【摘要】教育图画资源查找引擎智能机器人的设计与开发是根据内容的教育图画资源智能查找引擎的核心作业之一。该文从线程池技能的视点给出了CBIR教育图画资源查找引擎智能机器人的总体设计与具体设计，评论了智能机器人中线程池技能的优化及其根据Agent的通讯，最终给出了根据线程池的CBIR教育图画资源查找引擎智能机器人的完结。
【要害词】查找引擎；CBIR；线程池；Agent；智能机器人
【中图分类号】G40-057【文献标识码】A【论文编号】1009—8097(2009)02—0092—04
导言
物质资源、能源资源和信息资源是现代社会经济与技能开展的三大支柱性资源。教育信息资源作为信息资源的重要组成部分，在进步教育教学质量，挖掘教育的开展潜力上发挥着重要的作用。为此，各个国家都成立了自己的国家级教育资源中心，如美国的国家教育资源信息中心，我国教育部根底教育课程教材开展心和中央电化教育馆主办国家根底教育资源网等。国之源、K12、科利华、中教育星、同方思科、腾图、清华同方等资源库的建造也日益老练，教育资源现已成为网络资源中的一个重要部分,用户在经过教育资源库获取海量信息的同时,处理对信息的筛选、信息的辨识、信息的消化以及信息的质量、信息的个性化等问题已显得日趋重要。
对文本、图画、视频、动画、课件等教育资源的聚类、分类、检索[1]－[5]是十分活泼的研讨范畴，是有效地运用海量教育资源、完结个性化智能寻觅教育资源的必定之路。咱们在传统算法中引入一种自适应的参数挑选机制，对要害参数进行动态设置，以满足互联网上杂乱多变的运用环境和资源智能查找引擎这一网上特定主题的效劳，CBIR教育图画资源查找引擎智能机器人的设计与开发则是根据内容的教育图画资源智能查找引擎的核心作业之一[6]。
一CBIR教育图画资源查找引擎智能机器人设计
1总体设计方案
图画内容查找引擎机器人选用Spider程序进行结构。结构时选用根据多使命、多线程的线程池形式，即选用非递归的设计方案，Spider程序在发现每个新网页或图画URL时，它将运用一个不调用自身的办法，而是运用线程池。为得到Spider程序的处理，每一个新发现的网页或图画URL必须在线程池中等候。给定Spider程序一个要拜访的网页或图画URL，把这一网页或图画URL加入到线程池中去；当Spider程序发现新的网页或图画URL时，把它们加入到线程池；当Spider程序处理完当时的URL，在线程池中查找要处理的下一URL。总体设计方案如图1。
2体系模块设计方案
根据内容的教育图画资源查找引擎智能机器人主体由多线程池循环模块构成，体系模块设计方案如图2所示。二教育图画资源查找引擎机器人中的线程池技能
多线程池循环模块是根据内容的教育图画资源查找引擎智能机器人的主控模块，负责在网络上循环查找教育图画资源。教育图画资源查找引擎智能机器人同时也就是知识库专家体系中的推理机，与知识库专家体系成为一体，以线程池的方法作业，多个Agent彼此协作，这对进步机器人的查找效率有着重要的作用。据此咱们开发了以知识库为后台支撑的，以中间件技能为支撑的根据内容的教育图画资源查找引擎。
1教育图画资源查找引擎机器人线程池技能优越性
教育图画资源查找引擎智能机器人运用图画的获取、图画的下载、图画的匹配等Agent并行地协同作业，使得查找作业继续进行，选用多线程技能进行处理。咱们发现，这样处理存在以下问题：
其一，图画的获取、图画的下载、图画的匹配等Agent自身的线程创立和毁掉很费时刻，创立一个方针要获取内存资源或许其它更多资源。进步智能机器人效率的方法就是尽可能削减创立和毁掉方针的次数，特别是一些很耗资源的方针创立和毁掉。
其二，智能机器人选用多线程技能创立的线程花费了很多时刻在睡眠状况来等候事件的发作，还有一些线程进入睡眠状况后定期被唤醒以轮询作业方法来改动或许更新状况信息。这样下降整个查找的吞吐量,导致体系功能的下降而不是开始设计时期望要进步体系功能。
选用线程池技能能够更有效地运用线程，它为智能机器人供给一个由体系办理的作业者线程池。至少会有一个线程来监听放到线程池的一切等候操作，当等候操作完结后，线程池中将会有一个作业者线程来履行相应的回调函数。在体系启动或闲暇时创立必定量的线程保存在线程池中,在体系关闭时毁掉线程及其资源。当有使命来时不需求创立就从线程池中取一线程履行使命,履行完使命后又放回至闲暇线程池中。假如长时刻没有使命履行也可毁掉必定量的线程,使线程池中坚持必定的线程数。当有使命来时线程池中没有闲暇线程,且此时线程数没有到达最大线程数时,创立新线程。假如到达最大线程数而没有闲暇线程时,使命等候,直到池中有闲暇线程。选用线程池技能处理了的获取、图画的下载、图画的匹配等多Agent地协同作业的效率问题，特别是图画匹配与的获取、图画的下载不同速度的协同问题，具有适当的优越性。
2教育图画资源查找引擎机器人线程池技能的优化
简略线程池存在一些问题，假如有很多的线程要求智能机器人为其效劳，但由于线程池的作业线程是有限的，智能机器人只能为部分线程效劳，其它线程提交的使命，只能在使命队列中等候处理。但智能机器人的响应时刻要求不能太长，则需求调整优化线程池尺度[7]，主要有下列优化办法：
其一，动态添加作业线程。在智能机器人线程池中供给一个能够动态改动的作业线程数目的功用，以适应线程改变的需求。一旦恳求变少了将逐步削减线程池中作业线程的数目。线程添加选用超前方法，即批量添加一批作业线程。同时在线程池中约束线程池中作业线程数目的上限和下限，以防止这种灵敏的方法也就变成一种错误的方法或许灾难，由于频频的创立线程或许短时刻内产生很多的线程将会背离运用线程池原始初衷——削减创立线程的次数。
其二，优化作业线程数目。根据统计学的原理来统计线程的恳求数目，比如高峰时段均匀一秒钟内有多少使命要求处理，并根据体系的承受才能及客户的忍受才能来平衡估计一个合理的线程池尺度。线程池的尺度确实很难断定，智能机器人中选用实验结果的经历值来做为线程池的尺度。
