磨损均衡算法在NAND Flash管理中的改进

由于Flash具有擦除次数有限、先擦后写的特点,会带来使用寿命有限的缺陷。为延长其预期使用寿命,普遍采用磨损均衡算法对各存储单元进行管理。该算法核心在每次写操作时将新数据写入到最少被使用的物理块中。本文对该算法在垃圾回收策略和对静态文件管理方式做出改进。垃圾回收时在遵照磨损均衡原则的前提下提高写入数据效率,同时增强该算法对不同类型的文件存储单元管理能力,从而达到更加有效的磨损均衡。     

基于逻辑页冷热分离的NAND闪存磨损均衡算法

针对现有的NAND闪存垃圾回收算法对磨损均衡考虑不足的问题,提出了一种基于逻辑页冷热分离的NAND闪存磨损均衡算法。算法同时考虑了无效页的年龄、物理块的擦除次数以及物理块更新的频率,采用混合模式选择回收符合条件的物理块。同时,推导了一种新的逻辑页热度计算方法,并将回收块上有效页数据按照逻辑页的热度进行了冷热分离。实验结果表明,与GR算法、CB算法、CAT算法以及FaGC算法相比,该算法不仅在磨损均衡上取得了很好的效果,而且总的擦除次数与拷贝次数也有了明显减少。     

基于权重堆排序的NAND Flash静态磨损均衡机制

磨损均衡机制作为闪存转换层的基础机制之一,其主要功能是延长闪存块使用寿命和提高存储数据的可靠性。现有的磨损均衡机制着重于减少闪存块的擦除次数,忽略了在磨损均衡操作过程中选择擦除脏块的不合理所带来的不必要数据迁移开销,从而影响了固态硬盘的整体读写性能。针对该问题,提出了一种基于权重堆排序的 NAND Flash静态磨损均衡机制WHWL。首先,提出一种基于页数据访问频率和块擦除次数的权重的热度计算方法,有效地提高擦除次数少（冷块）且数据访问频率低（冷数据）的目标块命中率,避免了多余的数据迁移操作;其次,提出了一种基于权重的堆排序目标块选择算法,以加快目标块的筛选。实验结果表明,与现有的PWL和BET算法相比,在使用相同映射机制的条件下,WHWL能够分别提升固态硬盘寿命1.28、5.83倍,数据迁移次数也有明显的降低。     

一种基于动态负载均衡的路由算法

传统IGP仅基于最短路径算法来为数据流选择传输通路，对数据流的需求以及网络资源的动态变化未加以考虑，因此不具备均衡网络负载的能力。文中通过分析IGP的局限性，提出基于动态负载均衡的DLB-OSPF路由算法。该算法依据数据流的带宽需求和网络资源的使用状况来进行路由选择，并通过有效手段将数据流更合理地分配到能满足传输需求的链路上。经过示例分析表明，该算法不仅能减少网络拥塞，并且提高了网络资源利用率。     

基于地址映射的NAND Flash控制器设计

针对嵌入式数据采集系统对NAND Flash进行读写控制时出现的坏块问题和磨损失衡问题,对数据采集系统的工作特点进行分析,借鉴闪存转换层的思想,提出了一种基于地址映射的NAND Flash控制方法,通过建立、维护、查询NAND Flash存储块逻辑地址与物理地址之间的映射关系表,实现NAND Flash的坏块管理和磨损均衡功能,同时介绍了使用地址映射方法的NAND Flash控制器设计过程;仿真测试和实际应用结果表明,基于地址映射方法设计的NAND Flash控制器能够识别、管理出厂坏块和突发坏块,均衡存储块的磨损,提高嵌入式数据采集系统的可靠性;该方法实现过程简单,无需移植文件系统,硬件资源要求低,为嵌入式数据采集系统中NAND Flash的读写控制提供了新的思路。     

基于贪婪策略的NAND FLASH存储器的磨损均衡算法研究

NAND FLASH存储器是无线传感器网络节点的存储设备。传感器节点在监控区域中不断获取数据信息,并进行节点之间的数据交互,使得NAND FLASH存储器频繁地进行写操作,从而造成物理块的擦除次数不均衡,缩短了存储器的使用寿命,最终影响整个传感器网络的使用寿命。针对上述问题,提出了贪婪策略的分区地址映射磨损均衡算法。该算法根据磨损擦除的参数进行贪婪选择,选择出擦除次数小的物理块进行写操作,而对擦除次数大的物理块进行配置与实验数据迁移,进入等待擦除。通过软件测试的方式,证明了所提算法可以有效地实现并优化NAND FLASH存储器的磨损均衡。     

