具有失效节点和链路的E-2DＭesh网络可靠性研究*

对E-2DMesh网络中节点和链路失效模式进行了研究,构造了一种多级事件状态分解法,对网络状态空间进行分解。基于该方法和组合模型原理研究了在给定节点和链路失效概率均为0.10%以下时,对多达上千个节点的E-2DMesh网络仍可达超过0911 9的可靠度。该方法能够应用于研究其他层次结构的网络与其他网络通信问题,也很适合近似计算。     

E-2DMesh网络中链路失效模型的可靠性分析

提出了基于子网的E-2DMesh网络结构在存在链路故障情况下的状态转移模型。通过马尔科夫链过程建立了具有单向链路的E-2DMesh网络的可靠性模型,并分别对链路失效独立和链路失效相关条件下的网络可靠性进行了分析。运用概率分析的方法,通过组合模型计算出了较大规模的E-2DMesh网络的可靠性。通过对模型的仿真表明,链路失效相关时的网络可靠性要比链路失效独立时的网络可靠性低。     

基于分块策略的E-3DMesh网络容错性概率分析

对E-3DMesh网络中具有大量失效节点模式进行了研究,提出了基于分块策略的概率分析方法。基于该方法研究了在给定网络连通概率的情况下,E-3DMesh网络对网络节点出错概率p的要求。证明了要使多达上百万个节点的E-3DMesh网络连通概率保持在99%以上,网络节点出错概率必须控制在3.86%以下。新方法能够用于研究其他层次结构的网络和其他网络通信问题。     

节点随机出错概率下的E-2DMesh网络容错性研究

采用子网和概率模型对E-2DMesh网络在节点随机出错概率下的容错性进行分析,推出不同时间下的不同规模的E-2DMesh网络的连通概率下界,并且运用严密的数学方法推导出网络连通率与其节点出错概率的关系。实验结果表明以E-2DMesh为拓扑结构的并行计算机网络具有相当高的可靠性,通过对比进一步说明了E-2DMesh网络比Mesh网络具有更好的容错性。     

基于子网的E-2DMesh网络容错单播路由算法

基于k-E-2DMesh子网连通概念和局部信息,提出分布式E-2DMesh网络容错单播路由算法。对算法容错性进行概率分析,假设每个节点具有独立的出错概率,推导出路由算法成功返回由正确节点组成路径的概率。推理结果表明,对于规模较大的E-2DMesh网络,当k值为3而节点出错概率小于0．03％时,该算法找到正确节点所组成路径的概率大于等于99％。其具有线性时间复杂性,构造的路由路径长度接近2点间最优路径长度。     

具有双工可维修链路的2D-Torus网络可靠性模型

采用Markov模型方法研究了具有双工可维修链路的2D-Torus网络的可靠性。在分析链路失效/环路失效以及链路修复/环路修复关系的基础上，以3×3 Torus为例建立了具有双工可维修链路的2D-Torus网络可靠性模型。通过对模型的仿真验证并与单工网络的可靠性进行对比，给出了关于2D-Torus网络可靠性的一些结论。     

基于模体演化的时序链路预测方法

时序链路预测是动态网络分析的重要组成部分,具有极大的理论和应用价值. 传统的时序链路预测方法往往直接对边的演化规律进行分析,忽略了网络中其他微观结构的演化对链路形成的影响. 基于此分析,本文引入非负张量分解和时间序列分析对网络模体的演化规律进行研究,进而提出一种基于模体演化的链路预测方法. 在三个真实数据集上的实验结果表明,该方法能有效提高链路预测精度.     

