改进的聚合组播算法

针对组播状态可扩展性问题进行研究, 提出了一种改进的聚合组播算法。该算法在动态在线聚合组播算法的基础上, 确定匹配时可行的聚合树范围, 以减少匹配和计算次数, 降低时间复杂度; 改进最优匹配聚合树的选择算法, 并对网络中聚合树进行定期调整, 以优化聚合树结构, 去掉不必要的中间节点, 提高聚合度, 降低节点转发状态。仿真实验表明, 与同类算法相比, 该算法能够以较低的时间复杂度, 取得较高的聚合度和转发状态降低率, 在并发组播组数目较高和组密度较高时效果更加明显。     

基于星球机器人分布计算系统的原子组播协议

针对星球机器人分布计算系统容错的可靠组播通信,提出了一种基于向量时间的原子组组播协议.协议从星球机器人分布计算系统及通信模型的特点出发,使用向量时间和令牌进程来标识和保证全局投递顺序,通过令牌进程对不稳定消息的转发和两阶段提交来保证投递原子性和虚同步.模拟实验表明,协议提供了一个代价较小的可靠组播方法,具有快速和轻量的优点.     

可扩展的基于源树的MPLS组播算法

MPLS是下一代互连网的核心技术,基于MPLS的组播技术的研究是目前网络研究的热点问题之一.IP组播技术经过了20多年的发展,并没有取得预期的成功,主要的原因是组播路由缺乏可扩展性,任何组播协议的设计,可扩展性是首要考虑的问题.分析了组播可扩展的相关概念及其研究现状,在此基础上,提出了将Tunneling和Non-branching算法应用于MPLS域实现基于信源树的组播算法,该算法具有更好的可扩展性,可以有效提高传统IP组播中可扩展性、流量聚合等问题,基于NS-2的仿真结果证明了该算法的可行性和有效性.     

基于多协议标签交换的IP组播技术

多协议标签交换（MPLS）和组播技术的结合可以获得MPLS的高速率、QoS、流量工程、VPN和组播的带宽节省两方面的益处,MPLS和组播是两种互补的技术,这对于带QoS参数的实时的多媒体应用是必须和紧迫的。文章综述了MPLS组播技术在实现机制、组播树的构建等方面的基本原理和研究进展,分析了存在的问题和发展方向。     

大型分布式组播访问控制系统MDAC

组播安全领域的研究主要集中在端到端的数据保护方面。针对大型组播系统访问控制问题的研究成果不多,已有的研究结果存在很多局限。提出了基于SPKI技术的组播分布式访问控制系统MDAC,和现有的其它方案相比,MDAC不仅具有优越的性能,而且具备分布式、支持非对称组播、授权委托和隐私保护等特性。     

反应式组播路由协议

介绍了Ad hoc网络中基于网格的反应式组播路由协议RMMP。当网络中有数据要发送时,RMMP协议分布式地选出核心节点,由核心节点负责网格的建立和维护。发送节点无需加入组就可进行数据的传递,协议的实现也不依赖任何单播路由。通过NS 2对RMMP协议进行仿真并与ODMRP协议的性能对比和分析表明,RMMP协议减少了网络中的洪泛控制信息和冗余链路,从而降低了控制开销和数据传递开销,减轻了网络中的拥塞,明显提高了数据传递的效率和网络的可扩展性。     

动态优化的分布式组播路由算法

为了在真实的网络环境中寻找一棵延迟受限、耗费最小的组播转发树,以便更好地支持组播通信,提出了一个可以动态优化的分布式组播路由算法,该算法利用蚁群思想解决上述组播路由问题.由于不同代的蚂蚁之间可以通过信息素来实现间接通信,而信息素又是一种可以反映环境变化的媒介质,因此,该算法能够根据网络环境的变化及时做出调整.结合实际的网络拓扑,进行仿真实验,实验结果表明,通过蚂蚁一代代的进化,算法可以找到一棵满足延迟约束并且耗费尽可能小的组播树.     

大规模存储系统可靠性参数最优化分析

在大规模存储系统中,数据的可靠性越来越受到人们的关注。已有的研究分析了在系统规模已知的条件下,某些系统参数,如副本分布策略、存储对象数目等,对可靠性的粗略影响,但较少提及它们的最优值或者最优组合。提出了一种基于对象粒度恢复的可靠性新模型;基于该模型,在分析三种主流的副本分布策略的基础上,分别计算出了各个系统参数的独立最优值及其组合最优值。与已有模型相比,该模型更易于求解,且获得了更加综合实用的最优值,这些最优参数值能直接有效地指导系统设计者构建更可靠的大规模存储系统。     

一种减轻组播网络节点负载的贪婪策略

组播网络的路由机制是网络资源优化技术的一个主要研究领域,对路由节点负载能力有严格的要求。保证低负载组播成功的关键在于高效地减轻路由节点负载,研究最小化路由节点转发信息量的算法。基于多点传输机制,兼顾组播组的个数和各组播组中接收者的数量两个影响组播负载的重要因素,运用分布式计算和贪婪策略的思想,提出了一种可以使组播组中路由节点存放的转发信息量的最大值得到最小化,从而减轻组播路由节点负担的策略。通过算法分析和实验仿真说明了所提策略的有效性     

可伸缩多播通信的延时方法

使用ARQ与FEC混合技术有利于提高多播通信的可靠性和可伸缩性,但随着多播通信规模的扩大,仍将引发NACK爆炸的问题,接收者延时发送NACK,可以避免NACK爆炸,文中提出了基于指数分布,均匀分段延时的方法,并对其性能进行了分析。可知该方法抑制NACK的能力达到10^10。     

WAPM:适合广域分布式计算的并行编程模型

早期的MPI与OpenMP等编程模型由于扩展性限制或并行粒度的差异而不适合于大规模的广域动态Internet环境.提出了一个用于广域网络范围内的并行编程模型(WAPM),为应用的分布式计算的编程提供了一个新的可行解决方案.WAPM由通信库、通信协议和应用编程接口组成,并且具有通用编程、自适应并行、容错性等特点,通过选择合适的编程语言,就可形成一个广域范围内的并行程序设计环境.以分布式计算平台P2HP为工作平台,描述了WAPM分布式计算的实施过程.实验结果表明,WAPM是一个通用的、可行的、性能较好的编程模型.     

