集群计算环境下基于复杂网络的社会学仿真负载划分优化算法

负载划分是决定集群计算环境下基于复杂网络的并行社会学仿真性能的核心因素之一.由于背景负载等因素的影响,集群系统中往往需要根据实际可用计算资源非均匀分配仿真任务,而现有针对无标度特性拓扑结构的并行仿真负载划分算法无法适应集群环境下计算负载非均匀划分的需求.针对这一问题,提出了一个基于集散节点聚合的负载划分算法,将集群计算...     

浅析安防报警系统的传统评估方法与改进措施

在对安防报警系统进行正确评估的基础上,逐渐将其优化和完善。主要分析了安防报警系统的定性指标,指出了影响报警系统运行效益的主要因素,并在此基础上改进了传统的评估方法。     

乐观策略下并行离散事件仿真动态负载划分优化算法

动态负载划分是提高并行离散事件仿真运行性能的有效途径之一.现有研究往往孤立地考虑计算负载平衡和通信负载优化,使得复杂应用背景下整体性能低下.论文综合考虑仿真模型计算负载和交互模式,提出了一个基于带权重无向图有限容量k划分问题的并行离散事件仿真负载划分模型,并配合一套通用的仿真运行性能度量方法,提出了一个基于顶点交换的启发式局部搜索近似划分算法,实现了在计算负载平衡的前提下系统通信负载最优化,其近似解与全局最优解比值不小于(1-1/|N|)(1-ε).实验证明了该动态负载划分算法的有效性和实用性.     

面向社会网络仿真的混合时间管理算法

并行仿真技术在大规模社会网络研究中扮演着越来越重要的角色,而仿真时间同步机制是决定并行仿真性能的重要因素,如何发掘社会学研究领域的应用特征以设计高效的时间管理算法是当前时间同步机制研究的重要课题。社会网络仿真中个体间行为模式差异较大,难以提取合适的Lookahead以保证保守时间管理策略的高效运行;同时,社会网络仿真中个体交互情况复杂,采用乐观时间管理策略时,容易引起系统内大量级联回滚。本文针对上述问题提出一种基于社区发现的混合时间管理机制,在逻辑进程的粒度上根据网络结构优化选择保守和乐观时间管理策略,从而最大限度地发掘系统的性能。实验结果表明了该算法的有效性。     

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.