步骤(5)，否则转至步骤(4)；
(4)把i的值加1，转入步骤(3)；
(5)把i选入下一代种群；
S87、交叉，在步骤S86中得到的新的M个个体中，每两个个体作为父母，确定交叉位置，然后将对应位置上的父母的染色体进行交叉，得到两个新的个体；
S88、对由步骤S87中得到的每个个体，随机产生一个[0，1)之间的随机数，如果该随机数小于变异概率，那么就认为该个体会产生变异，再通过随机选择变异位置，后将变异位置上的[0，1]序列进行取反，即在种群中产生了新个体；
S89、种群代数加一，跳转至步骤S82。
在本发明实施例中，遗传算法对所求解的优化问题没有太多的数学要求，由于它的进化特性，搜索过程中不需要问题的内在性质，对于任意形式的目标函数和约束，无论是线性的还是非线性的，离散的还是连续的都可处理；进化算子的各态历经性使得遗传算法能够非常有效地进行概率意义的全局搜素；遗传算法对于各种特殊问题可以提供极大的灵活性来混合构造领域独立的启发式，从而保证算法的有效性。
可选地，步骤S83的具体做法为：在遗传算法中，x1，x2，…，xnum是使用二进制编码表示的，获得其对应的十进制表示作为位置索引，使用位置索引找到在UTXOs中对应的UTXO，然后将其对应数值进行相加，得到的结果作为适应度。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明所述基于遗传算法的区块链交易输入选择方法的流程图；
图2是本发明采用遗传算法查找金额总和最接近target并且作为交易输入的UTXO的个数最少的UTXO的组合的流程图；
图3是在实例列举中由贪心算法得到的结果对应的UTXO的金额总和sum(result_greedy)与由遗传算法得到的结果对应的UTXO的金额总和sum(result_GA)的对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参照图1，本发明实施例提供的一种基于遗传算法的区块链交易输入选择方法，其包括以下步骤：
S1、输入一个账户的UTXO的金额的集合UTXOs，以及目标值target；
S2、遍历UTXOs，计算当前余额total；
S3、当total<target，则提示余额不足，跳转至步骤S9，否则继续执行步骤S4；
S4、当total＝target，或者total>target且total-target＜min(UTXOs)，则把所有的UTXO作为交易输入，交易输入选择结果result＝UTXOs，跳转至步骤S9，否则继续执行步骤S5；
S5、当total>target并且在UTXOs中存在比target大的UTXO，则把比target大且最接近target的UTXO作为交易输入选择结果result，跳转至步骤S9，否则继续执行步骤S6；
S6、当total>target并且在UTXOs中不存在比target大的UTXO，则继续执行步骤S7，否则跳转至步骤S9；
S7、使用贪心算法思想，将UTXOs中的数从大到小依次相加，直到总和sum＞＝target，停止相加，记录相加因子的个数num，把此时各相加因子的组合作为初始种群的一个个体以及best的初始值，再随机生成另外M-1个个体，形成初始种群，M为种群大小；
S8、利用遗传算法，从初始种群开始，对种群不断的逐代进行遗传、交叉、变异，生成新一代种群，并使用best记录历代种群中表现最好的个体，直到种群代数等于终止代数T或者是best已经是最优结果然后将best作为交易输入选择结果result；S9、交易输入选择程序结束。
在本发明实施例中，输入为：一个账户的UTXO的金额的集合UTXOs，以及目标值target。比如UTXOs＝{1，2，4，5，6}代表五个UTXO，金额分别为1，2，4，5，6；目标值target表示所需要支付的金额。输出为：个数最少并且金额总和最接近target的UTXO的组合result。