其三，智能机器人供给多个线程池。智能机器人根据不同使命或许使命优先级来选用不同线程池处理。图画的获取、图画的下载、图画的匹配等Agent选用不同的线程池进行处理，分而治之，
宁波seo表现不同使命的使命优先级。
智能机器人中替换成图画的获取、图画的下载、图画的匹配等Agent需求很多的线程来完结使命，且完结使命的时刻比较短，运用线程池技能取得了较好的作用。
3教育图画资源查找引擎机器人线程池的通讯
音讯对话通讯是完结灵敏和杂乱的和谐战略的根底[8]。Agent运用规定的协议彼此交换信息，用于树立通讯和和谐机制。其具体通讯进程如图3所示。
教育图画资源查找引擎智能机器人中替换成图画的获取、图画的下载、图画的匹配等各Agent彼此告诉该国际中现已探究过的部分，使每个Agent可能少做一些探究，向其他Agent问询国际特定部分的情况，答复问题，恳求或许指令其他Agent采取行动，许诺做某事或许供给协助，承认恳求和提议，同享感触和经历。在面向音讯的智能机器人多Agent体系中，发送Agent把特定音讯传送至另一Agent(接收Agent)，两Agent之间的音讯是直接交换的，履行中没有缓冲。
教育图画资源查找引擎智能机器人中线程池间各Agent的通讯存在以下问题：每个Agent对于所要完结的使命拥有全面的信息或才能，体系的宏观的问题求解；Agent成员之间以及与体系的方针、意愿和行为的共同；合作方针的明确挑选；抵触的检测和和谐；通讯的洽谈的合时合理；对分散的同享数据和资源的有效分配和办理；体系的安全机制；Agent的灵敏办理方法；有效及时地对环境的改变做出反应等。为了有效地处理这些问题，咱们选用集中式办理的通讯机制，负责对一切或部分Agent成员的行为、协作、使命分配以及同享资源等进行一致的和谐和办理,能够是办理Agent、和谐Agent、监督Agent等，与各Agent成员之间具有必定程度的办理和被办理的联系，如图4所示。
智能机器人中集中式MAS机制在必定程度上推理成员Agent的才能行为，判断成员Agent之间行为的彼此影响，协助成员Agent更为迅速和精确地断定协作方针，安排成员Agent之间的彼此合作，和谐成员Agent之间的矛盾和抵触，使成员Agent经过学习产生对整体行为有利的影响。集中式MAS机制推测协作方针的行为和通讯，削减了和谐和通讯价值，进步了成员之间协作的有效性。
三教育图画资源查找引擎智能机器人完结
根据输入的URL树立多IP数组到获取线程池；根据各个IP树立各自的线程；各个线程完结每个IP的教育图画资源查找；经过各线程池协作，重复，至规定宽度与深度页面悉数查找完结。教育图画资源CBIRRobot体系运行结果如图5所示。
线程池技能对CBIR教育图画资源查找引擎智能机器人的功能有着显著的改进。但因整个体系还涉及到知识库、图画内容的表明、图画内容的查找等多方面的技能，多文种技能等，如何更好地优化查找体系，是进一步需求处理的问题。
参考文献
[1]MaríaPinto,DoraSales,Anne-VincianeDoucet,etal．MetricanalysisoftheinformationvisibilityanddiffusionabouttheEuropeanHigherEducationAreaonSpanishUniversitywebsites[J].Scientometrics2007,72:345-370.
[2]StefanRank,PaoloPetta.BasingArtificialEmotiononProcessandResourceManagement[J].LectureNotesinComputerScience2007,4738:350-361.
[3]OlivierMotelet,BenjaminPiwowarski,GeorgesDupret,etal．EnhancingEducational-MaterialRetrievalUsingAuthored-LessonMetadata[J].LectureNotesinComputerScience2007,4726:254-263.
[4]DongwonJeong,MyounghoiChoi,KeunhwanJeon.SemanticClassificationModelforEducationalRepositories[J].LectureNotesinComputerScience2007,4489:508-515.
[5]XiaLi,JianlinZhang,TaoHuang.AStandardizedLearningResourcesRetrievalSystemBasedonOntologyMatching[J].LectureNotesinComputerScience2007,4469:411-421.
[6]ShiXiTang,WeiLanWang,HuaMingLiu,etal．FurtherStudyontheDesignofMulti-languageWebCBIRSearchingEngineBasedonMAS[J].IEEETheFirstInternationalSymposiumonPervasiveComputingandApplications,2006,1109:658-662.
[7]JohnCalcote.ThreadPoolsandServerPerformance[J].Dr.DobbsJournal,1997,7:60-64.
[8]ZhongzhiShi.IntelligentAgentandApplication[M].Beijing:SciencePress,2000:7-18.
本文转载自
宁波seowww.leseo.net
补充词条：
宁波seo优化公司
宁波seo外包
宁波网站seo优化
宁波网站排名优化
宁波网站优化推广