一种基于动态负载均衡的路由算法

传统IGP仅基于最短路径算法来为数据流选择传输通路,对数据流的需求以及网络资源的动态变化未加以考虑,因此不具备均衡网络负载的能力.文中通过分析IGP的局限性,提出基于动态负载均衡的DLB-OSPF路由算法.该算法依据数据流的带宽需求和网络资源的使用状况来进行路由选择,并通过有效手段将数据流更合理地分配到能满足传输需求的链路上.经过示例分析表明,该算法不仅能减少网络拥塞,并且提高了网络资源利用率.     

基于随机游走的大容量固态硬盘磨损均衡算法

基于闪存的大容量固态硬盘(SSD)能够在未来取代磁盘.它有很多优点,包括非易失性、低能耗、抗震性强等.然而,基于NAND闪存的存储块自身存在有限的擦除重写次数的问题一直影响着它的广泛应用.当闪存芯片达到擦除重写的限制次数后,存储块上的数据就会变得不可靠.目前研究者们已经提出了一些磨损均衡算法来解决这个问题.但当固态硬盘的存储容量不断增大后,这些算法需要越来越多的内存容量来保证运行.文中提出一种基于随机游走的磨损均衡算法来应用在大容量的固态硬盘上,该算法能够很大程度地减少内存消耗.实验表明所需内存容量仅为BET算法的15.6%,与此同时磨损均衡的性能并没有降低.     

一种有效的混合式闪存磨损均衡算法

为延长嵌入式系统中作为外部存储设备的闪存介质的使用寿命,普遍采用磨损均衡算法时各物理块进行管理.本文对现有的确定性磨损均衡算法进行改进,结合随机性处理,提出HWL(Hybrid Wear Leveling)算法,不仅使磨损均衡处理只占用很少的内存开销,还能有效地进行"冷热"数据存放位置的交换.在多种逻辑页更新模式的仿真试验中,物理块彼此之间都能达到较为接近的擦除次数;与已有算法相比,磨损均衡处理引起的额外擦除较少,可延长闪存的使用寿命.     

基于分组—循环擦写的闪存磨损均衡算法

为延长作为终端外部存储设备的闪存介质的使用寿命, 采用分组—循环擦写的思想设计了一种闪存磨损均衡算法。该算法将闪存物理块分成若干组, 在满足态势信息快速存取要求的前提下, 使不同组中同一用户的信息存储区域循环地参与擦写。仿真实验结果表明该算法能够使得擦写操作较为均匀地发生在闪存上。     

基于粒子群的DV_Hop算法优化

原DV_Hop算法中存在节点间距离估算的累计误差以及待测节点坐标求解时的误差问题。在平均跳距的计算阶段,信标节点先后以两个通信半径广播自身位置信息,精确了节点间最小跳数值,加入修正因子来校正平均跳距,得到更精确的未知节点坐标。采用基于线性优化惯性权重和线性加权改进的学习因子同步变化的粒子群算法来优化待测节点位置解析误差,降低待测节点的平均定位误差。仿真结果表明,与原有算法相比,该方法可以有效地降低估算距离误差,提高待测节点的定位精度。     

基于NAND Flash的嵌入式数据库索引机制的改进

目前嵌入式系统设计中, NAND Flash和数据库的使用越来越频繁.在实际系统中,NAND Flash存储设备品种繁多,此外,数据库的存储效率还取决于应用环境中的工作负载.以Berkeley DB为原型进行改进,加入了BFTL层和动态调整机制以适应不同的设备环境和工作负载.在两种工作负载和三种设备环境中,根据改进后的数据库性能分析,得出该改进能适应各种工作负载和设备环境.     

