增广立方体网络的t/k诊断度研究*

在多处理器系统,传统的t-可诊断算法在处理大规模故障集时有明显的局限性。针对增广立方体诊断度提升的问题,提出了一种t-可诊断的变形算法,即t/k可诊断。在该新算法下,可明显提高增广立方体的诊断度。算法核心思想是,在故障节点个数不大于t的情况下,允许故障集中出现k个非故障节点。从而在牺牲少数非故障节点的情况下,达到提高网络诊断度的目的。最终证明了,增广立方体在t/k诊断算法下的诊断度明显优于传统诊断度和条件诊断度。     

基于比较诊断模型的超立方网络诊断算法

一个有效的诊断算法对多处理器系统而言极其重要。在多处理器系统中,识别所有故障节点的能力称为诊断系统的诊断度。在比较模型下,诊断 的执行是通过一个比较器处理器,给与之相邻的一对处理器发送相同的输入信号,并比较两者间的响应状态。为了提高超立方网络的诊断度,提出了一种新型的基于比较模型的超立方故障诊断算法,其利用超立方网络节点连接的特性生成一个拓扑图ES(k;n),最终得出一个3位二进制的诊断症候集,从而确定系统故障节点。该算法的诊断度最优能达到4n,大于传统超立方的诊断度n。     

基于比较模型的交换超立方网络的(t,k)诊断度研究

故障诊断问题已经被广泛讨论,许多互连网络的诊断度已被深入研究。(t,k)-诊断为最重要的系统级故障诊断策略之一,在故障节点不大于t的前提条件下,每次迭代均可以识别最少故障节点个数为k。针对如何提高交换超立方网络的诊断度的问题,进行了一个基于比较模型的(t,k)-诊断算法研究,根据连通图的特性对交换超立方网络进行连通分子的划分,并计算交换超立方连通图中连接边与节点间的量化关系,从而证明了交换超立方网络是(t,k)-可诊断的。最终表明,本算法下的诊断度,优于其传统精确诊断s 1。