一、基于工作站集群关联规则分布式算法的性能评价（论文文献综述）
王力凯[1]（2020）在《基于性能的建筑体量设计生成及优化系统》文中指出为了进一步挖掘计算机智能技术在辅助建筑设计,尤其是改善建筑性能方面的潜力,近年来许多研究者和建筑师开始关注“运算设计优化”（computational design optimization）技术对面向性能的建筑设计的辅助作用。其中针对建筑体量设计,不少研究者通过将参数化建模（parametric modelling）、优化算法（optimization algorithms）和性能模拟工具（performance simulations）三者结合,搭建了整合建筑体量设计生成、分析和优化过程的“设计优化运行流程”（design optimization workflows）,这为基于性能的建筑体量设计生产及优化提供了可行的技术路径和方法基础。采用这种技术路径的设计方法被称之为“基于性能的设计优化”（performance-based design optimization）。虽然一些研究结果显示,这种新的设计方法在建筑性能改善方面可以发挥一定的效用,但在实际应用中,基于这类新技术的优化系统的适用性一般较低,是一种高投入、低回报的计算机辅助建筑设计技术。一方面,建筑师在使用基于性能的设计优化时需要付出大量的时间和精力进行设计优化运行流程搭建及操作工作。另一方面,优化过程及优化结果的信息反馈仅能提供十分有限的设计信息,无法为建筑师的设计构思和深化推敲提供有效的参考和支持。因此,本研究将聚焦于上述两个问题,即如何整合优化系统的使用流程,以及如何提高设计优化输出结果的多样性。相应地,本研究在相关领域研究进展的基础上,以实现一种更符合建筑师在方案阶段设计可能性探索需求的计算机辅助设计方法,及其支持该设计方法必要的工具为目标,提出了一个集成化的建筑体量设计生成及优化系统（Performance-based Building Massing Design Generation and Optimization System,简称PBMDGO系统）,并以此进一步探索建筑体量设计在建筑性能改善方面的潜力。在开发PBMDGO系统的同时,本研究也探索了应对现有技术和方法局限性的解决策略和技术工具。本研究在常规设计优化运行流程（生成-分析-优化）的基础上进行了再设计,并在Rhino-Grasshopper平台下开发了面向一般性建筑体量性能设计优化问题的通用系统,即PBMDGO系统。基于再设计的运行流程的PBMDGO系统,一方面简化了优化运行流程的搭建和操作工作,另一方面增强了优化过程及优化结果的设计信息反馈程度。为实现上述系统功能,研究继续针对再设计的运行流程中的设计生成器（即建筑体量设计生成模型）,以及优化问题求解器（即优化算法）进行了适用性改造、重新开发和算法实现,并实现一个基于体量削减（“减法”）和体量叠加（“加法”）的建筑体量生成模型,以及一个兼顾“探索+挖掘”性的“多岛稳态遗传算法”（Steady-state Island Evolutionary Algorithm,SSIEA）。基于上述的生成模型和SSIEA算法,建筑师可以结合其他第三方性能模拟工具快速搭建面向设计优化运行流程,即不同性能目标的定制PBMDGO系统。为了考察PBMDGO系统在辅助建筑师进行设计优化和设计探索方面的效用,研究基于PBMDGO系统对不同设计条件和性能优化目标的设计问题进行了对比设计优化试验。结果显示,PBMDGO系统能够通过设计优化过程为针对不同性能目标和设计条件下的设计问题提供具有任务针对性的优化结果。此外,相较于其他设计优化运行流程,例如基于简单建筑体量生成模型或自由形态生成模型等,PBMDGO系统输出的基于正交几何的设计变体具有更清晰可辨的体量形态信息。另一方面,相较于基于多目标帕累托优化（multi-objective Pareto optimization）输出的混合了多种性能因素的设计优化结果,基于单目标的PBMDGO系统提供的优化结果则具有明确的性能指向性。PBMDGO系统回应了建筑师在方案阶段设计探索和设计优化的动态需求,能够为建筑师从“发散性探索”到“收敛性挖掘”的设计综合（design synthesis）过程提供反映建筑性能改善和建筑体量形态特征的设计信息反馈,同时也在一定程度上避免了由人的主观经验带来的设计固着（design fixation）,进而帮助建筑师实现一种“性能信息驱动的设计”（performance-informed/aware design）。因此,本研究提出的基于性能的建筑设计生成及优化过程,关注的并非是单向的设计辅助或者设计控制,而是更深层次的双向设计协作。从这点出发,PBMDGO系统也可以被视为一个独立和外化于“人类设计师”（human designers）,但同时又能与人类设计师（建筑师）协同进行设计工作的“机器设计师”（machine designers）。在这样的“人-机协同设计过程”（human-machine co-evolution design synthesis process）中,建筑师的设计综合能力将得到质的提升。在当前不断增强的数字化和智能化条件下,本研究提供了一种面向建筑性能的新设计方法,这将进一步推动“性能驱动的建筑”（performance-driven architectural design）的设计范式进程。本文正文共约118000字,图表233幅,代码约8300行。
闫文[2]（2020）在《社交与信息网络中的数据挖掘研究》文中指出人工智能被认为是引爆新一代科技革命的核心技术和关键力量之一。数据挖掘作为其中关键的技术,有着广泛的应用前景。本论文围绕“社交与信息网络中的数据挖掘研究”这一课题通过对社交网络、信息网络和智能交通网络等当下应用最为广泛、功能日益丰富和结构愈发复杂的应用场景进行深入研究,对其中存在的推荐系统分布式算法、矩阵分解的Map Reduce框架、无人车的智能控制和网络免疫策略等关键问题,借助数据挖掘、大数据分析的分布式优化与处理和机器学习等技术与方法,进行了一系列的方案设计,并通过真实数据集上的仿真进一步验证了所提方案与算法的可行性与有效性。本论文的具体研究内容和主要贡献如下:（1）针对社交网络中推荐系统的分布式算法问题,提出了一种含有相似度约束的低复杂度分布式推荐系统设计方案。首先,引入了一种含有相似度约束的矩阵分解模型,以充分挖掘推荐系统中诸如内容、情景和信赖的朋友等额外信息的潜力。其次,提出了基于交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）的分布式算法并给出了闭式解,以减轻服务器计算负载,提供隐私保护。此外,采用数值分析中的优化方法,充分挖掘问题的特殊结构,降低计算复杂度。最后,基于真实数据集上的仿真,验证了算法的有效性。（2）针对信息网络中矩阵分解的Map Reduce框架问题,提出了一种异步分布式矩阵分解方案及定制的Hadoop Map Reduce框架。首先,以ADMM为基础设计异步的分布式框架,解决同步的分布式实现中不同服务器间等待超时的问题。其次,提出了一种通用的共轭梯度（Conjugate Gradient,CG）算法,减少两种不同类型矩阵求逆的三次方复杂度。此外,提出了Hadoop平台上,在一个Map Reduce作业中实现所有迭代过程的定制框架,以充分利用矩阵分解的特殊结构,降低其传统Map Reduce框架中频繁产生作业所带来的开销。最后,通过真实数据集上的仿真结果验证了算法的有效性,同时也讨论并分析了仿真中相关因素的影响。（3）针对智能交通网络中无人车的智能控制问题,提出了一种挖掘司机分心行为的无人车纵向速度控制方案。首先,该方案考虑无人车与人类驾驶车辆的交互,设计了一个整合了司机分心监测、车对车信息交换（Vehicle-to-Vehicle,V2V）和无人车速度控制的协作框架。其次,通过模型预测控制（Model Predictive Control,MPC）策略建模为可行的优化问题,设计了应对司机分心行为的无人车智能控制策略。此外,分析了在保持交通性能前提下协作框架可以带来的安全增益。最后,进行了基于卷积神经网络（Convolutional Neural Network,CNN）的司机分心监测实时性评估的对照实验,以及无人车智能控制策略在避让分心司机和减少追尾碰撞方面的仿真实验,表明了该协作框架可以增大安全区域,减少追尾碰撞,提升整个智能交通网络的安全性。（4）针对信息网络中的网络免疫策略问题,提出了一种控制最坏情况下的网络传播的网络免疫方案。该方案针对具有图结构的信息网络,通过设计算法对边分配固定总预算的免疫干预措施来控制网络中感染的传播。首先,将控制最坏情况下的网络传播建模为一个有约束的、针对免疫干预部署和初始传播源选取的最小-最大优化问题。该问题为一个NP-hard的双层混合整数优化问题,且目标函数没有显式表达式,故而采用了无导数优化和随机优化中的工具,通过内层最大化问题和外层最小化问题交替迭代进行求解。具体而言,在内层循环中,使用加权度折扣（Weighted Degree Discount,WDD）方法选取影响力最大化问题的初始传播源集合;在外层循环中,使用了两种方法:一种是基于采样的同步扰动Nelder-Mead（Sample-Based Simultaneous Perturbation Nelder-Mead,SBSP-NM）算法,另一种是同步扰动随机近似（Simultaneous Perturbation Stochastic Approximation,SPSA）算法。最后,通过在人工合成数据集和三个更大规模的真实数据集上的仿真,验证了算法的计算可行性和在控制感染传播方面的有效性。
