多数据项请求的多信道并行广播调度算法

为减少数据广播中用户请求的平均访问时间、提高广播性能,提出了一种新的基于减少数据访问冲突和应用重复广播技术的广播调度算法。该算法有效减少了多信道并行广播中多数据项请求的访问冲突,对热点数据项采取重复广播技术,极大地减少了对热点数据项请求的访问时间。仿真实验结果表明,该算法有效地降低了平均访问时间,提高了数据广播性能,特别是在访问概率偏斜率较大时具有更好的性能。     

移动环境下多数据项请求广播的改进算法

在移动计算环境下,为提高多数据项请求广播的响应率,提高服务器的响应能力,研究了广播内容选择对响应率的影响,提出了一种新的广播内容选择方式,并对多数据项请求广播调度算法QEM（Query Extend Method）进行了改进。试验结果表明改进后的算法能进一步提高多数据项请求广播的响应率。     

多数据项广播调度策略

多数据项广播是移动计算环境中一种重要的数据访问方式.为减少用户的平均访问时间和响应最多事务请求,提出了一种新的多数据项广播调度策略.调度策略分为两个阶段,第一阶段根据各事务包含的数据项数目和对重复申请数据项的处理选择事务请求;第二阶段对已选择的事务请求用QEM算法进行调度.实验结果表明,它比现有的QEM算法有更高事务调度成功率和更短的平均访问时间.     

无线环境中多数据项广播调度算法综述

数据广播是无线环境中信息传递的主要方式,其中多数据项广播是一个重要且具有挑战性的研究热点.对多数据项广播调度算法进行了综述.分类介绍了各种典型算法,并做了系统的比较和分析,最后讨论了该领域研究的未来发展方向.     

移动环境下多数据项请求的广播策略研究*

提出了一种移动环境下的多信道试探广播策略MCHM（multiple channel heuristic method）。该广播策略在多信道广播中采用高效的数据调度算法,在不重复广播的情况下,消除了多信道广播中多数据请求的访问冲突,大大减少了移动客户机的访问时间,提高了数据广播的性能。     

移动环境中请求多数据项的广播调度算法

提出移动环境中请求多数据项的广播调度算法——基于权重的调度算法(BWS)和权重比截止时间算法(WID)。BWS算法根据数据项对客户的满足情况确定权重,并以数据项的总权重作为调度的依据,同时考虑数据项的使用频率和数据项对于客户的满足情况。WID算法以总权重与截止时间的比值作为调度依据,同时考虑广播效率和紧急性的要求。在数据广播调度方面这2种算法比传统的算法具有更好的性能。     

基于贪心策略的多信道数据广播调度算法

为减少多信道数据广播环境中的多信道平均延迟时间,提出一种基于贪心策略的多信道数据广播调度算法,将数据项合理地分配到各信道,最小化多信道数据项平均访问时间,在每个信道内采用近似最优的Log-time算法。实验结果表明,在不同的系统环境下,该算法都能够达到近似最优的性能。     

基于期限的多请求数据检索问题研究

给定一个包含多条信道的集合以及一个包含多个请求的集合,其中每一个请求包含多个请求数据项并且希望在一定期限内下载到,基于期限的多请求数据检索问题指当客户配有多条天线时寻找一个在期限内下载多个请求的数据检索序列,使得所有天线的最大访问延迟最小化。大多数现有数据检索方法关注于单个请求或者单条天线,很少研究当客户配有多条天线时多请求的数据检索问题,尤其是每一个请求的检索有时间约束。基于此,本文提出一种多请求的数据检索算法,以调度合适地天线检索这些请求并找到关于这些请求的检索序列,从而平衡在各天线上的访问延迟。针对单请求的数据检索,本文采用最大团思想寻找下载该请求中所有请求数据项的访问模式,使得检索该请求的访问延迟以及期限丢失率最小化。     

无线数据广播中变长数据项偏斜调度算法

针对数据广播中用户访问时间最小化的问题,提出一种变长数据项的偏斜广播调度脱机算法。该算法在数据广播的平方根规则基础上,确定每个数据项的广播频率和在信道上的平均实例间隔,以此为依据选择生成周期广播序列。实验结果表明,该算法获得的平均访问时间接近于理论最优值,平均误差率在6%左右。     

分布式流数据频繁项发现算法的研究

对分布式流数据中频繁项的发现算法进行了研究,利用一种新颖的分布式概要算法(DSA)来发现从叶子节点直至根节点的概要结构,通过在不同的分布状态下设置相应的精确梯度来最小化通信负载,并利用真实数据集验证了该结构和算法的有效性。     