可选地，UTXOs中的各UTXO可按照从小到大或者从大到小顺序排列。
请参照图2，步骤S8的具体操作方法包括：
S80、对UTXOs中各个UTXO进行编码，每个UTXO的编码用该UTXO在UTXOs中所在位置的二进制表示，编码从0开始；
S81、把由贪心算法得到的UTXO的集合作为best的初始值，并把best作为初始种群中的一个个体，并随机产生其它M-1个个体，把种群代数置为0；
S82、判断种群代数是否小于终止代数T，如果小于T，则继续执行步骤S83，否则将best作为交易输入选择结果result，并跳转至步骤S9；
S83、根据适应度函数
f(x)＝x1+x2+…+xnum，其中x1，x2，…，xnum∈UTXOs
计算当前种群中各个体的适应度；
S84、更新best，如果某个体x的适应度f(x)≥target并且f(x)＜f(best)，那么就把best替换为x；
S85、如果f(best)＝target，则认为找到了最合适的UTXO的组合，终止算法，将best作为交易输入选择结果result，跳转至步骤S9，否则继续执行步骤S86；
S86、使用轮盘赌法则选择个体遗传到下一代，首先计算出当前全体的适应度总和f_total，i表示当代种群中的第i个个体，i≤M，ratio_i表示种群中第i个个体的适应度与f_total的比值，sum_ratio(i)＝sum_ratio(i-1)+ratio_i，其中，sum_ratio(0)＝0，然后进行M次选择，每进行一次选择生成一个新的个体，一次选择的具体过程为：
(1)生成一个[0，1)之间的随机数rand；
(2)i＝0；
(3)计算sum_ratio(i)，如果sum_ratio(i)≥rand，转入步骤(5)，否则转至步骤(4)；
(4)把i的值加1，转入步骤(3)；
(5)把i选入下一代种群；
S87、交叉，在步骤S86中得到的新的M个个体中，每两个个体作为父母，确定交叉位置，然后将对应位置上的父母的染色体进行交叉，得到两个新的个体；
S88、对由步骤S87中得到的每个个体，随机产生一个[0，1)之间的随机数，如果该随机数小于变异概率，那么就认为该个体会产生变异，再通过随机选择变异位置，后将变异位置上的[0，1]序列进行取反，即在种群中产生了新个体；
S89、种群代数加一，跳转至步骤S82。
遗传算法的操作对象不是直接的可行解，而是可行解的编码，在本发明实施例中，UTXO的编码是其在UTXOs集合中按照从小到大排列所在位置的二进制表示，而不是UTXO金额本身的二进制表示。比如UTXOs＝{1，2，4，5，6}，UTXOs的集合个数为5，至少需要三个二进制位来表示。所以编码后的结果为{“000”，“001”，“010”，“011”，“100”}。
在本发明实施例中，由于目标函数值总是取负值，并且优化目标为使目标函数值最接近target，所以可以直接利用目标函数值作为个体的适应度。因此目标函数和适应度函数是一样的，均为
f(x)＝x1+x2+…+xnum，其中x1，x2，…，xnum∈UTXOs。
一个个体的基因为x1，x2，…，xnum的二进制序列的拼接，比如num＝2，而且一个UTXO需要用三个二进制位来表示的话，那么一个个体的基因可能为“000100”，表示x1＝UTXOs(0)＝1，x2＝UTXOs(5)＝6，即在使用遗传算法计算适应度时，需要进行解码，即获得二进制编码的十进制表示，并将其作为位置索引，找到在UTXOs中对应的UTXO。