孙亮[3]（2020）在《无线多热点网络负载均衡优化研究》文中指出本文对无线多热点网络（Multi-hotspot Network）中广泛存在且矛盾日益突出的多接入点接入中的切换、负载均衡等问题进行研究,利用博弈论以及网络优化等工具,提出有效的无线带宽分配、负载均衡以及多接入点选择接入算法,从而最优化无线多热点网络的用户体验以及最大化利用网络资源。研究通过对现有系统和既有工作的深入分析,发现当前无线多热点负载均衡系统的研究仍存在一些不足:在使用网络带宽的过程中过度占用带宽资源从而导致其他用户的网络体验降低以及网络性能降低;在现有的无线局域网网络容量理论和标准模式基础上,没有充分考虑网络容量和延迟的不同要求;在用户要求链接的过程中,忽视用户负载均衡的问题,以及网络拥塞甚至造成网络瘫痪;缺少定价机制,不能够有效保证每个用户可以获得与其支出相对应的服务体验等问题。为此本文从理论和算法入手,从多个方面提出相关的算法优化和解决方案,主要贡献在于:1)针对无线多热点网络中用户行为特征的研究,探寻多热点网络中用户行为模式。绝大多数仍然假设用户的网络业务以及通用的网络拓扑或者信道访问模式,而较少的考虑到多热点网络中特有的用户行为模式,如应用程序、接入点（Access Point,AP）选择的趋势、移动性、自私行为分析以及网络体验,本文重点考虑多热点网络中不同用户对网络带宽以及延迟的要求,在深入理解用户行为基础上,提出了基于软件定义网络（Software Defined Network,SDN）和负载均衡的快速网络切换机制。通过理论分析和Mininet-WiFi仿真平台进行模拟实验,实验对于不同切换方式的切换延迟、丢包率、切换稳定性进行比较,结果表明该机制能够有效地降低不同接入点之间的切换时延和丢包率,同时稳定性得到提升。2)无线局域网（Wireless LAN,WLAN）运营商和服务商为了给用户提供更好的连接和用户体验,总是会提高无线接入点的密度。因此,WLAN用户通常会发现自己被多个接入点覆盖,并且须决定关联哪个接入点。针对多热点网络中网络拥塞问题,在现有的无线局域网络容量理论和802.11标准的AP接入模式的基础上,充分考虑多热点网络中不同用户对网络速率及网络延迟的不同要求,研究适用于公共多热点网络中热点接入算法,提出了一种基于博弈论的在线关联AP选择接入算法。本文提出新的热点接入评价模型及分布式算法,通过接入控制机制和接入后用户获得的网络性能分析预测两种方式,达到优化热点接入的目的。同时,理论分析和实验表明,关联算法的竞争比达到1-1/e,与传统的基于RSSI的方法相比,不仅提高了总吞吐量,对解决网络拥塞、减少延迟、提高用户网络体验效果明显。3)针对多热点接入控制不灵活的问题,为了能够达到更加灵活地获得带宽分配和全局优化用户接入的目标,接入点对网络中存在的用户关联请求决策时,综合考虑用户负载均衡的问题,提出了基于SDN的面向负载均衡的接入控制机制。理论上,结合面向全局公平的带宽分配算法,在比例公平和最大最小公平中,来权衡统筹网络中资源的分配,结合博弈论中贝叶斯平衡理论,更加合理深入调度资源。负载均衡算法框架方案实验过程中,采用Mininet仿真平台进行模拟,拓展了 OpenFlow协议使AP能及时将接入请求发送至控制器。相应的为了收集信号强度、吞吐量、丢包率三个指标信息,在SDN控制器上拓展了智能接入点关联模块,AP信息采集模块和负载均衡模块,进而计算多个可连接的接入点的网络质量,来确定最佳接入点,从而均衡各接入点的负载,提高网络服务质量。同时,算法运行在SDN控制器中,避免了对接入网络的用户设备进行修改,提升了兼容性,方便部署。综上,研究各部分既相对独立又相互关联,旨在能够对已部署的网络实现进一步的优化,对于将要部署的网络可以提供合理规划的指导。同时,对于无线运营商、无线热点网增值商家如购物中心、咖啡厅、机场、社区等有着现实的经济效益。
焦秀华[4]（2020）在《基于非结构化数据的输电线路鸟害检测》文中提出随着电力建设的不断发展,从发、输、变、配到用户端,产生了数以亿计的电力系统数据,其中绝大多数是非结构化数据。这些海量非结构化数据为电力大数据的价值挖掘提供了宝贵的资源,充分挖掘非结构化数据的有效信息,是推进电力系统深层智能化的重要基础。输电线路杆塔作为电力设施的重要组成部分,对电力系统安全稳定运行至关重要。针对杆塔运行状态监测的大数据研究,是一个极具理论意义和实践价值的课题。因此本文结合机器学习,大数据等内容,针对输电杆塔鸟巢识别展开研究。传统鸟巢检测依靠人工从监控设备或无人机巡检航拍的图像中肉眼识别鸟巢,该方法主观性强、效率低、智能化程度低。同时海量输电杆塔监控数据使得智能化巡检和人工巡检差距更大。为了解决输电线路杆塔鸟巢识别算法的训练时间与准确率难以均衡的问题,提出了基于HOG特征的支持向量机识别杆塔鸟巢模型,并在海量图像识别的效率优化过程中,提出基于Hadoop平台的自适应梯度下降法,模型采用四节点时,运行时间最快比单机提高80%。本文的主要工作如下:（1）针对输电杆塔鸟巢检测的特征提取问题,经对比得出方向梯度直方图更适合鸟巢边缘特征提取。首先,为了衰减无用信息,增强有用信息,先后对图像进行灰度化、Gamma校正、Sobel边缘检测。然后,根据不同方法对鸟巢进行特征提取。最后,对比不同提取手段的效果和准确率得出方向梯度直方图有更好的效果。（2）针对输电杆塔的鸟巢检测问题,提出自适应批量梯度下降法。从几何和梯度下降法角度理解支持向量机的原理,分析各个参数对分类效果的影响,改进支持向量机参数更新的方式。通过实验对比不同分类器,得出改进算法的用时和准确率明显提升。（3）针对海量非结构化数据信息的充分挖掘问题,将该图像识别模型部署在Hadoop集群上,通过自定义Map Reduce框架解决面对单机模型处理大数据效率低下的问题。经过分布式Hadoop集群与单机对比实验验证了该方案的可行性和高效性,并结合相关指标进行评价与总结。
林忠伟[5]（2016）在《面向随机反应扩散系统的多核并行仿真支撑技术》文中研究表明随机反应扩散仿真（SRDS）有助于理解细胞内外的粒子动力学机制和信使机制、单个细胞及整个生化系统的行为机制,进而为粒子动力学假设检验、疾病治疗手段验证等提供支持。然而,此类仿真具有零前瞻、邻域更新敏感、规模巨大、计算复杂和多次运行等特点,对仿真性能提出了极高的要求,使得基于高性能计算机的并行离散事件仿真（PDES）成为这类仿真发展的重要趋势。随着多核处理器技术的发展,相比于传统的基于进程的PDES,多线程PDES通过共享进程空间可实现高效的核间通信,更有利于发挥多核集群优势;但已有多线程PDES在事件排序、时间管理和负载均衡等方面仍存在着开销大、效率低等问题,难以充分发掘多核集群优势。因此,开展面向随机反应扩散系统的多核并行仿真支撑技术研究,对于提高仿真运行效率、充分利用多核集群计算和通信资源以及满足不断发展的应用需求等具有十分重要的理论意义和实用价值。论文针对随机反应扩散系统对仿真规模和性能的需求,面向多核集群计算机系统,围绕多线程PDES体系架构、异步全局虚拟时间（GVT）算法、自适应负载平衡和乐观控制、高效回滚机制等问题开展研究,主要工作和贡献如下:（1）已有多线程PDES多采用对称同构的体系架构,所有线程同时收发消息和处理事件,对事件排序和通信服务的竞争较高,制约事件处理速率和线程规模。