MIMD并行机上解决矩阵链乘序问题的算法研究

介绍了并行机向MIMD的发展趋势,描述了MIMD并行机上解决矩阵链乘序问题的算法,并对其复杂度进行了分析.针对处理器之间任务分配的问题,提出了一种合理分配任务的算法,并对这种算法的复杂度进行了分析.     

基于WiMAX的实时业务带宽优化调度策略

WiMAX是一项无线城域网(WMAN)技术,支持实时与非实时等多种业务,SS可以向BS动态申请所需求的带宽,由IEEE 802.16协议定义.但协议中没有具体定义实时服务QoS所需要的带宽调度策略.因此,如何高效地分配使用带宽,成为一个亟需解决的问题.本文提出一种自适应的实时轮询业务带宽分配策略,SS依据当前带宽需求和以往的实际分配带宽,提前预测实时业务数据包所需求的确切带宽.文中给出了数学分析模型和仿真.仿真结果表明,与传统的带宽分配机制和其他自适应算法相比,该自适应的带宽分配算法能更好地改善系统性能,提高吞吐量,减少时延和减少缓冲区需求.     

一种基于综合历史信息的SMT结构分支预测算法

在SMT结构中,可以同时从多个线程中取指.当可取指线程个数较少时,分支预测的重要性与在超标量处理器中的相比有增无减,因为SMT结构中转移误预测的代价更大了.影响分支预测准确率的关键因素是历史信息的组织方式和更新方式.本文仿真分析了这些因素对分支预测准确率的影响,提出了一种基于综合历史信息的分支预测算法--IHBP,把全局信息和局部信息结合在一起预测转移,解决了SMT结构中分支预测信息过时、混乱等问题,使得预测的准确率更具备鲁棒性.仿真结果表明:在8线程结构中,该算法与目前国际普遍采用的Gshare算法和Pag算法相比,分支预测准确率分别提高了8.5%和2.3%.     

一种无线传感器网络定位问题中的分簇算法

本文提出一种用于平面无线传感器网络定位的分簇算法.首先,锚节点根据地理位置划分感知区域;然后,通过拓扑发现过程和锚节点问的信息交换,实现锚节点对周围网络拓扑的感知;最后,根据就近原则将所有未知节点分配到以锚节点为边缘的各个子区域中,而分配到各个子区域中的未知节.点和边缘的锚节点,则构成网络中的各个簇,并由每个簇的主节点保存本簇内全部拓扑信息.该算法可以实现多跳节点的分簇,并且具有较小的通信量,可用于多种基于分簇的分布式定位算法中,有助于解决大规模无线传感器网络的定位问题.仿真实验结果显示,在锚节点按网格分布和随机分布两种情况下,该算法都可以得到良好的分簇结果.     

基于超完美图着色的存储分配算法

为了提高性能,一些应用需要在编译时对主存进行针对性的管理.提出了基于超完美图的主存分配方法,其基本思想是通过生命周期分割将一般的相干图转换为超完美图,从而可以使用已有的线性时间的区间着色算法完成主存的分配.分别基于自底向上的积极生命周期分割策略和自顶向下的被动生命周期分割策略,实现了两个分配算法.初步评测表明,我们的分配算法是有效的编译时管理主存手段.     

基于相容关系的不完备模糊目标信息系统的分配约简

属性约简是粗糙集理论中的重要研究内容,本文在不完备模糊目标信息系统中,提出了分配约简的概念,给出了分配约简的判定定理、相应的辨识矩阵,最后给出了计算分配约简的算法,并通过实例说明了算法的有效性.这种约简是完备的目标信息系统的分配约简的推广,同时也是不完备单模糊目标信息系统的(α ,β)精度约简的推广.     

一种支持QoS的多级交换网络调度算法

现有MSM多级交换结构在非均匀业务源下性能不高.在深入分析多级交换网络内部拥塞控制理论的基础上,提出了一种中间级带缓存的多级交换结构-CB-3Clos结构及信用分发模式下基于背压的流控策略.通过理论分析了中间级负载分配算法应该满足的条件,给出了一种能够有效支持QoS的简单的类iSLIP调度算法-RGA算法.仿真结果表明:与现有的CRRD算法相比,RGA算法具有与业务源模型无关的高吞吐量特性,并在不均衡业务源模型下具有较好的时延性能.     

一种基于令牌的新的互斥算法分析与设计

在对现有典型分布式系统中互斥算法研究的基础上, 本文依据令牌技术, 提出了一种分布式系统中解决互斥问题的新算法.文中对算法的设计思想及实现过程进行了详细描述, 同时对其性能进行了严格的理论证明和分析, 该算法能有效地提高系统的通信效率.     

一种新的经济网格计算任务调度控制模型

针对动态计算网格资源调度问题,基于多智能体协同技术和市场博弈机制,对计算网格资源分配技术进行了深入研究,提出了基于计算经济的网格资源调度模型,设计了消费者的效用函数,讨论了资源分配博弈中Nash 均衡解,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者行为,从而使得整个资源的分配趋于合理,促进交易量.     

一个高效的KNN分类算法

KNN算法是数据挖掘技术中比较常用的分类算法,由于其实现的简单性,在很多领域得到了广泛的应用.但是,当样本容量较大以及特征属性较多时,KNN算法分类的效率就将大大降低.本文将粗糙集理论应用到KNN算法中,实现属性约简,提出了一种新的KNN分类方法,解决了KNN算法分类效率低的缺点,从而可使KNN算法能够得到更广泛的应用.