由于UTXO的编码是其在UTXOs集合中按照从小到大排列所在位置的二进制表示，每一个UTXO都只能被使用一次，所以在生成个体的时候，一个个体有num个部分，这num个部分必须是互不相同的，而且每个部分的十进制表示必须小于等于UTXOs中的UTXO的数量。在生成初始种群，种群进行交叉生成新个体以及进行变异的时候，得到的新个体都必须检查是否有重复的部分，以及要检查每个部分是否小于等于UTXOs中UTXO的数量，如果个体不符合规范，那么就认为无法遗传到下一代，重新生成个体或者是交叉和变异不成功，父个体仍然保留在种群中。但是每生成一个新个体都需要去检查是否符合规范，会降低算法的效率，所以在UTXO池中UTXO的数量较少时，通过向UTXO池中添加金额为0的UTXO使得UTXO池中UTXO的数量为2N，N＝1，2，3，…，这样，得到一个新个体后，只需要检查个体中是否有重复的部分。
本发明所述基于遗传算法的区块链交易输入选择方法，致力于寻找一种基于UTXO模型的交易输入的选择方法，确保交易输入的个数最少的同时交易输入的金额总和最接近目标输出金额。首先使用贪心算法的思想，计算最少的所需的交易输入个数，然后建立遗传算法的模型，并将贪心算法得到的解作为初始种群中的一个个体，由于每经过一次种群进化，种群中那些适应度高的个体越容易被保存下来，种群经过数次进化，能找到比较合适的UTXO的组合，下面列举实例进行说明。
表1为在随机生成8个(0,100]之间的随机数作为UTXOs，在给定一个目标输出金额target后，由贪心算法得到的结果result_greedy与由遗传算法得到的结果result_GA的对比表(sum(result_greedy)与sum(result_GA)分别为由贪心算法得到的UTXO组合的金额总和和由遗传算法得到的UTXO组合的金额总):
表1
请参考图3，其为由贪心算法得到的结果对应的UTXO的金额总和sum(result_greedy)与由遗传算法得到的结果对应的UTXO的金额总和sum(result_GA)的对比图，上面的火柴梗表示sum(result_greedy)，下面的火柴梗表示sum(result_GA)。
仿真结果表明，与贪心算法相比，由遗传算法得到的UTXO组合的金额总和更接近目标输出金额。在使用贪心算法时，得到的UTXO组合中，各个UTXO的金额都比较大，这抑制了金额较小的UTXO的流通性，通过遗传算法可以得到较为合适的UTXO的组合，并且可能使得金额较小的UTXO流通起来。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于遗传算法的区块链交易输入选择方法，其特征在于，包括以下步骤：
S1、输入一个账户的UTXO的金额的集合UTXOs，以及目标值target；
S2、遍历UTXOs，计算当前余额total；
S3、当total<target，则提示余额不足，跳转至步骤S9，否则继续执行步骤S4；
S4、当total＝target，或者total>target且total-target＜min(UTXOs)，则把所有的UTXO作为交易输入，交易输入选择结果result＝UTXOs，跳转至步骤S9，否则继续执行步骤S5；
S5、当total>target并且在UTXOs中存在比target大的UTXO，则把比target大且最接近target的UTXO作为交易输入选择结果result，跳转至步骤S9，否则继续执行步骤S6；
S6、当total>target并且在UTXOs中不存在比target大的UTXO，则继续执行步骤S7，否则跳转至步骤S9；
S7、使用贪心算法思想，将UTXOs中的数从大到小依次相加，直到总和sum>＝target，停止相加，记录相加因子的个数num，把相加因子的组合作为初始种群的一个个体以及best的初始值，再随机生成另外M-1个个体，形成初始种群，M为种群大小；