基于多QoS约束的数据网格任务调度算法研究

针对数据网格环境下的多QoS约束任务调度问题,提出了一种基于最早完成时间与QoS相识度的数据网格任务调度算法(data grid task scheduling algorithm based on Min-min and QoS similarity,MS-GTSA).该算法将最早完成时间与S-GTSA算法相结合,在任务调度过程中,选取任务QoS约束与资源QoS匹配最佳,且完成时间最早的一项优先进行调度.在满足任务最佳QoS匹配的同时,时间跨度得到了较大的改善.仿真结果表明,该算法有效降低了任务调度的时间跨度,在综合性能上较S-GTSA算法有所提高.     

基于多实体的矢量数据压缩改进算法

矢量数据压缩在地形环境仿真、制图综合、GIS等研究中具有重要作用,对增加移动设备的存储能力和提高矢量数据的网络传输效率来说是一项很重要的工作。根据动态规划算法理论、Douglas-Peucker算法和矢量数据的特点,提出了基于动态规划算法的矢量数据压缩的模型和改进方法,通过一条参考路径构造一条带形成最小误差搜索范围,同时条带宽度可自适应调整。并将单一实体的优化压缩算法扩展为基于多实体的压缩算法,解决了图层压缩的全局优化问题。实验结果表明,该方法具有较高的效率,能够得到较小的压缩误差。     

基于权重的流数据频繁项挖掘算法的应用

针对Lossy Counting算法,即一个基于计数的确定性方案,提出一种新的基于权重的流数据频繁项挖掘算法(Lossy Weight),扩展了流数据频繁项的作用域.Lossy Weight算法不仅可用于传统的基于计数的频繁项挖掘,还可以挖掘出在整个流数据中所占权重比重大于门槛值的数据.实验数据分析证明该方案是有效的.     

流数据上的频繁项挖掘算法

提出了一种流数据上的频繁项挖掘算法（SW-COUNT）。该算法通过数据采样技术挖掘滑动窗口下的数据流频繁项。给定的误差ε,SW-COUNT可以在O(ε-1)空间复杂度下,检测误差在εn内的数据流频繁项,对每个数据项的平均处理时间为O(1)。大量的实验证明,该算法比其他类似算法具有较好的精度质量以及时间和空间效率。     

On the performance of real-time multi-item request scheduling in data broadcast environments

On-demand broadcast is an effective wireless data dissemination technique to enhance system scalability and capability to handle dynamic data access patterns. Previous studies on time-critical on-demand data broadcast were conducted under the assumption that each client requests only one data item at a time. With the rapid growth of time-critical information dissemination services in emerging applications, there is an increasing need for systems to support efficient processing of real-time multi-item requests. Little work, however, has been done. In this paper, we study the behavior of six representative single-item request based scheduling algorithms in time-critical multi-item request environments. The results show that the performance of all algorithms deteriorates when dealing with multi-item requests. We observe that data popularity, which is an effective factor to save bandwidth and improve performance in scheduling single-item requests, becomes a hindrance to performance in multi-item request environments. Most multi-item requests scheduled by these algorithms suffer from a starvation problem, which is the root of performance deterioration. Based on our analysis, a novel algorithm that considers both request popularity and request timing requirement is proposed. The performance results of our simulation study show that the proposed algorithm is superior to other classical algorithms under a variety of circumstances.     

An Efficient Algorithm for Near Optimal Data Allocation on Multiple Broadcast Channels

In a wireless environment, the bandwidth of the channels and the energy of the portable devices are limited. Data broadcast has become an excellent method for efficient data dissemination. In this paper, the problem for generating a broadcast program of a set of data items with the associated access frequencies on multiple channels is explored. In our approach, a minimal expected average access time of the broadcast data items is first derived. The broadcast program is then generated, which minimizes the minimal expected average access time. Simulation is performed to compare the performance of our approach with two existing approaches. The result of the experiments shows that our approach outperforms others and is in fact close to the optimal.     

基于约束的不确定数据频繁项集挖掘算法研究

针对基于约束的不确定数据频繁项的经典挖掘算法——U-FPS算法的不足,提出了适用于基于约束的不确定数据的新算法——UC-Eclat挖掘算法。该算法不需要构建频繁模式树,而采用了数据库垂直模式求交集的方式来计算支持度的方法,提高了挖掘效率。