基于卷积神经网络的信道均衡算法

在现代无线通信系统中,为了克服由传输信道的非线性以及多径效应引起的符号间干扰,解决传统信道均衡算法难以适应的时变信号均衡问题,提出一种基于卷积神经网络的信道均衡算法。通过采集实际通信系统中发送端的相位偏移调制QPSK(quadrature phase shift keying)发送符号序列及接收端的接收符号序列,并将其分割为训练集和测试集来训练及测试卷积神经网络均衡器。实验结果验证了在相同信噪比条件下,基于卷积神经网络的信道均衡算法对QPSK恢复的误符号率相比RLS算法和MLP算法分别降低了20%和5%。     

一种基于NAND闪存的嵌入式Linux文件系统

本文分析了NAND闪存的独特属性和它对嵌入式Linux文件系统提出的新要求,在此基础上提出了一个基于NAND闪存的嵌入式Linux文件系统。     

距离寻优中Dijkstra算法的优化

Dijkstra算法在求解两指定顶点间最短距离时,对两顶点之间最短路径以外的大量顶点进行了计算,而影响了算法的速度。在对Dijkstra算法分析的基础上,结合网络模型的特点,对Dijkstra算法进行了优化。优化算法基于两点之间直线最短的思想,改变了对顶点处理顺序的规则。在算法流程中只对最短路径上及其附近的顶点做了处理。而与最短路径相距较远的顶点基本不涉及。因此,在优化处中计算的顶点数量大幅减少,提高了算法的速度,给出了优化算法的正确性证明,对优化算法的实用性和效率加以讨论,优化算法在实际中已经得到应用。     

基于蚁群优化的分类算法的研究

蚁群优化是人工智能领域中群体智能分支之一,已经成功地应用于旅行推销员,作业调度,路由选择等优化问题上,但用它解决数据挖掘问题还是一个新的研究课题.对Parepinelli等人提出的基于ACO分类算法进行了改进,采用了不同的启发函数和不同的分类条件选择方法,提高了分类准确率及时间效率,并进行了理论分析及实验证明.     

基于蚁群算法优化的盲信号分离

在过程信号的去噪中,应用较新的盲信号神经网络分离(BSS)的方法,但盲信号分离神经网络存在容易陷入局部极小点、收敛速度慢的缺点.为此进一步采用蚁群算法(Ant Colony Algorithm ,简称ACA)优化盲信号分离神经网络权值的初值,将蚁群算法与神经网络(HJNN)结合形成AC-HJNN算法,可迅速得到最佳盲信号分离神经网络的权值矩阵,实现对过程信号的去噪.仿真实验表明:用AC-HJNN算法,可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能.     

基于遗传算法的汽车仪表板横梁参数优化

节能、安全和环保是汽车工业的发展方向,汽车轻量化是实现节能减排的重要手段,以重量为目标的汽车零部件结构优化设计对减轻零件重量、提升整车性能具有重要的工程意义。以上汽通用五菱股份有限公司某车型仪表板横梁总成结构为研究对象,利用有限元分析方法对汽车仪表板横梁进行性能分析,通过正交试验方法找出对汽车仪表板横梁重量和振动性能影响较大的因素,并利用遗传算法进行结构参数优化。结果表明,在不影响各项性能的前提下,通过优化设计方法,该仪表板横梁总成减重9.96%,取得了较好的轻量化效果。     

基于Spark的并行FP-Growth算法优化与实现

频繁模式挖掘作为模式识别的重要问题,一直受到研究者的广泛关注。FP-Growth算法因其高效快速的特点,被大量应用于频繁模式的挖掘任务中。然而,该算法依赖于内存运行的特性,使其难以适应大规模数据计算。针对上述问题,围绕大规模数据集下频繁模式挖掘展开研究,基于Spark框架,通过对支持度计数和分组过程的优化改进了FP-Growth算法,并实现了算法的分布式计算和计算资源的动态分配。运算过程中产生的中间结果均保存在内存中,因此有效减少数据的I/O消耗,提高算法的运行效率。实验结果表明,经优化后的算法在面向大规模数据时要优于传统的FP-Growth算法。     

基于灰狼优化算法的社交网络影响力识别算法

为了提高社交网络中用户影响力识别的准确率,提出一种基于灰狼优化算法的社交网络影响力检测算法.该算法考虑邻居节点和非邻居节点来决定用户间的相似性,并且设计迭代合并的自适应社区检测算法,无需社区数量等先验信息.在用户影响力的识别过程中,采用灰狼优化算法寻找影响力最高的用户,并为灰狼优化算法补充两个变异算子,增加种群的多样性...