为此,提出了一种可扩展可配置的多线程PDES体系架构SConMA,该架构首先设计层次化的事件异步排序机制根据SRDS特征将事件队列分解至线程、逻辑进程（LP,即仿真对象）和输入通道中,形成由上至下的三级队列,下级队列仅提交紧急事件至上级队列并维护正确的全局排序,从而降低竞争单个事件队列的机率;同时分离通信和事件处理逻辑后由独立线程处理通信,同进程内属于不同线程的LP间通过共享进程空间调度事件,以降低对通信的竞争。实验结果表明SConMA具有良好的性能和可扩展性,相比于集中式多线程PDES架构可缩短仿真运行时间约12%,平均降低竞争线程事件队列的概率约40%。（2）已有的多线程PDES多使用同步的GVT算法,同步开销大,而采用现有的Fujimoto多线程异步GVT算法难以处理由跨节点消息引起的暂态消息和同步报告问题。为此,提出了一种面向大规模多核集群的混合异步GVT算法HAGVT:进程内局部GVT由事件处理线程在通信线程控制下采用改进的Fujimoto算法计算得到;进程间的暂态消息和同步报告问题由通信线程利用Mattern算法处理;两者协同在进程内部和进程之间异步地完成多核集群下高效的GVT计算。理论分析与实验结果表明,HAGVT可在仿真任一时刻计算GVT,计算开销和延迟均优于原始的Mattern和Fujimoto算法,如相对于事件处理线程执行原始Fujimoto算法,HAGVT可平均缩短仿真运行时间约11%。（3）粒子在整个空间的非均匀分布导致线程间负载失衡,零前瞻特性使得乐观仿真回滚总数较高,目前主流的方法独立地处理负载平衡与乐观控制,难以使事件处理线程获得最佳的事件处理速率。为此,提出了一种自适应负载平衡与乐观窗口控制算法ALBW:对于仿真的首次运行,采用基于模拟退火的负载平衡与乐观窗口控制算法SALBW自适应地探索负载迁移和乐观窗口最优参数值;对于后续多次运行,采用改进的基于强化学习Q-Learning的负载平衡算法QLB基于SALBW算法结果探索本次运行的最优参数值;从而实现不同应用场景下自适应的负载平衡和乐观控制。实验结果表明,ALBW可缩短多核集群中大规模钙波系统运行时间约36%。（4）基于消息发送时戳的回滚机制（STRB）可充分利用多核集群中消息传输的保序性,高效地处理乐观仿真中的回滚;然而由于粒子扩散速率不同,随机反应扩散仿真中后调度事件可能先被处理,使得难以采用STRB撤销所有失效事件。为此,提出了一种消息发送时戳与接收时戳相结合的回滚机制SRTRB,该机制首先根据回滚时消息的发送时戳确定临界失效事件,再由该事件的接收时戳递推其所在LP的回滚时间,之后依据此回滚时间级联地恢复已处理事件,从而实现粒子乱序到达情况下的正确回滚。实验结果表明,SRTRB可实现随机反应扩散系统仿真正确的回滚,且性能优于PDES常用的反消息回滚机制,如在同进程的多个线程中使用反消息回滚机制的仿真运行时间平均为使用SRTRB的1.42倍。在上述研究成果基础上,设计实现了一个面向随机反应扩散系统的多核并行离散事件仿真框架RD-PDES,关于大规模强化钙波模型的综合测试表明RDPDES具有良好的性能和可扩展性,运行时间较通用PDES支撑平台YH-SUPE缩短37%,对双稳态生化系统的测试表明RD-PDES具有良好的通用性。
史新贵[6]（2013）在《未来虚拟网络动态映射算法研究》文中认为经过爆发式增长,IP网络的僵化已经显露出来,现有的补丁修补方式虽能有效解决一些问题但并不是长久之计。为了彻底解决IP网络的问题,许多国家和研究机构积极进行下一代网络的研究。虚拟化技术不但可以解决目前网络僵化问题,而且从现有网络过渡到未来网络也离不开虚拟网络。通过允许多个虚拟网络运行在一个共享的实体网络之上,虚拟化技术能够有效利用物理资源,通过对资源虚拟化便于统一管理实体资源。4WARD将虚拟网络作为一个架构纳入未来网络架构之中,实现全网虚拟化。本文是研究未来网络中虚拟网络的架构,针对其中核心的动态虚拟网络映射进行研究,采用分布式算法实现。本文所做的具体工作如下：1.调研各研究机构对未来网络的研究,深入研究了4WARD的未来虚拟网络架构,4WARD富有远见地将虚拟网络作为未来网络一项重要技术,提出了一个基本框架。本文主要通过参考现今虚拟网络技术,对未来虚拟网络架的整体知识做了总结。虚拟网络职责进一步划分,同时将映射过程也分为三个阶段以及在每个终端运行智能代理,可以有效地够实现网络自主管理,同时便于业务的创新。2.研究分布式静态网络映射算法。分布式静态网络算法用于虚拟网络的配置过程,其中每个节点运行的智能代理能够感知网络拓扑信息,通过将虚拟网络请求划分为多个hub-and-spoke集群,对每个hub-and-spoke集群进行映射可以有效地降低算法复杂度,最后完成零散的链路的映射。分布式静态映射算法与传统的集中式算法相比在建立时间以及包交换数量上具有优势,同时也具有灵活性和可扩展性,而代价是仅仅通过每个节点运行的智能代理即可。3.首先提出一个适用于分布式映射算法的框架。该框架中节点运行自主智能代理,该代理负责虚拟网络映射协议的交互,而节点只需要处理该代理即可。该框架简化了分布式虚拟网络动态映射算法的设计。设计算法的主要工作具体到设计规则实现,而且便于基础设施供应商根据不同目标指定规则,具有很大的灵活性。在该框架上提出了一个动态分布式映射算法,该算法采用静态分布式算法建立虚拟网络,添加了动态处理节点失败和链路失败。
许毅[7]（2005）在《基于IP网络QoS多播路由技术的研究》文中认为随着计算机网络技术的发展,视频会议、视频点播（VoD）和远程教学等实时多媒体应用已大量涌现,它们的共同特点是需要从一个源节点或多个源节点将信息传输到多个目的节点。由于这些实时业务对网络传输中的时延、时延抖动、带宽、包丢失率和代价等较为敏感,当突发性较高的FTP或含有图象文件的HTTP等业务在网络上传输时,实时业务的传输将会受到影响,这样就需要服务质量（QoS:Quality of Service）技术的支持,以确保实时业务的通信质量。传统的Internet路由协议,如开放最短路径优先（OSPF）和路由信息协议（RIP）是基于“最短路径”算法的路由技术,即路由是在单个特征值下的优化,只提供“尽力而为”服务,不能提供QoS保证。同时,随着移动网络和全光网络等高性能网络技术的不断发展及其应用领域的日益扩大,基于QoS约束的多播路由算法和协议的理论研究与实现,已成为网络领域中研究的重要课题。 QoS路由就是寻找满足特定QoS约束的一条可行路径（QoS单播路径）或一棵多播树（QoS多播路由）,它与传统的尽力传输不同,QoS路由一般有多个约束条件,通常是一个NP-完全问题。而多播路由是网络层具备的功能,多播问题的关键在于多播路径的确定,实现多播的最常用的方法就是建立多播树,多播路由算法主要用来建立一棵性能好的多播树,并使它满足各种业务的服务质量（QoS）的需求。 目前提出的大多数QoS路由算法是启发式算法,有些算法由于计算的复杂性而无法满足实际应用的要求;有些算法因缺乏全局的观点,扩展性较差,难以适应有动态成员加入的大型群组。本文在总结这些算法的基础上,提出了解决QoS多播路由的相关方法,主要集中在多QoS约束的多播路由算法和协议、蚂蚁算法和移动代理在IP网络中路由的优化研究,具体包括以下几方面: 1)论文从研究QoS多播路由的现状出发,分析了IP网络中QoS路由的策略和QoS多播路由的问题;从IPQoS的定义和机制出发,研究了综合服务模型（IntServ）、资源预留协议（RSVP）、差分业务模型（DiffServ）、多协议标签交换（MPLS）、IPQoS的综合实现策略以及IPQoS在Linux中的实现;研究了QoS的多播路由机制,提出了在NS2下实现QoS约束的多播路由算法
陈莉,罗学院[8]（2005）在《关联规则分布式算法的性能评价》文中进行了进一步梳理主要叙述两种基于WS Cluster（WSs即工作站集群）环境的分布式并行处理的有效性算法。第1 种算法是在 WSs 间的关系数据比较小的表算法。另一种算法是对数据通信应用转换操作和对独立数据每接点进行大量搜索过程的简化,通过这些算法在 WSs 中的实施,并对它们的性能作出评价。
