基于时间触发通信的机载网络可靠性

根据分布式综合模块化航空电子(DIMA)系统的组网需求,对比事件触发(ET)机制和时间触发(TT)机制,分析时间触发以太网(TTE)的网络特性,说明TTE应用到DIMA的可行性和必要性。针对航空电子系统的高可靠性需求,采用贝叶斯网络分析TTE在环形拓扑、网状拓扑和星型拓扑等结构下的系统可靠性,分析结果表明,在多余度的情况下,星型拓扑具有最高的可靠性。总结了TTE应用到DIMA的拓扑结构选择和余度设计原则,即根据不同的应用场景和通信节点的重要程度,选择合适的拓扑结构和余度。     

Map/Reduce下快速剪枝算法在复杂任务调度中的应用

云环境下传统任务分配与调度算法对于复杂任务调度的整体效率较低,为了提高Map/Reduce对复杂任务分配调度的整体效率,提出了一种基于任务处理时间的快速剪枝算法。该算法首先将复杂任务按照任务依赖关系大小进行最佳拓扑排序,使任务按顺序执行,从而提高调度准确率。然后使用节点处理任务的预测时间与节点处理能力的比值作为子任务在每个节点的处理时间进行量化建模,建立任务和处理时间的度量矩阵,通过采用按阶剪枝方法逐渐缩小任务分配规模,对N个节点处理N个任务的分配问题,进行N-1次操作可获得任务分配的最优解。运用Hadoop平台进行实验验证,从任务调度效率与资源使用率角度将剪枝算法与公平调度算法、遗传算法和GRAPHENE算法进行对比验证。实验结果表明剪枝算法能明显提高任务调度的整体效率,充分利用各节点的计算能力提高Map/Reduce调度效率。     

基于Flink的任务调度策略

针对大数据流式计算平台拓扑中因各关键节点上任务间不同类型的通信方式导致的通信开销较大问题,提出一种Flink环境下的任务调度策略。通过各任务间数据流大小确定拓扑边权重,将有向无环图转化为拓扑关键路径模型,在保证关键路径上节点负载差异较小的同时,最小化关键任务的节点间通信开销。实验结果表明,该算法与Flink平台现有的任务调度策略相比,在WordCount和TwitterSentiment作业执行过程中计算平均时延降低了13.09%,有效提升了系统性能。     

无人车载以太网技术研究

随着人工智能的高速发展,其相关技术已经运用到生产生活的很多领域,在无人平台上,人工智能已经不可或缺。无人车网络系统由于智能感知的并入,使得传统的总线通信技术难以满足发展要求。车载以太网的出现能为大量数据高集成的通信系统提供一种有效解决方案。无人车载网络系统采用时间触发以太网的架构来进行设计。首先考虑整个时间触发网络系统的通信节点,针对通信链路设计相应的通信板卡。在板卡方面,主要设计了TTE交换机、端节点子系统控制器,为了增加整个系统的可靠性,采用了三余度通信结构。根据控制器和交换机相应的功能进行软件开发,并通过系统测试验证,满足各个系统通信任务需求,验证了此无人车网络系统可行性和准确性。     

时间触发以太网的任务调度算法研究

在基于时间触发以太网(time-triggered Ethernet,TTE)的系统中,为了能够根据通信的任务需求优化组织TTE网络的任务调度,本文给出了适用于TTE交换网络的任务分配方法,并使之与互联构型的设计和规划相结合,得到相应的TTE网络任务调度模型。     

基于PCIe接口的TTE网络仿真卡的设计、实现与验证

时间触发以太网（Time-Triggered Ethernet, TTE）协议采用高精确的时间同步核心技术，建立并维护全局统一时钟，为安全关键系统提供了确定性的通信平台，能够满足飞行控制等安全关键实时控制系统的应用要求。基于TTE，完成了基于PCIe接口的TTE网络仿真卡的软硬件设计，并搭建了一套TTE网络仿真卡的通信验证平台，通过在Windows和Linux操作系统下开发相关应用，实现了对TTE网络的测试和验证。     

水声传感器网络数据传输能耗分析

水声传感器网络设计的其中一个目标就是提供节点间可靠通信的同时,能量消耗最小化。通过构造简化的场景,参考海洋中水声信号的吸收损失、传感器节点的参数以及实际环境参数推算出水声传感器网络分别在集中式拓扑结构和多跳式拓扑结构下的能量消耗模型。通过仿真得出：在短距离通信时采用中继节点实际上浪费了能量,采用集中式拓扑结构能量效率较高;而在长距离通信时,采用多跳拓扑结构选择合适的中继节点个数有优越的能量效率。     

