时间依赖的混合型网络的分布式路由协议

提出了时间依赖的混合型网络模型(HTDN 模型),有效地描述了网络中链路权值随时间变化的特性,并且网络中的节点可以采用不同的等待策略;并给出了 HTDN 模型的路径优化理论。在此基础上设计了有效的分布式路由协议 DMDRP,能计算出 HTDN 模型中所有节点对之间的最短延时路径,并证明了协议的正确性。最后通过仿真试验,给出了 DMDRP 协议与传统路由方案的性能对比分析。     

一种大规模分布式计算负载均衡策略

 大规模和超大规模计算系统中的通讯延迟成为影响负载均衡性能的一个重要因素,且延迟具有时变性,而传统的负载均衡策略通常假设通讯固定不变或不考虑通讯延迟开销.本文考虑了系统的通讯延迟开销和延迟时变性特征,给出一种基于广义神经网络(GNN)的层次结构负载均衡策略.该策略具有三个特点:(1)通讯优化的层次结构能够降低大规模计算系统的负载均衡开销;(2)考虑了节点计算速率及通讯延迟时变特性;(3)通过延迟预测可优化任务的通讯延迟和迁移延迟开销.仿真实验验证了该策略在通讯和负载均衡开销方面的性能.     

多核软件的几个关键问题及其研究进展

 提高应用程序开发产能同时获得并行性能收益是多核大众化并行计算研究的核心目标.采用应用驱动和自顶向下的研究思想着重综述了影响该目标的三个关键问题.首先,对当前的多核应用驱动研究做了比较,并对多核应用研究现状做了综述.其次,对当前的多核编程模型在产能编程和性能使能编程方面的研究思想做了比较研究.然后,综述了多核算法以及多核计算模型的研究现状.最后分析了多核软件未来的研究问题.     

基于邻接传感器及神经网络的车辆分类算法

为了提高车辆分类的性能,基于邻接传感器网络和BP神经网络提出一个有效的车辆分类算法MSVCA.在本算法中,使用成本相对低廉、灵敏度高的地磁传感器,采集车辆对地磁场的磁扰动特征信号,并根据邻接传感器网络本身的几何特性估计车辆长度,最后采用BP神经网络对车辆进行分类.神经网络的输入包括车辆长度、速度以及特征向量序列,输出为预定义的车辆类型.仿真及路面实验获得了93.61%的准确率.结果表明该算法提高了车辆分类的准确性,且具有较高的精度和顽健性.     

并行与分布式计算动态负载均衡策略综述

动态负载均衡(Dynamic Load Balancing,DLB)是提高动态和非规则问题计算效率与规模的一个挑战问题.阐述了DLB的一般性问题,根据DLB策略的主要特征给出了一个综合分类方法,按分类对近30年提出的各种主要DLB策略做了细致的分析和深入的比较,并做了策略有效性分析.在总结现有研究成果基础上,分析了该领域的最新发展趋势,为下一步的研究提出了新的问题和思路.     

面向应用的车载自组织网络跨层多信道MAC协议

提出了一种面向应用的车载网络跨层多信道MAC协议。对来自应用层不同类型的消息进行实时统计,预测出最优控制信道周期,确保控制信道上安全消息的及时、可靠传输,同时采用预约机制实现消息在服务信道上的无竞争传输,提高服务信道的吞吐量。本协议适合饱和与非饱和的一般VANET环境,具有较低的计算复杂度,扩展性较好。与现存的其他协议相比较,仿真结果证实了所提协议的优越性。     

面向车联网按需驱动的多宿主多链路TCP拥塞控制算法

针对车联网终端设备中网络应用QoS的多样化需求,保证与安全应用相关的高优先级数据报文发送实时性,提出了一种新的基于数据优先级与吞吐量评估的按需驱动的MPTCP拥塞控制算法PTLIA。首先,算法采用数据报文优先级以及吞吐量占比因子,表征各个数据报文的发送权重;其次,利用分批估计理论模型对MPTCP中路径状态进行实时评估;最后,依据算法模型设计,实现对网络拥塞时间窗的按需动态调整。实验与仿真验证了PTLIA算法在满足大部分网络应用需求的前提下,提高了高优先级应用的网络传输实时性。     

多核集群任务分配问题复杂性分析

传统任务分配问题通常以最小化计算代价和节点间通信代价的总代价为研究目标.在多核集群系统中,需要同时考虑节点内冲突代价.本文研究了以最小化计算代价、节点间通信代价和节点内冲突代价的总代价为目标的多核集群任务分配问题.通过建立任务分配问题与最小费用流问题的等价关系来分析节点内冲突代价对问题复杂性的影响关系.结果表明冲突代价成为影响问题复杂性的一个重要因素,给出并证明了冲突代价和节点间通信代价对问题复杂性的影响关系.最后,进一步讨论了各种复杂性下的多核集群任务分配问题的解法以及本文定理与结论的可应用性与有效性.