黄东军[9]（2004）在《分布式多路径QoS组播路由算法与协议研究》文中研究指明随着Internet的迅速发展，群组通信特别是计算机视频会议、网络音／视频广播、股市行情发布、远程教育、计算机支持的协同工作（CACW）、分布式交互仿真等大量兴起。这些新型应用大大推进了社会信息化进程。组播技术正是这些应用的重要基础。组播不同于单播和广播，它将分组发送到一个指定的主机集合，即通信群组。组播的最大特点在于，在组播网络中即使用户数成倍增长，主干带宽也无需随之增加。因此组播成为当前网络技术研究的热点。组播技术研究主要涉及组播路由算法与协议、群组成员关系管理、组播地址分配、接纳控制和组播应用等问题。 本文首先研究了QoS组播路由问题的一般性描述，评述了国内外关于QoS组播路由算法和协议的研究进展，对现存算法和协议进行了分类，研究了组播路由算法与协议的联系及区别。接着，讨论了QoS组播路由算法与协议设计的基本目标，分析了组播路由算法与协议问题的复杂性，研究了QoS组播路由算法与协议性能评价的主要指标以及模拟仿真方法的有效性。本文的主体部分重点研究Qos组播路由算法和协议、接纳控制和多媒体应用等方面的问题。 1) 首次将局部存储结构引入QoS组播路由，使路由器只存储其两层邻居节点的可达性信息以及链路的QoS状态信息，以减少路由器存储开销，提高协议的规模伸缩性；利用这些信息，节点能够更加智能化地转发加入探测报文JoinProbe。针对组播的需要，设计了一套数据结构和组播树构造算法，从而提出了一种新的支持QoS特性的多路径组播路由协议QMoBF。分析表明，基于受限泛播技术的组播路由协议具有节点存储开销小、呼叫接收成功率高、伸缩性好等特点。 2) 研究了QoS组播路由的综合优化问题，提出了一种综合性启发式函数，该函数能够有效使组播树的延时、带宽和网络代价特性都得到一定程度的优化，并有效地运用到QMoBF协议中。 3) 研究了一种结合集中式算法与分布式算法优点的多路径启发式QoS组播路由协议，试图进一步降低控制报文开销并获得较高的呼叫成功率。算法依赖单播路由协议OSPF的链路状态广告报文（Link State Advertisement，LSA）传播链路的代价状态信息。该协议能够有效支持延时和带宽受限的代价优化组播树构造，具有控制报文开销小、可伸缩性好、呼叫成功率高等特点。 4)研究了多路径Qos组播路由协议口人勿BF与接纳控制相融合的方案，该方案面向支持负载受控服务、有保证服务和尽力而为服务的综合网络结构，并使用延时和带宽作为接纳参数。由于口几白BF协议能够有效地支持延时和带宽受限的代价优化组播树构造，并具有无环选路、呼叫接收成功率高、可伸缩性好等特点，因此在口人肠BF算法中集成接纳控制机制将有助于该协议的进一步发展。 5)在组播应用上，本文针对传统面向连接的传输结构存在连接多、复杂度高、伸缩性差等诸多问题，提出了一个基于源根组播的视频会议系统设计原则，它使系统结构得到简化，可靠性、易用性和规模伸缩性得到提高。本文提出了一个基于源根组播的会议系统模型，并开发出一个功能强大的多点视频会议系统。
王永庆[10]（2003）在《基于快速网络的新型存储层次设计与实现》文中指出数据密集型程序有着广泛的应用，已经成为高性能计算中最重要的应用程序之一。这种程序运行时需要频繁访问磁盘上的数据文件，或者要求的主存容量远大于本地主存，导致频繁访问交换区。传统的虚拟存储系统使用磁盘作为后备存储，尽管磁盘具有传输速率高、存储容量大等优点，但是，磁盘的寻道时间比主存要慢几个数量级，从而限制了这些应用程序的执行速度。 本文研究使用空闲的网络主存构造虚拟二级存储设备，提出了预测预取框架PNMS（Prediction-based Network Memory System）。它充分利用了CPU速度的提高、网络延迟的改善和主存容量的不断增加，支持异构节点和各种操作系统。 提出利用内核间直接通信来提高通信性能，实现了一种可靠高效的内核级消息传输协议。它同已有的协议共存，共享底层通信通道。通信双方都在内核中执行，降低了上下文开销和系统调用时间。 提出一种基于外部二级设备的数据备份策略，把server分组，每组增加一个节点，利用磁盘备份本组server中存放的client使用的数据，这就可以避免某个server偶尔失效导致数据丢失，增强了系统的可靠性。 对页面预测算法性能进行了研究，在传统PPM（通过部分匹配进行预测）算法的基础上，通过观察页失效序列，有效结合串行、等跨度等典型程序行为，提出贪婪Markov算法，并讨论了控制预测质量的算法策略和机制。通过把预测算法和应用程序分布到不同的节点，使用网络中的空闲工作站辅助预取，把即将访问的页面读入目标节点，从而进一步减少CPU等待时间。通常情况下，由于预测算法和应用程序在同一节点，因而产生高质量预测的开销很高，使用预取带来的性能提高变得微不足道，但是在我们的框架中，由于在不同的工作站上执行预取，故可以使用复杂度较高的算法，而不会产生负面作用。 PPM模型的级数越高，预测性能就越强，但是模型越复杂，状态空间越大，运行时间也越长。论文中提出了一种利用规则访问压缩多级PPM模型空间的方法。通过把连续访问压缩到一个超级节点中，既可以达到削减状态复杂度的目的，又不会降低模型的国防科学技术大学研究生院学位论文预测性能，还有助于预测精度的提高。 在规模比较大的系统中，完全信息收集会导致过多的CPU和网络开销，考虑到网络系统中负载信息的非精确性和不完整性，我们提出了集中式最小k子集随机算法来选择空闲节点，并实现了信息Cache机制。采用多个收集节点可以满足系统扩展性要求和容错要求。通过替换算法，保证Cache中的信息为系统中负载最小的k个节点的信息，还给出了一种Server优先的主存数量公布算法。 通过对网络主存的server端进行抽象，设计了逻辑memo卿server，它完全屏蔽了chent和server之间体系结构的差异，使用高效的算法和数据结构，保证检索数据的时间是常数。 在Linux系统下设计实现了一个基于网络主存的可靠高效的虚拟存储设备，并对Linux系统内核进行少量修改支持预取。测试结果表明，系统运行稳定，无论是计算密集型还是数据密集型应用程序，都可以显着提高程序执行效率，并且具有很强的灵活性。 本文的基本结论是，在快速网络的支持下，利用空闲主存构造虚拟二级存储设备不仅是可能的，而且是可行的、可靠的，与具有同等（甚至更高）带宽的磁盘相比，它可以显着提高卫O性能。关键词:网络主存，部分匹配预测，Markov，存储层次，工作站集群，空闲资源，可靠性，内核级通信
二、基于工作站集群关联规则分布式算法的性能评价（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于工作站集群关联规则分布式算法的性能评价（论文提纲范文）
（1）基于性能的建筑体量设计生成及优化系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及问题缘起 |
| 1.1.1 建筑性能与建筑体量设计 |
| 1.1.2 基于性能的建筑设计 |
| 1.1.3 基于性能的设计优化技术 |
| 1.2 研究问题及目标 |
| 1.3 研究内容及方法 |
| 1.4 相关概念界定 |
| 1.5 研究意义 |
| 1.6 研究路径及论文框架 |
| 1.6.1 研究路径 |
| 1.6.2 论文框架 |
| 第2章 文献综述 |
| 2.1 基于性能的设计优化技术 |
| 2.1.1 技术搭建平台 |
| 2.1.2 在建筑体量设计中的应用 |
| 2.2 建筑设计的参数化建模 |
| 2.2.1 可视化参数化建模技术 |
| 2.2.2 复杂参数化建模策略 |
| 2.3 建筑设计与优化算法 |
| 2.3.1 辅助建筑设计的优化算法 |
| 2.3.2 优化结果与设计信息反馈 |
| 2.4 本章小结 |
| 第3章 PBMDGO系统的搭建 |
| 3.1 系统的运行流程再设计 |
| 3.1.1 系统概述 |
| 3.1.2 运行流程的适用性改造 |
| 3.1.3 生成器模块设计(建筑体量生成方法) |
| 3.1.4 求解器模块设计(优化算法寻优方法) |
| 3.2 系统的搭建工具 |
| 3.2.1 交互界面设计 |
| 3.2.2 建筑体量生成组件 |
| 3.2.3 优化算法组件 |
| 3.2.4 辅助工具组件 |
| 3.3 本章小结 |
| 第4章 基于体量削减/叠加原则的设计生成器 |
| 4.1 “减法”算法 |
| 4.1.1 算法概述 |
| 4.1.2 算法实现及用户交互 |
| 4.1.3 体量设计策略的控制方法 |
| 4.2 “加法”算法 |
| 4.2.1 算法概述 |
| 4.2.2 算法实现及用户交互 |
| 4.2.3 体量设计策略的控制方法 |
| 4.3 本章小结 |
| 第5章 “探索+挖掘”性的优化问题求解器 |
| 5.1 SSIEA算法 |
| 5.1.1 工作流程 |