视频协同系统中时空感知的信息共享技术研究

用户节点通过多跳转发实现通信将会耗费大量的通信成本，研究设计了应用于办公自动化过程中的视频协同信息共享技术，该技术构造移动自组网(Mobile Adhoc Network, MANET)物理拓扑结构感知参数，同时提出时空感知的个性推荐算法。无拓扑感知和拓扑感知信息共享方法的平均邻居个数分别为5.6个和10.5个，提升率约为88.0%。对比于其他个性推荐算法，引入时间权重的推荐算法具有更低的节点命中个数和更高的平均跳数。该技术在实现时空感知的信息共享技术过程中将用户节点间的通信代价和用户间的兴趣相似度考虑在内，进而组建一个节点间数据通讯的高质量邻接网。通过这种方法能有效降低覆盖网络内部的通信量，维持良好的网络拓化结构，提高MANET网络的可扩展性，为用户提供更好的服务。     

大数据流式计算框架Heron环境下的流分类任务调度策略

新型大数据流式计算框架Apache Heron默认使用轮询调度算法进行任务调度，忽略了拓扑运行时状态以及任务实例间不同通信方式对系统性能的影响。针对这个问题，提出Heron环境下流分类任务调度策略（DSC-Heron），包括流分类算法、流簇分配算法和流分类调度算法。首先通过建立Heron作业模型明确任务实例间不同通信方式的通信开销差异；其次基于流分类模型，根据任务实例间实时数据流大小对数据流进行分类；最后将相互关联的高频数据流整体作为基本调度单元构建任务分配计划，在满足资源约束条件的同时尽可能多地将节点间通信转化为节点内通信以最小化系统通信开销。在包含9个节点的Heron集群环境下分别运行SentenceWordCount、WordCount和FileWordCount拓扑，结果表明DSC-Heron相对于Heron默认调度策略，在系统完成时延、节点间通信开销和系统吞吐量上分别平均优化了8.35%、7.07%和6.83%；在负载均衡性方面，工作节点的CPU占用率和内存占用率标准差分别平均下降了41.44%和41.23%。实验结果表明，DSC-Heron对测试拓扑的运行性能有一定的优化作用，其中对接近真实应用场景的FileWordCount拓扑优化效果最为显著。     

改进的电力线通信拓扑推测算法

针对电力线通信(Power Line Communication,PLC)系统拓扑推测过程中旋转节点导致推测失败甚至结果不准确的问题,提出一种改进的基于断层扫描拓扑推测算法(Advanced Tomography-based Topology Inference).该方法首先根据拓扑推测过程中旋转节点通信状况确定不稳定度;然后引入簇内分级机制来降低旋转节点的度,从而提高拓扑推测结果准确性.实验表明,该方法实现了拓扑推测阶段旋转节点的定位及处理,有效提高拓扑推测准确性.     

基于抽象消减和流量估计的并行网络模拟拓扑划分算法

大规模并行网络模拟已成为目前研究Internet的主要方法,针对传统网络拓扑划分方法划分不均衡的问题,提出基于抽象消减和流量估计的并行网络模拟拓扑划分算法.采用抽象消减技术,将拓扑中度为1的节点递归抽象到其相连路由器上;采用流量估计技术,首先对拓扑中所有节点和链路利用估计算法进行权值初始化,然后将节点间流量转换为节点间权值,并将相应节点和链路的权值进行叠加.同时为避免权值差距过大,对权值进行规范化处理.实验结果表明,该划分算法相对于传统划分算法,节点压缩率在93.7%以上,缩减子域数约56.9%,减少远程链路数约22.9%,减少模拟时间约12.63%,提高了模拟的规模和效率.     

用可分负载理论分析无线传感器网络任务调度

针对无线传感器网络的任务如何在最短时间内完成且充分利用网络资源的问题,提出了一种基于可分负载理论的无线传感器网络任务调度算法（WDTA）.该算法根据网络中各个节点的处理能力和节点间的通信能力,将总任务从SINK节点下发至网络中.通过去除节点间的通信干扰来提高资源利用率和减少总任务完成时间.算法在两种分群结构的异构网络环境下进行了分析,得到了在各个节点上最合理的任务分配方案,以及最短的任务完成所需时间.理论分析了基于可分负载理论的无线传感器网络任务调度的极限情况.实验结果表明WDTA算法能够通过合理分配任务,而减少任务完成时间及节点能耗.该方案可以作为设计大规模无线传感器网络的原则.     

一种低能耗层次型无线传感器网络拓扑控制算法

提出一种低能耗层次型拓扑控制算法(A low-power hierarchical wireless sensor network topology control algorithm, 简称LPH算法). 该算法是一种支持多跳网络、降低能耗的多级组网控制算法. 它将拓扑控制分为组网和拓扑维护两个阶段, 其中组网阶段包括选择簇头、标识簇头及簇内节点、优化拓扑三个任务, 算法在各个阶段、各个任务中都考虑了节能. 同时, 在簇头选择时考虑了簇头节点分布均衡问题, 通过优化拓扑降低簇内通信能耗. 其次, 通过静态地址与动态地址结合的方式提高网络层次及可维护性. 本文详细介绍了LPH算法及其思想, 给出算法的空间复杂度、时间复杂度及能耗分析, 并基于NS2仿真工具, 对LEACH、PEGASIS和LPH三种算法分别进行了模拟仿真, 说明LPH算法的性能与优势.     