S8、利用遗传算法,从初始种群开始，对种群不断的逐代进行遗传、交叉、变异，生成新一代种群，并使用best记录历代种群中表现最好的个体，直到种群代数等于终止代数T或者是best已经是最优结果,然后将best作为交易输入选择结果result；
S9、交易输入选择程序结束。
2.根据权利要求1所述基于遗传算法的区块链交易输入选择方法，其特征在于，UTXOs中的各UTXO按照从小到大或者从大到小顺序排列。
3.根据权利要求1所述基于遗传算法的区块链交易输入选择方法，其特征在于，步骤S8的具体操作方法包括：
S80、对UTXOs中各个UTXO进行编码，每个UTXO的编码用该UTXO在UTXOs中所在位置的二进制表示，编码从0开始；
S81、把由贪心算法得到的UTXO的集合作为best的初始值，并把best作为初始种群中的一个个体，并随机产生其它M-1个个体，把种群代数置为0；
S82、判断种群代数是否小于终止代数T，如果小于T，则继续执行步骤S83，否则将best作为交易输入选择结果result，并跳转至步骤S9；
S83、根据适应度函数
f(x)＝x1+x2+…+xnum，其中x1,x2,…,xnum∈UTXOs
计算当前种群中各个体的适应度；
S84、更新best，如果某个体x的适应度f(x)≥target并且f(x)<f(best)，那么就把best替换为x；
S85、如果f(best)＝target，则认为找到了最合适的UTXO的组合，终止算法，将best作为交易输入选择结果result，跳转至步骤S9，否则继续执行步骤S86；
S86、使用轮盘赌法则选择个体遗传到下一代，首先计算出当前全体的适应度总和f_total，i表示当代种群中的第i个个体，i≤M，ratio_i表示种群中第i个个体的适应度与f_total的比值，sum_ratio(i)＝sum_ratio(i-1)+ratio_i，其中，sum_ratio(0)＝0，然后进行M次选择，每进行一次选择生成一个新的个体，一次选择的具体过程为：
(1)生成一个[0,1)之间的随机数rand；
(2)i＝0；
(3)计算sum_ratio(i)，如果sum_ratio(i)≥rand，转入步骤(5)，否则转至步骤(4)；
(4)把i的值加1，转入步骤(3)；
(5)把i选入下一代种群；
S87、交叉，在步骤S86中得到的新的M个个体中，每两个个体作为父母，确定交叉位置，然后将对应位置上的父母的染色体进行交叉，得到两个新的个体；
S88、对由步骤S87中得到的每个个体，随机产生一个[0,1)之间的随机数，如果该随机数小于变异概率，那么就认为该个体会产生变异，再通过随机选择变异位置，后将变异位置上的[0,1]序列进行取反，即在种群中产生了新个体；
S89、种群代数加一，跳转至步骤S82。
4.根据权利要求3所述基于遗传算法的区块链交易输入选择方法，其特征在于，步骤S83的具体做法为：在遗传算法中，x1,x2,…,xnum是使用二进制编码表示的，获得其对应的十进制表示作为位置索引，使用位置索引找到在UTXOs中对应的UTXO，然后将其对应数值进行相加，得到的结果作为适应度。
CN201910635156.XA 2019-07-15 2019-07-15 一种基于遗传算法的区块链交易输入选择方法 Active CN110335153B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910635156.XA CN110335153B (zh) 2019-07-15 2019-07-15 一种基于遗传算法的区块链交易输入选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910635156.XA CN110335153B (zh) 2019-07-15 2019-07-15 一种基于遗传算法的区块链交易输入选择方法

