多Agent的并行思智算法

给出了多Agent的并行思智算法,同时针对应用领域,提出了面向过程的Agent并行思智算法和面向任务的A-gent并行思智算法,通过实例对所提出的算法进行了验证。说明该算法是有意义的。     

异构计算中体系结构感知的并行任务分簇方法

异构计算是高效能计算发展的必然趋势,针对异构计算运行中并行任务和体系结构难匹配的问题,提出了实 现并行任务和体系结构匹配的并行任务分簇方法。首先给出效能的概念及异构计算中体系结构感知的分簇问题,然 后从理论上分析了异构匹配与效能的关系,提出了实现异构计算匹配和结构匹配的分簇理论,目的是发挥异构计算中 机器的潜能,协同处理并行任务,实现高效能。在此基础上,给出相应的算法。最后通过仿真实验说明,该方法可通过 簇图与体系结构的匹配缩短通信开销在执行时间上所占的比例,从而缩短并行执行时间,以提高系统利用率,最终实 现异构计算的高效能。     

相似驱动的细粒度并行任务重构算法

异构计算是高性能计算技术的发展趋势,计算任务与体系结构匹配成为异构计算亟待解决的问题.重构技术为实现两者匹配带来了契机,要么任务重构适应体系结构,要么体系结构重构适应任务.提出基于相似驱动的并行任务重构算法以实现异构计算匹配.通过给出任务和系统匹配度量机制定义了图重构操作和图重构基本问题.根据问题给出细粒度重构算法,该算法主要有3个过程:任务图节点对融合、节点和边重构及重构精化过程.用格林威治大学典型实例图作为并行任务及典型体系结构测试了该算法.实验表明它在给定的误差范围内能保证计算任务和体系结构匹配.     

一种多agent的并行认知模型及应用

agent认知模型是多agent系统研究的基础。该文抓住多agent系统的社会行为特性,构建了动态的多agent系统模型。它可以动态地调整系统agent的个数,增强系统的求解问题的能力,整个系统随着问题求解的增多更加稳定。并且在构建动态多agent系统的基础上给出了多agent系统并行认知模型及其相关概念,并把该模型应用于问题求解。     

运用差分演化算法实现包匹配多层核心基的提取

针对网络防火墙、路由器等设备中包匹配的速度问题,提出运用差分演化算法实现包匹配多层核心基的提取。该算法运用多层基础基描述包的多层特征,在每层中分别运用差分演化算法进行比特基和实体基的提取,运用平均自信息和平均互信息量衡量基础基选择的优劣。这种方法可以根据规则库实际规模选择提取比特实体基的层数,非常适应规则库的增长。实验结果表明,所提算法在时间效率、空间效率方面相对于已有的递归数据流匹配算法和基于实数编码的差分演化的包匹配算法,综合性能最优。     

构建一种多agent并行计算模型

文中旨在找出一种新的构建多agent并行计算模型的方法。通过对组合数学中二分图理论的研究,发现可以利用这个数学思想建立一种新的多agent并行计算模型。文中在对多agent计算本质分析的基础上,基于二分图理论,建立了一种新多agent并行模型,给出了基于BDI模型的多agent并行计算模型的流程算法,最后还给出了这种模型的优越性是能最大可能地减少agent之间的冲突。通过上述工作,可为多agent并行求解问题研究提供理论依据。一方面弥补了现有理论的不足,另一方面也为人们进一步研究多agent的并行计算提供了一种解决方案。     

与体系结构匹配的多级可重构任务划分方法

异构系统是高性能计算发展的主要模式,云计算是异构计算的典型实例。其优势在于异构处理器能各尽其能,但在实际应用中异构系统的性能往往不能充分发挥,因为处理器特征与应用程序特征不匹配,造成系统效率低下。因此借助重构思想,提出与体系结构结合的多级可重构任务划分方法。定义了多级可重构的概念,分析了异构匹配的原理,给出异构特征分析过程,提出了基于异构特征匹配的多级可重构任务划分方法。最后通过仿真实验说明,与体系结构匹配的划分方法适合当前的异构系统。     

计算任务与体系结构匹配的异构计算可扩展性分析

 扩展性是衡量高性能并行系统的一个关键要素,而扩展性的研究主要集中在同构的高性能系统上,异构系统研究的文献很少. 本文以异构系统为研究对象,根据实际应用任务,将计算任务分为三类:单任务模型、元任务池模型和fork-join任务队列模型,并给出这三类计算任务的定义. 提出描述基于计算任务和体系结构相匹配的异构计算系统匹配矩阵,给出异构计算的可扩展性定义. 针对上述三种计算任务模型以及异构匹配给出异构系统的可扩展性条件,为异构系统的可扩展性提供了理论依据. 用实例分析证实了这种方法的有效性.     

构建一种多agent并行计算模型

文中旨在找出一种新的构建多agent并行计算模型的方法。通过对组合数学中二分图理论的研究，发现可以利用这个数学思想建立一种新的多agent并行计算模型。文中在对多agent计算本质分析的基础上，基于二分图理论，建立了一种新多agent并行模型，给出了基于BDI模型的多agent并行计算模型的流程算法，最后还给出了这种模型的优越性是能最大可能地减少agent之间的冲突。通过上述工作，可为多agent并行求解问题研究提供理论依据。一方面弥补了现有理论的不足，另一方面也为人们进一步研究多agent的并行计算提供了一种解决方案。     

云计算中相似驱动的并行任务划分方法

云计算是并行计算、分布式计算和网格计算等高性能计算的进一步发展,它的异构性、按需等特征对高性能计算提出了新的挑战。针对云计算的典型特征,提出了基于并行任务和云环境相似驱动的任务划分方法。首先用图刻画了并行任务和云环境,建立了图的相似关系及其相似度计算方法;其次给出云计算中拟解决的问题,通过图局部相似和全局相似度偏差最小来实现并行任务和体系结构的异构匹配及按需要求;接着利用F度标号方法给出相似驱动的任务划分算法;最后通过实验和其他划分方法进行比较,阐明了该方法的优点。