分布交互仿真中组播过滤机制的一种自适应区域更新策略

分布交互仿真具有有效性,经济性,可靠性,安全性等优点,在军事,工程,商业等领域有着广泛的应用前景,随着仿真应用在广度及深度上的发展,基于因特网的分布交互仿真成为未来的发展趋势。其面临的主要挑战是系统可扩缩性问题。采用数据过滤机制是解决系统可扩缩性的重要途径,在实验中过滤效率和过滤开销的平衡关系到过滤机制的整体性能。     

新一代仿真技术框架HLA中基于组播通信的数据过滤机制

高级体系结构ＨＬＡ是美国国防部提出的新一代仿真技术框架,其目的是解决各类型仿真应用之间的互操作和可重用,它代表着仿真技术发展的趋势。未来的分布交互仿真建立在因特网环境下,受系统资源的限制,系统可扩缩性是分布交互仿真面临的一个主要问题。文中介绍了分布交互仿真发展简史,以及ＨＬＡ 提出的背景及其特点,文章着重讨论了组播通信机制在分布交互仿真中的应用,及ＨＬＡ 框架下采用基于组播通信的过滤机制实现系统可扩缩性的解决途径     

分布交互仿真中基于Server的层次过滤机制

大规模分布交互仿真对网络带宽、处理资源等提出了很高的要求,采用数据过滤机制可大大降低对网络带宽和计算资源的压力,有利于系统可扩性.然而对于高效过滤机制,仿真结点机要接收和处理足够的过滤信息.当系统规模增大时,大量过滤信息交换和处理占用了过多的计算资源,影响了正常的仿真任务.该文提出了一种基于Server的层次化过滤机制,解决了仿真节点计算能力受限的问题.同时,新的机制利用仿真的内在局部性,开发了两级过滤信息,从而减少了Server内部过滤信息计算量.     

HLA中基于Agent的层次过滤机制

数据分发管理是HLA接口规范中定义的六大服务之一。为解决仿真应用中网络带宽、处理资源受限和提高系统可扩缩性提供了可能。文章介绍了HLA中数据分发管理DDM的基本内容；研究分析了最新发展的基于移动Agent的实现方法，提出了基于Agent的层次过滤机制对其进行了改进，解决了仿真结点计算能力受限的问题。     

HLA中数据分发管理的探究

HLA已成为了现代分布式仿真应用的通用技术框架的核心,而作为其六大服务之一的数据分发管理则提供了有效的信息交互和传送机制以满足系统可扩缩性的要求。文章介绍了HLA中数据分发管理DDM的过滤原理;研究并分析了目前几种实现DDM过滤机制的方法。     

数据分发管理机制中层次化组播地址分配策略

高层体系结构HLA(high level architecture)支持仿真应用间的互操作和可重用,受资源的限制,基于因特网的分布仿真面临着系统可扩缩性的挑战.HLA提供数据分发管理机制,为提高系统可扩缩性提供了可能.分析了HLA中数据分发管理机制的实现途径,针对存在的问题提出了层次化的组播地址分配策略,解决了组播地址数量有限与仿真结点机冗余数据接收之间的矛盾,同时也为仿真数据的可靠发送及数据打包提供了有力的支持.     

基于HLA的仿真混合实时通讯网络的架构与研究

随着仿真系统应用的发展,计算能力需求的不断扩展,建立在DIS标准之上的分布式交互仿真在体系结构和技术上互操作性和可重用性方面的明显不足.传统基于通用的建模与仿真技术框架,即高层体系结构(High Level Architecture,HLA),能将更广范围的仿真系统集成到一个综合环境中,提供更大规模的仿真,而成为新一代分布式交互仿真体系结构,通过基于HLA为分布式交互仿真通过使用一个通用的技术框架和开放的标准,提供各种实现底层通信和基本功能的服务,包括发布/订阅机制、数据分发管理服务、时间管理服务、所有权管理服务等.不但满足仿真心痛的实时性需求,同时也确保了数据的安全性.其中,HLA的发布/订阅机制与数据分发管理服务可尽可能地减少成员收到不需要的数据和网络数据流量,均衡各成员的负载状况,有效地使用系统的通信带宽和处理机的计算能力来满足复杂分布式系统的可扩缩性.     

基于权重函数的混合DDM算法

高层体系结构已成为分布式仿真通用技术框架的核心,其中数据分发管理服务则为其提供了有效的数据过滤机制.目前常用的几种DDM算法,如基于区域的算法、基于网格的算法和简单混合的算法(基于网格的DDM和基于区域的DDM混合使用)等都存在着一些不足.基于权重函数的混合DDM算法是在简单混合的DDM算法基础上加入了对路经空间中所划分网格的权重函数设立机制和对冗余信息、虚假信息的控制机制.实验结果表明,该算法在减少算法执行时间,尤其是降低网络中的数据传输量和减少组播地址消耗方面,体现出良好的性能,进一步满足了系统的可扩缩性要求.     