| 5.1.2 算法实现 |
| 5.1.3 进化操作 |
| 5.1.4 多岛模型 |
| 5.1.5 稳态替换策略 |
| 5.1.6 拉丁超立方采样 |
| 5.2 算法性能测试分析 |
| 5.2.1 测试问题 |
| 5.2.2 对比算法 |
| 5.2.3 对比指标 |
| 5.2.4 实验结果 |
| 5.3 算法比较分析 |
| 5.4 本章小结 |
| 第6章 PBMDGO系统的应用测试 |
| 6.1 系统搭建及操作示例 |
| 6.1.1 系统运行流程的搭建 |
| 6.1.2 优化前的参数设置 |
| 6.1.3 优化运行过程 |
| 6.1.4 优化结果分析 |
| 6.2 不同设计条件下效用测试 |
| 6.2.1 设计任务及试验设置 |
| 6.2.2 测试问题1优化结果 |
| 6.2.3 测试问题2优化结果 |
| 6.3 优化结果的综合分析 |
| 6.4 本章小结 |
| 第7章 讨论 |
| 7.1 PBMDGO系统的适用性特征 |
| 7.1.1 前置式应用流程 |
| 7.1.2 可复用的设计优化工具 |
| 7.2 设计知识与生成技术 |
| 7.2.1 设计知识的再现(元模型) |
| 7.2.2 设计知识的传递(信息反馈) |
| 7.3 设计综合与算法寻优 |
| 7.4 PBMDGO系统的局限性 |
| 1 )优化对象的建筑类型 |
| 2 )优化结果的形态自由度 |
| 3 )信息反馈的精度控制 |
| 4 )性能目标的种类及优先级 |
| 7.5 后续研究 |
| 7.5.1 设计优化系统应用流程的标准化 |
| 7.5.2 体量形态生成算法的适应度 |
| 7.5.3 SSIEA算法性能的再挖掘 |
| 7.5.4 优化结果的空间重构及其可视化 |
| 第8章 总结 |
| 致谢 |
| 主要参考文献 |
| 插图和附表清单 |
| 攻读学位期间发表的学术论文目录 |
（2）社交与信息网络中的数据挖掘研究（论文提纲范文）
| 摘要 |
| Abstract |
| 本论文专用术语与数学符号的注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 数据挖掘概述及在社交与信息网络中的挑战 |
| 1.2.1 数据挖掘 |
| 1.2.2 大数据分析的分布式优化与处理 |
| 1.2.3 机器学习 |
| 1.2.4 数据挖掘在社交与信息网络中的挑战 |
| 1.3 社交与信息网络中的数据挖掘研究进展 |
| 1.3.1 社交网络中推荐系统的分布式算法 |
| 1.3.2 信息网络中矩阵分解的MapReduce框架 |
| 1.3.3 智能交通网络中无人车的智能控制 |
| 1.3.4 信息网络中的网络免疫策略 |
| 1.4 研究内容及安排 |
| 第二章 社交网络中含有相似度约束的推荐系统分布式算法 |
| 2.1 引言 |
| 2.2 问题建模与描述 |
| 2.2.1 矩阵分解 |
| 2.2.2 含有相似度约束的矩阵分解问题 |
| 2.2.3 ADMM |
| 2.3 基于ADMM的分布式算法 |
| 2.3.1 物品聚类及评分矩阵切分 |
| 2.3.2 局部变量和一致性约束建模 |
| 2.3.3 ADMM的求解流程 |
| 2.3.4 相似度项的处理 |
| 2.3.5 闭式解的计算 |
| 2.4 低复杂度优化设计 |
| 2.4.1 递归分块的矩阵求逆 |
| 2.4.2 修正的线性方程求解算法 |
| 2.4.3 块Gauss-Seidel方法 |
| 2.5 仿真结果与分析 |
| 2.5.1 实验设计和度量 |
| 2.5.2 在真实数据集上的评估 |
| 2.6 本章小结 |
| 2.7 附录 |
| 2.7.1 注1的证明 |
| 2.7.2 命题1的证明 |
| 2.7.3 命题2的证明 |
| 2.7.4 命题4的证明 |
| 第三章 信息网络中矩阵分解的定制MapReduce框架实现 |
| 3.1 引言 |
| 3.2 问题建模与描述 |
| 3.3 基于ADMM的异步分布式算法 |
| 3.4 基于CG的低复杂度算法 |
| 3.4.1 两种Kronecker结构的矩阵求逆 |
| 3.4.2 CG算法 |
| 3.4.3 基于CG的低复杂度算法 |
| 3.4.4 算法的理论分析 |
| 3.5 定制的MapReduce框架实现 |
| 3.5.1 MapReduce编程模型 |
| 3.5.2 定制的MapReduce框架实现 |
| 3.6 仿真结果与分析 |
| 3.6.1 数据集和评估度量 |
| 3.6.2 比较和分析 |
| 3.7 本章小结 |
| 第四章 智能交通网络中挖掘司机分心行为的无人车智能纵向速度控制 |
| 4.1 引言 |
| 4.2 问题建模与描述 |
| 4.3 无人车智能速度控制避让分心司机 |
| 4.3.1 车辆模型 |
| 4.3.2 风险评估 |
| 4.3.3 可信度评估 |
| 4.3.4 整合风险和可信度到速度控制中 |
| 4.3.5 安全约束 |
| 4.3.6 持续可行性分析 |
| 4.3.7 MPC建模优化问题 |
| 4.4 协作框架的优势分析 |
| 4.5 仿真结果与分析 |
| 4.5.1 分心监测的实时评估 |
| 4.5.2 无人车的纵向速度控制 |
| 4.6 本章小结 |
| 4.7 附录 |
| 4.7.1 推论3证明 |
| 4.7.2 定理2的证明 |
| 第五章 信息网络中控制最坏情况下的网络传播的网络免疫策略 |
| 5.1 引言 |
| 5.2 问题建模与描述 |
| 5.3 求解最小-最大问题的算法 |
| 5.3.1 固定免疫干预求解内层优化问题 |
| 5.3.2 固定初始传播源集合求解外层优化问题 |
| 5.3.3 最小-最大问题的求解 |
| 5.3.4 算法的复杂度分析 |
| 5.4 仿真结果与分析 |
| 5.4.1 数据集描述 |
| 5.4.2 人工合成数据集上的结果 |
| 5.4.3 真实数据集上的结果 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文工作总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果 |
（3）无线多热点网络负载均衡优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关工作研究进展与综述 |
| 1.2.1 无线多热点网络负载测量及分析 |
| 1.2.2 信道接入和带宽分配问题及其相关实现技术 |
| 1.2.3 无线热点接入算法的研究 |
| 1.2.4 基于软件定义无线网络的负载均衡 |
| 1.2.5 研究挑战和未来方向 |
| 1.3 本文研究思路与内容 |
| 1.4 本文组织结构 |
| 2 无线多热点网络快速切换机制研究 |
| 2.1 引言 |
| 2.2 无线多热点网中的快速切换以及用户行为特征分析 |
| 2.2.1 多热点网中的切换阶段 |
| 2.2.2 用户行为特征及切换的触发原则 |
| 2.3 基于负载均衡的快速切换机制(LFHM) |
| 2.4 基于SDN的多热点网络快速切换方案 |
| 2.4.1 SDN切换过程分析 |
| 2.4.2 切换延迟分析 |
| 2.4.3 应用SDN控制器的切换方案 |
| 2.5 实验环境设计及结果分析 |
| 2.5.1 实验环境 |
| 2.5.2 实验拓扑图 |
| 2.5.3 场景设计和结果分析 |
| 2.6 本章小结 |
| 3 无线多热点网络中在线关联负载平衡算法的研究 |
| 3.1 引言 |
| 3.2 研究背景 |
| 3.3 网络和系统描述 |
| 3.4 支持多热点无线负载均衡在线关联算法 |
| 3.5 负载均衡在线关联算法理论分析 |
| 3.6 实验和讨论 |
| 3.6.1 关联算法Matlab模拟实验 |
| 3.6.2 负载均衡的在线关联算法TestBed实验方法 |
| 3.7 本章小结 |
| 4 基于软件定义网络SDN的多热点网络负载均衡优化 |
| 4.1 引言 |
| 4.2 研究背景 |
| 4.3 负载均衡算法建模与理论分析 |
| 4.3.1 网络系统描述 |
| 4.3.2 算法原理 |
| 4.3.3 负载均衡算法设计与复杂度分析 |
| 4.4 负载均衡算法(SLBA)在SDN网络中应用的流程 |
| 4.5 负载均衡算法的实现 |
