数据分发管理匹配算法的R-树实现

数据分发管理（DDM）是高层体系结构（HLA）接口规范的6类服务之一,高效的区域匹配算法是DDM研究的重点和难点．当前的多种匹配算法往往只适用于特定的应用环境,且效率不够理想．R-树法是在空间索引技术的基础上提出的一种新的匹配算法,该方法用R-树对DDM区域的矩形进行组织,并利用Hash索引对其叶结点的组织方式进行了改进．实验结果表明R树法可有效减少动态DDM的维护开销,提高分布交互仿真的实时性,通过调整R-树的相关参数,可以进一步改善匹配算法的性能．     

基于动态R-树结构的DDM区域匹配算法

分析了传统数据分发管理(DDM)匹配方法,结合空间索引技术的特点,提出了一种动态R-树区域匹配方法,通过建立R-树对公布和订购区域进行组织管理,并在R-树上实现订购区域与公布区域的匹配搜索。仿真实验结果表明,选取适当参数M,可减少动态R-树DDM匹配算法的时间开销,达到较优性能。     

HLA中数据分发管理的探究

HLA已成为了现代分布式仿真应用的通用技术框架的核心,而作为其六大服务之一的数据分发管理则提供了有效的信息交互和传送机制以满足系统可扩缩性的要求。文章介绍了HLA中数据分发管理DDM的过滤原理;研究并分析了目前几种实现DDM过滤机制的方法。     

基于颜色Petri网和Lookahead的数据分发管理研究

对高层体系结构（HLA）中数据分发管理（DDM）的研究,主要目标是在符合HLA标准的前提下,提高数据的过滤效率,同时减少计算量,并提供较好的可扩展性适应于各种规模的分布式仿真应用。Lookahead是分布式模拟时间管理协议中的一个重要概念,各模拟实体使用Lookahead把自己产生事件的时间标记情况更早地通知给其它实体,以加快程序的运行。采用颜色Petri网和Lookahead的数据分发机制,能够很好地对数据进行过滤,提高数据的过滤效率,并能保证数据收发的成功率。仿真实验结果表明：基于颜色Petri网和Lookahead的数据分发机制是优于区域匹配方法的。     

一种基于网格的DDM区域匹配算法

在大规模分布式交互仿真中,数据分发管理(DDM)的重要功能是减少联邦成员接收不相关数据,实现数据过滤。它允许联邦成员在路径空间中通过更新区域或订购区域表达它们要发送或接收数据的范围,通过区域匹配运算确定数据供求关系,实现数据过滤。其关键是如何减少需要匹配的区域,以减少区域匹配运算量,文章以此为目的,提出一种基于网格的区域匹配算法。     

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.     

分布式虚拟现实中数据分发管理算法研究

分布式虚拟现实（Distributed Virtual Reality,DVR）系统具有仿真实体数目较大,实体间信息交互频繁等特点,现有的网络带宽资源又十分有限,因此如何降低网络冗余数据,充分利用网络带宽资源及提高网络上有效数据的传输速率成为一个重要的研究方向。因此,结合分布式虚拟现实中数据的特点,利用IEEE 1516标准-高层体系结构HLA（HighLevel Architecture）对分布式虚拟现实中的数据分发管理（Data distributed Management,DDM）算法进行研究。     

一种改进的基于排序的区域匹配算法

兴趣匹配是分布仿真中兴趣管理的关键环节,其速度和精度影响着兴趣管理的性能。基于排序的区域匹配算法是针对HLA／DDM的有效算法,但它只是利用了对范围界点排序而带来的空间关系启发信息,其匹配效率还有值得改进的地方。本文首先分析了匹配算法的实质,然后研究了实际分布仿真系统中实体运行时的局部性,并利用这种局部性对匹
匹配算法进行改进,给出了改进算法,进而对改进算法和原算法进行了比较测试,最后给出了结论和进一步的工作展望。     

关于DDM 1516与DDM 1.3的研究

高层体系结构（HLA）是一种构建分布式仿真应用的体系结构。HLA中的数据分发管理服务，建立有效的通信连接，减少发送给成员的数据量。HLA规范听IEEE1516版本中的定义不同于先前的DoD1．3版本。文中给出结论：IEEE1516规范中的DDM服务至少与DoD1．3中的DDM服务功能相当。     

基于权重函数的混合DDM算法

高层体系结构已成为分布式仿真通用技术框架的核心,其中数据分发管理服务则为其提供了有效的数据过滤机制.目前常用的几种DDM算法,如基于区域的算法、基于网格的算法和简单混合的算法(基于网格的DDM和基于区域的DDM混合使用)等都存在着一些不足.基于权重函数的混合DDM算法是在简单混合的DDM算法基础上加入了对路经空间中所划分网格的权重函数设立机制和对冗余信息、虚假信息的控制机制.实验结果表明,该算法在减少算法执行时间,尤其是降低网络中的数据传输量和减少组播地址消耗方面,体现出良好的性能,进一步满足了系统的可扩缩性要求.     

区间树在DDM区域匹配中的应用

数据分发管理（DDM）是降低网络冗余数据的有效手段,区域匹配算法又是数据分发管理实现的关键。当前的多种匹配算法如直接匹配法、网格法、排序法等效率都不够理想,或者过滤效果不佳,或者耗时较长。通过对数据过滤机制的深入研究,提出了基于区间树的区域匹配算法——ITBM算法,该算法将范围的上下界映射到一个区间内,使用区间树来存储区域范围,通过对区间树的直接操作来完成匹配工作。结果表明,ITBM算法大大减少了匹配计算的时间,有效地减少了动态DDM的维护开销。     

基于内存数据库的HLA仿真数据收集方法研究

分析了几种常用的HLA仿真数据收集方法,设计实现了一种通用的基于内存数据库的仿真数据收集方法,重点介绍了仿真数据收集数据库的建表原则和内存数据库的使用方法。     

基于内存数据库的HLA仿真数据收集方法研究

分析了几种常用的HLA仿真数据收集方法,设计实现了一种通用的基于内存数据库的仿真数据收集方法,重点介绍了仿真数据收集数据库的建表原则和内存数据库的使用方法.     

一种混合的动态DDM实现方法

介绍了HLA中数据分发管理DDM的基本内容和过程，分析了目前两种经典的DDM实现方法；在此基础上综合了现有方法的优点，提出了一种混合的动态的DDM实现方法，提高了区域匹配的精度，降低了网络资源的消耗，对DDM方法进行了改进。