银河高性能分布仿真系统的设计和实现

面向新一代的分布交互仿真应用,设计并实现了一个基于ＨＬＡ／ＲＴＩ的系统－银河高性能分布仿真系统,该系统的高性能,先进性和创造性表现在,基于ＨＬＡ／ＲＴＩ的分布交互仿真软,硬件平台,基于数据过滤／组播的数据分发管理策略,物理和逻辑相结合的多种时间管理方法,基于ＭＰＰ机传输技术的多机系统强实时互连机制,多agent虚拟环境的多媒体表现技术,它可适用于强实时高性能单／多系统仿真,弱实时多系统综合仿真。     

基于HLA的数据采集与重放模型

针对基于HLA/RTI结构的仿真框架中数据采集与重放的问题,研究该框架中交互机制、对象建模、数据存储模型、数据重放模型和过滤机制等关键技术,提出一种基于HLA的数据采集与重放系统。应用于某型分布式交互对抗仿真系统中的结果表明,该模型具有可行性。     

协同过滤推荐算法对比分析与优化应用

协同过滤推荐算法分为基于内存和基于模型的推荐算法,协同过滤推荐算法存在数据稀疏性、可扩展性、冷启动等问题。通过基于用户、基于项目协同过滤推荐算法以及SVD、Slope-One、KNN等基于模型协同过滤推荐算法对比分析。提出加入特征向量维度优化的SVD算法,通过降维改善数据稀疏性问题。利用Hadoop分布式平台改善推荐算法可扩展性问题。基于MovieLens数据集实验结果表明,引入基于Boolean相似性计算方法的推荐效果更优,引入数量权重和标准差权重的优化 Slope-One 算法和引入特征向量维度的优化 SVD 算法推荐效果更优。     

基于树自动机的XML过滤技术

为了提高XML数据流的查询匹配效率,基于XML过滤技术研究提出了一种基于树自动机的XML过滤技术XTAFilter.该技术利用hash表来存储谓词,并对多个查询表达式XPath通过共享路径构建树自动机,减少了匹配的时间,提高了查询匹配的效率,同时降低系统运行时的活动状态.搭建仿真平台对技术进行验证,仿真实验结果表明,XTAFilter 技术能有效地提高XML数据流的匹配效率,提高了系统的实用性.     

基于索引排序的快速动态区域匹配算法

数据分发管理实现基于值的过滤,可进一步减少大规模仿真中盟员接收冗余数据的可能性和网络中的数据流量.数据分发管理实现的关键是区域匹配算法的实现,高效、精确的区域匹配一直是数据分发管理追求的目标.现有的区域匹配算法如直接匹配法、网格法、基于分类的算法等都不很理想,或者过滤效果不佳,或者耗时较大,难以适应大规模分布式仿真的需要.论文针对在区域比较多的大规模分布式仿真系统中,区域大都需要随着仿真的推进而频繁地被动态修改的实际特点,提出了一个基于索引排序的快速动态区域匹配算法--IOBM算法,该算法将范围的上下界分别各用一个节点表示,使用指针数组来索引每一维上的范围节点,数组元素的下标值表示对应的节点值,利用区域范围更新前后的信息,将匹配限定在移动区间之内,通过对移动区间之内的链表进行直接操作来完成匹配工作,因而大大减少了匹配计算的时间,实现了高效、精确的动态匹配.该算法尤其适合区域比较多的大规模分布式仿真的需要.     

SAR与可见光图象匹配方法的研究

由于SAR和可见光成象传感器图象的物理特征不同,因此进行匹配难度很大。本文在深入分析了这两种传感器图象物理特征的基础上,提出了一种图象匹配的新方法。该方法运用形态学滤波方法去除SAR图象斑点噪声,利用图象的边缘特征进行匹配,并采用多分辨率分级搜索技术减少计算量,在对实验结果进行分析的基础上提出了搜索真实匹配位置的原则,大大提高了匹配的准确率。通过实验对SAR图象斑点噪声滤波和SAR与可见光图象匹配算法进行了验证,实验证明本算法的SAR图象去噪效果明显优于传统的Frost方法,图象匹配精度高,稳定性好。     

基于XML的发布／订阅型系统中过滤算法的改进

基于XML的发布／订阅型系统已成为主动服务系统研究的重点,其中,设计一种高效的消息过滤算法是一个关键的问题。在基于共享前缀的NFA算法YFilter基础上,通过对XML文档引入索引结构,提出了一种改进算法DTFilter。与YFilter的对比实验表明,改进算法DTFilter可有效减少执行过程中的冗余匹配,提高过滤性能。     

协同过滤推荐系统中聚类搜索方法研究

最近邻计算是协同过滤方法中直接影响到推荐系统的运行效率和推荐准确率的重要一环。当用户和项目数目达到一定规模的时候,推荐系统的可扩展性明显降低。聚类的方法能在一定程度上弥补这个缺陷,但同时又会带来推荐准确性的下降。提出了一种与信息检索领域中的倒排索引相结合并采用“成员策略”的用户聚类搜索算法,缩短了最近邻计算的时间,实验的结果证明,该方法能在保证推荐正确性的前提下有效改善协同过滤推荐系统的可扩展性。