面向边缘计算的Storm边缘节点调度优化方法

边缘计算有高实时性和大数据交互处理的需求,边缘异构节点间的调度时耗长、通信时延高以及负载不均衡是影响边缘计算性能的核心问题,传统的云计算平台难以满足新的要求。文中研究了在边缘计算环境下Storm边缘节点的调度优化方法,建立了面向边缘计算的Storm任务卸载调度模型。针对拓扑任务在边缘异构节点间的实时动态分配问题,提出了一种启发式动态规划算法(Inspire Dynamic Programming,IDP),通过改变Storm的Task实例的排序分配方式以及Task实例和Slot任务槽的映射关系实现全局的优化调度;同时,针对拓扑任务的并发度受限于JVM栈深度的缺陷,提出了一种基于蝙蝠算法的调度策略。实验结果表明,与Storm调度算法相比,所提算法在边缘节点CPU利用率指标上平均提升了约60%,在集群的吞吐量指标上平均提升了约8.2%,因此能够满足边缘节点之间的高实时性处理要求。     

基于熵权法的地域通信网节点重要性评价方法

对于地域通信网网络节点重要性权重的确定,文章提出了最优嫡权重要性评价法,将网络中节点的运行情况、节点交换能力、抗毁能力、设施费用、节点通信能力这五项指标和节点的拓扑重要性综合反映到节点重要性权重当中,使得节点重要性更加准确、符合实际应用。同时为了更加准确的评估节点的重要性,采用最优组合赋权的方法,将节点拓扑结构重要性权重（客观评价）与节点的嫡权重要性（主观评价）进行组合给出节点组合权重。     

具有动态领导节点的多智能体系统一致性分析

具有领导节点的一致性问题是多智能体协调控制重要研究内容。目前其研究结论主要集中在系统通信拓扑关系固定不变这一前提下,对于系统通信拓扑关系为动态变化时具有领导节点的一致性问题尚未得到完全解决。对系统通信拓扑关系为有向、时变情况下的具有领导节点的多智能体系统一致性问题进行研究。分析并给出了在领导节点为常值和时变两种情况下多智能体系统达到一致的条件。并通过矩阵论和图论相关知识给出了详细证明。最后通过仿真实例验证了结论的正确性。     

片上网络的星型簇结构通信能耗研究

相对于传统的平面结构,三维片上网络具有更好的集成度和性能。提出一种基于三维网格的星型簇结构的片上网络(3D SCBM-NoC),3D SCBM-NoC可以减少路由节点,降低处理节点间的通信代价。通过分析3DSCBM-NoC的拓扑结构,建立了针对星型簇结构的片上网络通信能耗模型,分别使用顺序方法和蚁群算法实现了片上网络映射。实验结果表明,相对于处理节点规模相同且数目为16的3D Mesh-NoC和2D Mesh-NoC,3DSCBM-NoC的通信能耗明显降低。     

无线传感器网络最小能量簇群构造策略

尽可能延长无线传感器网络（WSNs）的生命周期是设计和部署网络所面临的最大挑战之一。由于节点配备的能量有限，采用分簇方式组织节点可以极大地降低节点与Sink节点通信的能耗。簇群成员节点和簇头的通信方式与簇群的拓扑结构决定整个簇群的能量消耗速度。文中分析了簇群节点采用Multi-hop通信方式时，节点通过中继节点与簇头通信时能量消耗的模型，然后在选择链路的最优跳数的基础上，提出建立最小能量中继链路的方法，实现通信能耗的最小化。对WSNs的设计和实施具有一定的指导意义。     

基于节点竞争力的网络分簇拓扑控制算法

通过提出节点竞争力的新定义和研究网络分簇拓扑控制过程中簇头选择的新策略,提出了一种基于节点竞争力的网络分簇拓扑控制算法APBCS。该算法以节点剩余能量的比值、节点之间的距离和邻居节点的密度作为竞争簇头的参数,采用分环的方式实现簇头间的多跳通信。仿真实验表明,APBCS算法与LEACH算法相比较分簇更均匀,簇头选择更合理,第一个死亡节点出现时间推迟了92%,与EBAPC算法相比较,第一个死亡节点出现时间推迟了4.6%,说明比较显著地延长了网络生命周期。     

基于温度感知任务调度的3D NoC混合拓扑结构*

3D NoC较高的功率密度容易造成温度过高,对系统性能和芯片可靠性造成负面影响。利用温度感知任务调度来控制节点温度的思路是在运行时把“热”节点上的任务迁移到“冷”节点上,这不可避免会出现迁移之后任务间通信距离变大进而影响整体性能。因此,在任务调度的过程中保持通信开销已经成为迫切需求。提出了分层次的ring/mesh 混合拓扑结构RMH,可以在任务迁移的同时保持原来较小的通信延迟。仿真结果表明,相比于3D NoC拓扑结构,RMH拓扑可以有效缓解散热问题,并且平均减少31.1%的网络延迟。