Publications (2)

Publication Number Publication Date
CN110335153A true CN110335153A (zh) 2019-10-15
CN110335153B CN110335153B (zh) 2021-09-14

Family

ID=68146797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910635156.XA Active CN110335153B (zh) 2019-07-15 2019-07-15 一种基于遗传算法的区块链交易输入选择方法

Country Status (1)

Country Link
CN (1) CN110335153B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027947A (zh) * 2019-12-06 2020-04-17 湖北文理学院 Utxo钱包的选择方法、设备、存储介质及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971170A (zh) * 2017-04-07 2017-07-21 西北工业大学 一种基于遗传算法利用一维距离像进行目标识别的方法
CN108764876A (zh) * 2018-05-29 2018-11-06 深圳市元征科技股份有限公司 一种交易处理方法及服务器
CN109377360A (zh) * 2018-08-31 2019-02-22 西安电子科技大学 基于加权门限签名算法的区块链资产交易转账方法
WO2019050553A2 (en) * 2017-09-10 2019-03-14 Tbcasoft, Inc. SELECTION OF DIGITAL PROPERTIES FOR TRANSACTIONS
CN109472520A (zh) * 2018-12-21 2019-03-15 南京邮电大学 基于区块链的多无人机任务分配方法
CN109658216A (zh) * 2018-12-14 2019-04-19 深圳美图创新科技有限公司 区块链货币交易方法及装置
CN109753604A (zh) * 2018-12-20 2019-05-14 东软集团股份有限公司 群组推荐方法、装置、可读存储介质及电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971170A (zh) * 2017-04-07 2017-07-21 西北工业大学 一种基于遗传算法利用一维距离像进行目标识别的方法
WO2019050553A2 (en) * 2017-09-10 2019-03-14 Tbcasoft, Inc. SELECTION OF DIGITAL PROPERTIES FOR TRANSACTIONS
CN108764876A (zh) * 2018-05-29 2018-11-06 深圳市元征科技股份有限公司 一种交易处理方法及服务器
CN109377360A (zh) * 2018-08-31 2019-02-22 西安电子科技大学 基于加权门限签名算法的区块链资产交易转账方法
CN109658216A (zh) * 2018-12-14 2019-04-19 深圳美图创新科技有限公司 区块链货币交易方法及装置
CN109753604A (zh) * 2018-12-20 2019-05-14 东软集团股份有限公司 群组推荐方法、装置、可读存储介质及电子设备
CN109472520A (zh) * 2018-12-21 2019-03-15 南京邮电大学 基于区块链的多无人机任务分配方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LUISANNA COCCO 等: "An Agent-Based Artificial Market Model for Studying the Bitcoin Trading", 《IEEE ACCESS》 *
常友渠 等: "贪心算法的探讨与研究", 《重庆电力高等专科学校学报》 *
张若雪 等: "基于UTXO和区块链的资金穿透记账系统", 《上海金融》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027947A (zh) * 2019-12-06 2020-04-17 湖北文理学院 Utxo钱包的选择方法、设备、存储介质及装置
CN111027947B (zh) * 2019-12-06 2023-09-19 湖北文理学院 Utxo钱包的选择方法、设备、存储介质及装置

Also Published As

Publication number Publication date
CN110335153B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
Xiang et al. Configuring software product lines by combining many-objective optimization and SAT solvers
US8326760B2 (en) Computer-based collective intelligence recommendations for transaction review
Ming et al. Deriving operating rules of pumped water storage using multiobjective optimization: Case study of the Han to Wei interbasin water transfer project, China
da Silva et al. Transmission expansion planning optimization by adaptive multi-operator evolutionary algorithms
US20190043025A1 (en) Genetic algorithms in blockchain space
CN110070364A (zh) 基于图模型检测团伙欺诈的方法和装置、存储介质
CN106156092B (zh) 数据处理方法及装置
CN101706883B (zh) 数据挖掘方法和装置
CN109066710A (zh) 一种多目标无功优化方法、装置、计算机设备及存储介质
CN106910065B (zh) 基于多笔交易计算结汇金额的数据处理方法、装置及系统
US20200294046A1 (en) Selection of digital properties for transactions
CN107153880A (zh) 一种调拨采购方法、装置和设备
US11874720B2 (en) Methods and systems for real time carbon emission determination incurred by execution of computer processes and the offset thereof
Ali et al. An efficient differential evolution algorithm for solving 0–1 knapsack problems
JP2004206691A (ja) 口座管理方法、口座決済方法、ロット管理方法及び記録媒体並びに口座管理・決済システム及びロット管理システム
CN110335153A (zh) 一种基于遗传算法的区块链交易输入选择方法
CA2481448A1 (en) Method and device for optimizing the order of assignment of a number of supplies to a number of demanders
CN107346468A (zh) 基于案例推理的产品设计方法
Deep et al. A novel hybrid genetic algorithm for constrained optimization
Hesamzadeh et al. Simulation and evaluation of zonal electricity market designs
Marseguerra et al. System design optimization by genetic algorithms
WO2019027457A1 (en) GENETIC ALGORITHMS IN BLOCK CHAIN SPACE
Kim et al. Single-machine total completion time scheduling with position-based deterioration and multiple rate-modifying activities
CN115600926A (zh) 项目后评价方法、装置、电子设备及存储介质
CN109509090A (zh) 一种转换挖取虚拟数字货币种类的方法及装置

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