基于复杂网络动力学模型的链路预测方法

链路预测是复杂网络中研究缺失连边和未来形成连边的重要组成部分,当前基于网络结构的链路预测方法成果丰富,而基于复杂网络动力学模型的链路预测研究较少。针对无权无向网络,首先构建了复杂网络动力学模型,然后给出了基于复杂网络动力学模型的链路预测节点中心性的量化评价指标,最后通过给出的节点中心性量化指标,提出了由复杂网络动力学模型定义的链路预测方法。通过在真实网络数据集上进行的实验表明,提出的链路预测方法较基准方法有明显的预测精度的提升。     

基于多源NT的链路利用率推断

链路利用率是网络运行状态的重要指标.目前基于NT技术的链路性能推断一般是采用单个源节点,但多源NT具有更多优点.研究了多源NT的链路利用率估计技术;提出汇合测量方法,并证明利用此测量方法,多源NT链路利用率是可辨识的,同时给出测量子图选取的充要条件;提出采用EM算法的链路利用率的极大似然估计方法;最后通过模型仿真和网络仿真对推断方法的有效性进行了验证.     

基于混合深度学习的复杂网络链路预测研究

针对复杂网络链路预测受到网络性质的影响,从而降低复杂网络链路预测效果,提出基于混合深度学习的复杂网络链路预测方法.利用复杂网络在运行过程中的链路变化情况,综合考虑复杂网络历史信息对链路的影响系数,得到了RA指数、AA指数和CN指数等相似指数,基于混合深度学习的反向传播流程,分析复杂网络链路隐藏层的状态,利用复杂网络隐藏层的输出,预测出复杂网络链路输出值,将相似性指标作为复杂网络链路预测的训练样本,构建复杂网络链路预测模型,利用模式分类方法实现多个网络节点之间的链路预测.实验结果表明,基于混合深度学习的复杂网络链路预测方法将时间窗口设为360秒和180秒、样本维度为500和600时,预测效果是最好的,且预测精度较传统方法的预测精度高.     

Repairing VLSI/WSI Redundant Memories with Minimum Cost

A new approach to repair memory chips with redundancy is proposed.This approach s based on the minimization of the repair cost.Algorithms for cost driven repair are presented.The algorithms can be executed either on -line(concurrently with the testing of the memory),or off-lin(at completion of testing).Analytical expressions for the repair cost under both circumstances are given.The presented algorithms are also perfect in the sense that they can correctly diagnose a repairable/unrepairable memory and find the optimal repair-solution.     

A Fault-Driven, Comprehensive Redundancy Algorithm

This article describes a fault-driven algorithm that generates all possible repair solutions for a given bit failure pattern in a redundant RAM. Benefits of this approach include the ability to select repair solutions based on userdefined preferences (for example, fewest total elements invoked or fewest rows invoked). Perhaps the greatest advantage of this algorithm is its ability to generate solutions for any theoretically repairable die that would be deemed unrepairable by existing algorithms.     

基于概率模型的E-2D Mesh网络容错性分析

研究了太比特路由器核心交换网络拓扑的一种新结构-E-2D Mesh.提出一种计算E-2D Mesh网络连通率的新方法.证明了当网络结点失效率控制在0.66%以下时,具有四万多个结点的E-2D Mesh网络可保持不低于99%的连通率,且在同等规模条件下,E-2D Mesh网络结点容错率至少是Mesh网络的11.09倍.研究结果表明,该方法在计算E-2D Mesh网络连通率时显示出较强的生命力且能够用于研究其它层次的网络和其它网络通信问题.     

交换超立方网络的嵌入问题研究

交换超立方网络作为超立方网络的一个变种,具有良好的递归性和理想的网络参数。根据交换超立方网络的相关性质研究了E-2DMesh网络和超立方网络的嵌入问题,并得出如下结论:(1)当max(s,t)<7时,不存在dilation=1的EM(2m,2n)到EH(s,t)的嵌入映射(m+n≤s+t+1)。(2)EM(2s,2t)可以expansion=2,dilation=4,load=1嵌入EH(s,t)。(3)当min(s,t)>1时,不存在dilation=1的Qn到EH(s,t)的嵌入映射(n=s+t)。(4)Qn可以ex-pansion=2,dilation=3,congestion=1,load=1嵌入EH(s,t)(n=s+t)。上述结论进一步说明了交换超立方网络具有良好的扩容性。