基于信任模型的安全应用层多播协议

针对ALM(application layer multicast)安全性方面存在的问题,设计了一种新的ALM协议.节点加入多播组时,协议对节点的信任度进行认证检测.在交互过程中动态计算节点信任度,以便准确识别覆盖网中的恶意节点.同时,通过标签机制,有效防止了节点对信任信息的恶意篡改.仿真实验结果表明,该协议能有效区分恶意节点并对其进行控制,对多播安全性方面存在的问题有较大改进.     

多点组播的可靠扩展控制机制研究

针对多点组播（multicast)控制机制中可靠性（reliability)与可扩展性（scalability)间存在的问题,将扩展性方案中超立方体（hypercube)拓扑思想与可靠性方案中反馈重发局部化（localization)思想用于控制机制,提出一种基于超立方体拓扑的可靠扩展控制机制：将组播节点控制拓扑从1维树型拓扑映射为n维超立方体拓扑,运用超立方体拓扑的几何特性将基于包丢失的局部反馈重发可靠性有效融于节点扩展性中,实现组播的有效可靠扩展。理论分析与实际测试表明：控制机制有着良好的扩展性和可靠性,可满足不同网络条件下的多点组播的可靠性扩展。     

IP多点组播视频的可靠扩展控制机制研究

针对IP多点组播视频控制信息组播传输的可靠扩展问题,将组播扩展性方案超立方体（hypercube)拓扑思想与组播可靠性方案反馈重发局部化（localization)思想用于控制机制,提出了一种基于超立方体拓扑的可靠扩展控制机制：将控制拓扑从1维树型映射为n维超立方体拓扑,运用超立方体结构几何特性将局部反馈重发恢复融入拓扑节点扩展中,实现了视频控制信息的有效可靠扩展。理论分析与实际测试表明：基于超立方体拓扑的控制机制有较好的可靠扩展性。     

DPVoD:基于P2P的视频点播体系结构

可扩展性和可靠性是视频点播系统大规模应用的关键,提出了一种P2P点播系统结构DPVoD.系统基于应用层组播,用户以订制的缓存为其他节点提供服务,并形成相对独立的共享并发流组播树,组播树之问根据拥有的视频数据的重合程度而建立不同的组邻居关系,以此为基础,采用多种机制来提高系统性能:组协同工作、父亲点选择策略、状态控制协议和失效恢复等.定义并分析了可能对系统性能有严重影响的结尾雪崩问题并提出解决方案.对系统基本性能进行了理论分析.仿真结果表明,在静态和动态环境中,DPVoD系统的并发流占用数和利用率、可靠性等性能均优于类似系统.     

TCP友好的分布式可靠组播协议的设计与实现*

在源特定组播(SSM)的基础上,提出了一个分布式可靠组播传输协议--SDRMP(SSM-based distributed reliable multicast protocol).该协议基于划分域和分布式数据存储的思想,在域内由各节点分级保证与直连下游节点间的可靠报文传输,在域间由各个域的主节点分布式保存数据报文,并且发送者的发送速率根据各个域主节点的反馈报文进行调整,避免网络拥塞.仿真实验结果表明,SDRMP能有效地保证组播数据传输的可靠性,并具有较好的可扩展性和TCP友好性.     

一种自组织的应用层组播层次密钥管理方案

针对现有应用层组播密钥管理方案可扩展性差、时延较大等问题,设计一种适用于大规模的自组织的层次密钥管理方案(SOKM).该方案将密钥服务器(KS)的任务分散给各个簇的特殊节点来完成,将组密钥的更新和管理限制在簇范围内.分析和仿真实验表明,与分层分簇方案MHKM相比,SOKM虽然在一定程度上增加了计算量,却有效降低了KS受攻击的可能性和组密钥分发时延,使整个组播组的安全性和密钥分发效率得到了提高,因此具有较好的可扩展性.     

GA based decomposition of large scale distributed model predictive control systems

A novel method is proposed to find the optimal decomposition structure of distributed model predictive control (DMPC) systems. The input clustering decomposition (ICD) is first developed to minimize the coupling effects of subsystems and average the computational balance of each subsystem. To select the inputs and outputs in each subsystem, the input–output pairing decomposition (IOPD) is done. Then the genetic algorithm is used to solve decomposition problems for ICD and IOPD. The proposed method can achieve efficient coordination. Its structure is more flexible than the traditional DMPC. Two examples are used to show the abilities of the proposed method.     

Parallel Algorithm Design on Some Distributed Systems

Some testing results on DAWINING-1000,Paragon and workstation cluster are described in this paper.On the home-made parallel system DAWNING-1000 with 32 computational processors,the practical performance of 1.1777 Gflops and 1.58 Gflops has been measured in solving a dense linear system and doing matrix multiplication,respectively .The scalability is also investigated.The importance of designing efficient parallel algorithms for evaluating parallel systems is emphasized.