| 4.5.1 主要衡量指标 |
| 4.5.2 基于SDN的W1Fi中指标的测量方法 |
| 4.5.3 AP网络质量评估 |
| 4.5.4 最佳AP选择算法 |
| 4.6 Mininet-WiFi仿真及结果分析 |
| 4.6.1 仿真实验环境 |
| 4.6.2 网络拓扑搭建 |
| 4.6.3 传统AP的负载算法性能评估 |
| 4.6.4 基于SDN的AP负载算法性能对比 |
| 4.7 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（4）基于非结构化数据的输电线路鸟害检测（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 输电线路鸟巢检测的研究现状 |
| 1.2.2 大数据挖掘的发展现状 |
| 1.2.3 非结构化数据在分布式平台上的应用现状 |
| 1.3 论文主要内容及安排 |
| 第二章 大数据挖掘的基本原理及关键技术 |
| 2.1 大数据基本原理 |
| 2.1.1 基本概述 |
| 2.1.2 大数据平台基本生态 |
| 2.1.3 大数据处理流程 |
| 2.2 数据挖掘分类算法 |
| 2.3 大数据处理关键技术 |
| 2.3.1 非结构化数据向结构化数据的合理转化 |
| 2.3.2 数据预处理及特征的合理选择 |
| 2.3.3 数据挖掘模型向Hadoop平台的移植 |
| 2.4 本章小结 |
| 第三章 图像处理在鸟巢检测的应用 |
| 3.1 图像预处理 |
| 3.1.1 基本概念 |
| 3.1.2 边缘检测 |
| 3.1.3 数据降维 |
| 3.2 鸟巢特征提取 |
| 3.2.1 HOG特征提取简介 |
| 3.2.2 LBP特征 |
| 3.2.3 Haar特征 |
| 3.3 特征提取算子对比 |
| 3.4 本章小结 |
| 第四章 基于ABGD-SVM的鸟巢检测研究 |
| 4.1 支持向量机模型 |
| 4.2 SVM参数设置 |
| 4.3 自适应梯度下降法 |
| 4.4 实验比较与分析 |
| 4.4.1 算法比较 |
| 4.4.2 仿真结果与分析 |
| 4.5 本章小结 |
| 第五章 基于Hadoop的输电线路鸟巢检测 |
| 5.1 分布式图像处理 |
| 5.2 数据样本制作 |
| 5.3 Hadoop分布式运算处理 |
| 5.3.1 .实验环境 |
| 5.3.2 启动Hadoop集群 |
| 5.3.3 实验结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）面向随机反应扩散系统的多核并行仿真支撑技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 重要符号表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状及面临的主要问题 |
| 1.2.1 多核集群及其特点 |
| 1.2.2 多线程并行离散事件仿真研究现状 |
| 1.2.3 随机反应扩散仿真算法及其并行化研究现状 |
| 1.2.4 细胞内钙离子动力学简介 |
| 1.2.5 面向随机反应扩散系统的多核PDES面临的主要问题 |
| 1.3 研究内容和主要创新点 |
| 1.3.1 论文主要研究工作 |
| 1.3.2 论文主要创新点 |
| 1.4 论文组织结构 |
| 第二章 面向随机反应扩散系统的多线程PDES体系架构 |
| 2.1 引言 |
| 2.2 相关研究与局限性 |
| 2.3 可扩展可配置的多线程PDES架构SConMA |
| 2.3.1 SConMA结构组成 |
| 2.3.2 层次化的事件异步排序机制 |
| 2.3.3 无锁的事件内存分配机制 |
| 2.4 实验结果与分析 |
| 2.4.1 实验环境 |
| 2.4.2 实验模型 |
| 2.4.3 仿真目标系统 |
| 2.4.4 性能分析 |
| 2.5 本章小结 |
| 第三章 面向随机反应扩散系统的异步GVT算法 |
| 3.1 引言 |
| 3.2 相关研究与局限性 |
| 3.3 基于大规模多核集群的混合异步GVT算法HAGVT |
| 3.3.1 问题分析 |
| 3.3.2 算法描述 |
| 3.4 正确性证明、复杂性分析和实验验证 |
| 3.4.1 正确性证明 |
| 3.4.2 复杂性分析 |
| 3.4.3 实验验证 |
| 3.5 本章小结 |
| 第四章 大规模随机反应扩散仿真负载平衡和乐观控制技术 |
| 4.1 引言 |
| 4.2 相关研究与局限性 |
| 4.2.1 负载平衡 |
| 4.2.2 乐观控制 |
| 4.3 自适应负载平衡与乐观窗口控制算法ALBW |
| 4.3.1 问题描述与分析 |
| 4.3.2 初始划分 |
| 4.3.3 初次运行：基于模拟退火的负载平衡与窗口控制算法 |
| 4.3.4 后续多次运行：改进的基于强化学习的负载平衡算法 |
| 4.4 实验结果与分析 |
| 4.4.1 进程内负载迁移和混合负载迁移 |
| 4.4.2 扩展性和敏感性验证 |
| 4.5 本章小结 |
| 第五章 随机反应扩散仿真消息发送时戳与接收时戳相结合的回滚机制 |
| 5.1 引言 |
| 5.2 相关研究与局限性 |
| 5.3 消息发送时戳与接收时戳相结合的回滚机制SRTRB |
| 5.3.1 问题分析 |
| 5.3.2 算法描述 |
| 5.4 实验结果与分析 |
| 5.4.1 正确性验证 |
| 5.4.2 回滚分析 |
| 5.4.3 适应性讨论 |
| 5.5 本章小结 |
| 第六章 面向随机反应扩散系统的多核并行仿真框架及应用 |
| 6.1 引言 |
| 6.2 面向随机反应扩散系统的多核并行仿真框架RD-PDES |
| 6.2.1 系统组成和内部交互关系 |
| 6.2.2 主要模块实现 |
| 6.3 基于RD-PDES的综合测试与应用 |
| 6.3.1 实验平台与配置 |
| 6.3.2 基于RD-PDES的大规模强化CICR模型应用效果 |
| 6.3.3 基于RD-PDES的双稳态生化系统应用效果 |
| 6.4 本章小结 |
| 第七章 结束语 |
| 7.1 论文工作总结 |
| 7.2 进一步工作 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录A 简化CICR模型在一维几何构造上的离子浓度演化 |
| 附录B 小鼠海马体C91662神经元及其实验区域三维图像 |
| 附录C 子空间长度选择 |
| 附录D 对CA1神经元进行划分和命名的代码及结果 |
（6）未来虚拟网络动态映射算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 课题研究背景 |
| 1.2 课题意义 |
| 1.3 课题研究状况 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 论文的主要研究内容及成果 |
| 1.5 论文的组织 |
| 第二章 未来虚拟网络研究 |
| 2.1 引言 |
| 2.2 虚拟网络环境 |
| 2.2.1 基础设施供应商(Infrastructure Provider,InP) |
| 2.2.2 虚拟网络供应商(Virtual Network Provider,VNP) |
| 2.2.3 虚拟网络运营商(Virtual Network Operator,VNO) |
| 2.3 资源虚拟化 |
| 2.3.1 节点虚拟化 |
| 2.3.2 链路虚拟化 |
| 2.3.3 核心网虚拟化 |
| 2.4 虚拟网络配置和管理 |
| 2.4.1 资源/网络描述 |
| 2.4.2 初始网络配置 |
| 2.5 虚拟网络的创建过程 |
| 2.6 本章小结 |
| 第三章 分布式虚拟网络静态映射算法 |
| 3.1 引言 |
| 3.2 虚拟网络映射模型 |
| 3.2.1 实体网络模型 |
| 3.2.2 虚拟网络模型 |
| 3.2.3 虚拟网络请求模型 |
| 3.2.4 虚拟网络到实体网络映射 |
| 3.3 分布式静态映射算法 |
| 3.3.1 划分虚拟网络 |
| 3.3.2 虚拟网络映射协议 |
| 3.3.3 分布式静态映射算法 |
| 3.4 仿真与结果分析 |
| 3.5 本章小结 |
| 第四章 分布式动态映射算法 |
| 4.1 引言 |
| 4.2 分布式自主映射框架 |
| 4.2.1 自主管理实体节点 |
| 4.2.2 基于多代理的分布式映射框架 |
| 4.2.3 动态虚拟网络映射协议 |
| 4.3 基于多代理的分布式映射算法 |
| 4.4 增加动态处理能力 |
| 4.4.1 节点失败 |
| 4.4.2 实体节点失败 |
| 4.4.3 链路失败 |
| 4.5 仿真结果与分析 |
| 4.6 本章小结 |
| 第五章 结束语 |
| 5.1 论文总结 |
| 5.2 下一步研究工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文 |
（7）基于IP网络QoS多播路由技术的研究（论文提纲范文）
| 第1章 绪论 |
| 1.1 问题的提出 |
| 1.2 研究现状 |
| 1.3 QoS的路由策略 |
| 1.4 QoS多播 |
| 1.4.1 QoS多播特点 |
| 1.4.2 QoS多播路由 |
| 1.5 主要研究内容 |
| 1.6 论文结构 |
| 第2章 IP QoS的基本策略及实现 |
| 2.1 IP QoS的定义 |
| 2.2 IP QoS的机制 |
| 2.3 IP QoS的综合实现 |
| 2.3.1 DiffServ和MPLS结合实现QoS |
| 2.3.2 DiffServ和IntServ结合实现端到端的QoS |
| 2.3.3 DiffServ和RSVP结合提供端到端的QoS |
| 2.4 IP QoS层次型结构 |
| 2.5 IP QoS在LINUX中的实现 |
| 2.6 小结 |
| 第3章 QoS的多播路由机制 |
| 3.1 QoS网络分类 |
| 3.2 QoS参数度量 |
| 3.3 QoS路由分类 |
| 3.4 QoS多播路由 |
| 3.4.1 数学模型 |
| 3.4.2 网络模型 |
| 3.5 QoS多播路由的约束分类 |
| 3.6 衡量QoS多播路由算法的质量好坏的判据 |
| 3.7 多播路由算法的设计目标和评价 |
| 3.7.1 多播路由算法的设计目标 |
| 3.7.2 源路由算法的性能评价 |
| 3.7.3 分布式路由算法的性能评价 |
| 3.8 QoS多播路由的难度 |
| 3.9 QoS多播路由仿真平台 |
| 3.9.1 仿真网络模型 |
| 3.9.2 网络仿真模拟器 |
| 3.10 小结 |
| 第4章 QoS约束的动态多播路由算法 |
| 4.1 引言 |
| 4.2 常用的多播路由算法 |
| 4.3 动态多播路由算法 |
| 4.3.1 不重组动态多播路由算法 |
| 4.3.2 可重组动态多播路由算法 |
| 4.3.3 动态多播路由算法的特点 |
| 4.4 QoS约束的动态多播路由算法 |
| 4.4.1 动态多播路由算法的相关工作 |
| 4.4.2 DMRAQoS的路由描述 |
| 4.4.3 DMRAQoS实现 |
| 4.4.4 DMRAQoS正确性证明 |
| 4.4.5 DMRAQoS复杂性分析 |
| 4.4.6 DMRAQoS的动态性 |
| 4.4.7 仿真结果分析 |
| 4.5 小结 |
| 第5章 QoS约束的多播路由优化算法 |
| 5.1 智能优化算法 |
| 5.1.1 遗传算法 |
| 5.1.2 模拟退火的QoS路由算法 |
| 5.1.3 神经网络的QoS多播路由算法 |
| 5.1.4 几种优化算法的比较分析 |
| 5.2 基于蚁群算法的QoS多播路由优化算法 |
| 5.2.1 蚁群算法的基本原理 |
| 5.2.2 MROAQoS路由问题描述 |
| 5.2.3 MROAQoS的实现 |
| 5.2.4 MROAQoS的改善 |
| 5.2.5 MROAQoS性能分析 |
| 5.2.6 仿真结果 |
| 5.3 基于ANT-LIKE移动代理的QoS多播路由算法 |
| 5.3.1 移动代理QoS路由算法的研究现状 |
| 5.3.2 蚂蚁路由的基本思想 |
| 5.3.3 CE算法及改进 |
| 5.3.4 MAMRQoS的路由定义 |
| 5.3.5 MAMRQoS的实现描述 |
| 5.3.6 MAMRQoS模拟环境的建立 |
| 5.3.7 MAMRQoS在NS2中的实现 |
| 5.3.8 MAMRQoS性能分析 |
| 5.3.9 仿真结果 |
| 5.4 小结 |
| 第6章 多QoS约束的多播路由协议 |
| 6.1 引言 |
| 6.2 常用的多播路由协议 |
| 6.2.1 基于源的多播树方法 |
| 6.2.2 基于核的多播树方法 |
| 6.3 QoS-AWARE多播路由协议 |
| 6.3.1 YAM协议 |
| 6.3.2 QoSMIC |
| 6.3.3 QMRP |
| 6.3.4 YAM协议、QoSMIC和QMRP比较 |
| 6.4 多QoS约束的多播路由协议 |
| 6.4.1 多播路由协议的相关研究 |
| 6.4.2 网络路由的优化模型 |
| 6.4.3 MRPMQoS的描述 |
| 6.4.4 MRPMQoS的实现 |
| 6.4.5 MRPMQoS的性能分析 |
| 6.4.6 MRPMQoS在NS2中的实现 |
| 6.4.7 MRPMQoS仿真结果 |
| 6.5 小结 |
| 第7章 QoS的层次多播路由 |
| 7.1 引言 |
| 7.2 网络层次模型 |
| 7.3 层次路由策略 |
| 7.4 层次路由算法 |
| 7.5 QoS层次多播路由协议 |
| 7.5.1 层次多播路由协议相关研究 |
| 7.5.2 HMRPQoS网络路由问题 |
| 7.5.3 HMRPQoS描述 |
| 7.5.4 HMRPQoS实现过程 |
| 7.5.5 HMRPQoS的性能分析 |
| 7.5.6 模拟结果 |
| 7.6 小结 |
| 第8章 研究总结和展望 |
| 8.1 研究总结 |
| 8.2 未来的工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间以第一作者发表的学术论文 |
| 攻读博士期间参加科研项目和申请专利情况 |
（8）关联规则分布式算法的性能评价（论文提纲范文）
| 1 关联规则的挖掘 |
| 1.1 关联规则 |
| 1.2 Apriori算法 |
| 2 并行算法 |
| 2.1 基于Clusters的并行分布式系统的算法 |
| 2.1.1 CC算法 |
| 2.1.2 Shift算法 |
| 2.2 代价分析 |
| 2.2.1 通信代价分析 |
| 2.2.2 搜索代价分析 |
| 3 实验 |
| 3.1 实验环境 |
| 3.2 编程环境 |
| 3.3 并行算法的执行 |
| 4 性能评价 |
| 4.1 执行时间和最小支持度之间的关系 |
| 4.2 执行时间和交易数间的关系 |
| 4.3 执行时间和节点数间的关系 |
| 4.4 在并行计算机上运行的结果 |
| 5 讨论 |
| 5.1 在工作站集群中的执行 |
| 5.2 在并行计算机上执行 |
| 6 结束语 |
（9）分布式多路径QoS组播路由算法与协议研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 网络组播问题描述 |
| 1.2.1 网络模型 |
| 1.2.2 群组模型 |
| 1.2.3 QoS组播路由问题定义 |
| 1.3 国内外研究述评 |
| 1.3.1 组播路由算法 |
| 1.3.2 组播路由协议 |
| 1.3.3 目前组播路由算法与协议研究中存在的主要问题 |
| 1.4 本文的主要研究内容 |
| 1.5 全文结构 |
| 第二章 QoS组播路由算法与协议的设计目标及评价 |
| 2.1 QoS组播路由算法与协议的设计目标 |
| 2.1.1 降低路由信息收集与更新的代价 |
| 2.1.2 降低组播树的计算代价 |
| 2.1.3 提高协议的健壮性 |
| 2.1.4 提高算法和协议的规模伸缩性 |
| 2.1.5 支持异构的QoS请求 |
| 2.1.6 提高算法和协议的动态性 |
| 2.2 QoS组播路由问题的复杂性分析 |
| 2.3 QoS组播路由算法与协议的评价 |
| 2.3.1 评价指标研究 |
| 2.3.2 模拟仿真方法研究 |
| 2.4 小结 |
| 第三章 基于受限泛播技术的QoS组播路由协议 |
| 3.1 引言 |
| 3.2 基于受限泛播的组播路由协议 |
| 3.2.1 网络环境需求 |
| 3.2.2 用于多路径搜索的两层QoS转发表 |
| 3.2.3 数据结构 |
| 3.2.4 链路和路径的可用性 |
| 3.2.5 搜索树和组播树 |
| 3.2.6 组播树构造算法 |
| 3.3 QMoBF协议举例 |
| 3.4 QMoBF协议的性质 |
| 3.5 模拟实验及其分析 |
| 3.5.1 测试方法 |
| 3.5.2 呼叫成功率 |
| 3.5.3 平均报文开销 |
| 3.6 小结 |
| 第四章 QoS组播路由的综合优化 |
| 4.1 引言 |
| 4.2 QMoBF算法的改进 |
| 4.2.1 扩大可用路径的搜索空间 |
| 4.2.2 在算法中集成综合优化启发式 |
| 4.3 模拟试验与分析 |
| 4.3.1 平均控制报文开销 |
| 4.3.2 对网络代价的优化 |
| 4.3.3 平均呼叫成功率 |
| 4.4 小结 |
| 第五章 结合集中式与分布式算法特点的QoS组播路由协议 |
| 5.1 引言 |
| 5.2 ICDMR协议描述 |
| 5.2.1 协议运行的网络环境 |
| 5.2.2 ICDMR协议的数据结构 |
| 5.2.3 组播树构造算法 |
| 5.3 ICDMR协议的基本性质 |
| 5.4 模拟试验与分析 |
| 5.4.1 平均控制报文开销 |
| 5.4.2 平均呼叫成功率 |
| 5.5 小结 |
| 第六章 QoS组播路由算法与接纳控制的集成 |
| 6.1 引言 |
| 6.2 相关工作 |
| 6.3 通信量与延时分析模型 |
| 6.4 接纳控制准则 |
| 6.4.1 受控服务请求的情形 |
| 6.4.2 有保证服务请求的情形 |
| 6.5 接纳控制与MQoBF组播路由算法的结合 |
| 6.5.1 两层转发表的扩充 |
| 6.5.2 QMoBF算法中的接纳控制条件 |
| 6.6 小结 |
| 第七章 源根组播传输结构分析与应用 |
| 7.1 引言 |
| 7.2 传输结构的性能评价 |
| 7.3 几种传输结构的比较分析 |
| 7.3.1 基于全连接的结构 |
| 7.3.2 基于多点控制单元连接的结构 |
| 7.3.3 基于端系统群组通信的结构 |
| 7.4 基于源根组播的会议模型 |
| 7.4.1 多点视频会议系统设计原则与模型 |
| 7.4.2 源根组播树传输结构性能分析 |
| 7.5 基于源根组播的多点会议系统设计 |
| 7.5.1 设计思想 |
| 7.5.2 系统的软件结构 |
| 7.6 系统实现 |
| 7.6.1 系统基本描述 |
| 7.6.2 开发平台 |
| 7.6.3 应用系统的实现 |
| 7.7 小结 |
| 第八章 工作总结与未来的研究 |
| 8.1 本文的主要工作和创新点 |
| 8.1.1 主要工作 |
| 8.1.2 主要创新点 |
| 8.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间参与科研项目与发表论文情况 |
（10）基于快速网络的新型存储层次设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 序论 |
| §1.1 研究背景 |
| 1.1.1 集群技术概述 |
| 1.1.2 新型应用 |
| §1.2 本文的研究内容和主要贡献 |
| 1.2.1 当前存储层次中存在的问题 |
| 1.2.2 研究内容 |
| 1.2.3 本文的主要工作和创新点 |
| §1.3 论文结构 |
| 第二章 相关工作 |
| §2.1 网络主存可用性研究 |
| §2.2 使用网络主存的必要性 |
| §2.3 预取技术 |
| §2.4 网络主存的研究和实现方案 |
| 2.4.1 网络主存换页实现相关研究 |
| 2.4.2 容错技术研究 |
| 2.4.3 分析 |
| 第三章 PNMS存储层次架构 |
| §3.1 PNMS系统的技术可行性 |
| 3.1.1 磁盘I／O与网络传输比较 |
| 3.1.2 网络和磁盘中的数据预取技术比较 |
| §3.2 PNMS的概念框架 |
| 3.2.1 predictor |
| 3.2.2 memory client |
| 3.2.3 information server(IS) |
| 3.2.4 memory server |
| §3.3 PNMS框架的优点 |
| 第四章 一种可靠高效的内核间通信协议 |
| §4.1 内核通信协议的设计与实现 |
| 4.1.1 设计目标 |
| 4.1.2 KLCP协议 |
| §4.2 协议接口 |
| 第五章 基于页面失效的多级MARKOV预取技术研究 |
| §5.1 页面访问序列中的MARKOV模型 |
| §5.2 基于MARKOV的贪婪预取算法 |
| §5.3 贪婪预取算法的实现 |
| §5.4 实验和模拟结果 |
| §5.5 基于最近历史的变种MARKOV方法 |
| 第六章 页面访问无损序列压缩 |
| §6.1 纯MARKOV模型的局限性 |
| §6.2 块访问模式的类型 |
| §6.3 结合超级节点的PPM模型——AMSN |
| §6.4 连续和循环访问监测的实现 |
| §6.5 模拟设置及结果 |
| 第七章 空闲节点选择与高可用 |
| §7.1 改进的K子集随机算法 |
| 7.1.1 最小k子集随机算法 |
| 7.1.2 集中式最小K子集算法 |
| §7.2 集中式最小K子集算法信息CACHE及CACHE管理算法 |
| 7.2.1 信息Cache的组织 |
| 7.2.2 Cache管理算法 |
| 7.2.3 server主存数量公布算法 |
| §7.3 基于外部二级存储的可靠性技术 |
| 7.3.1 同其它冗余机制的比较 |
| 7.3.2 两种机制的可靠性比较 |
| 第八章 PNMS的设计 |
| §8.1 MEMORY SERVER的设计目标 |
| §8.2 逻辑MEMORY SERVER |
| §8.3 LMS的设计 |
| 8.3.1 管理VS |
| 8.3.2 物理主存的管理 |
| 8.3.3 主存回收 |
| §8.4 预测节点的设计 |
| 8.4.1 跟踪client节点的网络主存内容 |
| 8.4.2 自适应算法选择 |
| 8.4.3 预测节点的数据维护 |
| §8.5 CLIENT的设计 |
| 第九章 原型测试 |
| §9.1 KLCP性能测试 |
| 9.1.1 ping-pong测试 |
| 9.1.2 ping-pong测试对于负载的影响 |
| §9.2 原型测试 |
| 9.2.1 微测试 |
| 9.2.2 物理存储空间对于程序执行的影响 |
| 9.2.3 磁盘交换与PNMS交换的裸设备比较 |
| 9.2.4 应用程序加速 |
| 9.2.5 不同级数PPM算法的性能 |
| 9.2.6 空闲节点数目对于程序加速度的影响 |
| 9.2.7 响应负载的变化 |
| 9.2.8 空闲节点的CPU负载 |
| 9.2.9 并行程序测试 |
| 第十章 结束语 |
| §10.1 己经完成的工作 |
| §10.2 进一步的工作 |
| 攻读博士学位期间发表和已录用的论文 |
| 致谢 |
| 参考文献 |
四、基于工作站集群关联规则分布式算法的性能评价（论文参考文献）
- [1]基于性能的建筑体量设计生成及优化系统[D]. 王力凯. 南京大学, 2020
- [2]社交与信息网络中的数据挖掘研究[D]. 闫文. 东南大学, 2020
- [3]无线多热点网络负载均衡优化研究[D]. 孙亮. 大连理工大学, 2020(07)
- [4]基于非结构化数据的输电线路鸟害检测[D]. 焦秀华. 太原科技大学, 2020(03)
- [5]面向随机反应扩散系统的多核并行仿真支撑技术[D]. 林忠伟. 国防科学技术大学, 2016(01)
- [6]未来虚拟网络动态映射算法研究[D]. 史新贵. 北京邮电大学, 2013(11)
- [7]基于IP网络QoS多播路由技术的研究[D]. 许毅. 武汉理工大学, 2005(08)
- [8]关联规则分布式算法的性能评价[J]. 陈莉,罗学院. 铁路计算机应用, 2005(02)
- [9]分布式多路径QoS组播路由算法与协议研究[D]. 黄东军. 中南大学, 2004(04)
- [10]基于快速网络的新型存储层次设计与实现[D]. 王永庆. 国防科学技术大学, 2003(02)