一种高效全自适应路由算法的构造框架

路由算法在大规模并行处理机 (MPP)系统中对互连网络通信性能和系统性能的发挥起着关键作用 .深入分析消息在网络中寻径特性 ,提出“最佳寻径网 (BNR)”概念 ,根据 BNR构造全自适应路由算法设计框架 ,并给出一类 Mesh网络基于 BNR的全自适应路由算法 BBFAM的设计 .性能分析表明 ,BBFAM是一类高效全自适应路由算法 ,从而证明 BNR构造框架对网络设计人员确能提供有效的路由算法设计指导 .     

一个高效完全自适应路由器的设计

路由器在大规模并行处理机（MPP）系统中对互连网络通信性能和系统性能的发挥起着关键作用。根据全自适应路由算法BNP设计框架,给出Mesh上一类基于BNP的全自适应路由算法BBFAM（thBNR-based fully adaptive algorithms on mesh);同时提出并采用动态优先级流控,“自由度”通道选择策略,设计了一个基于BNR,简洁,低代价的高效完全自适应路由器BFR（the BNR-based fully adaptive router),并采用Aletera CPLD器件构造了原型系统。     

LCFAA:一个低代价的完全自适应路由算法

大规模并行处理机系统（ＭＰＰ）中路由算法对互联网络通信性能和系统性能起着重要作用。自适应路由算法具有灵活性好、网络的通道利用率高和网络容错能力强等优点,但其实现难度较大,因而目前仅在少数ＭＰＰ系统中得以实现。文中在ｍｅｓｈ结构上提出了一个低代价无死锁的安全自适应最短虫孔路由算法ＬＣＦＡＡ,该算法所需虚通道数少,具有代价低、自适应性强的特点。文中证明了算法的无死锁、无活锁性和完全自适应性,并模拟验证     

PFR:一个基于平面的完全自适应路由器

互连网络路由器是ＭＰＰ系统的关键部件，其性能优劣直接影响系统性能。路由器根据其所采用的路由算法可分为确定性和自适应路由器两种，其中自适应路由器有灵活性好，网络的通道利用率高和网络容错能力强等优点，正逐步为新一代的ＭＰＰ系统所采用，但其工程实现难度较大。本文在ｍｅｓｈ结构上，采用虫孔路由切换技术，给出了一个可扩展性好，自适应性强的基于平面的完全自适应路由算法ＰＢＦＡＡ，并采用基于虚通道的综合流控策略     

HDRA:一种基于历史寻径信息的分布式路由算法

直接互连网络已成为构建大规模并行系统的主流网络互连体系结构,路由算法对互连网络的通信性能和并行系统性能的发挥起着重要作用。针对静态互连网络,提出一种新的基于路由表查找技术的分布式路由算法HDRA,该算法有效地利用历史寻径信息,加快路由寻径速度,提高网络传输性能,而且算法设计简单,易于硬件实现。     

一种新型自适应路由算法

自适应路由算法能够根据网络状态选择路径,可以最大限度地提高网络的性能。构造了一种新型的路由表,设计了基于粒子群优化的自适应网络路由算法（PSORA）。在局域网环境下,对PSORA和基于跳计数准则的RIP的模拟试验表明,在相同的网络负载下PSORA的路由表构造时间略大于RIP,但当网络拓扑变化时,PSORA的收敛速度明显优于RIP。提出的自适应的路由算法能够根据网络变化快速收敛,具有较好的应用价值。     

一类双环网的特征分析及寻径控制

本文首先提出双环网中任意节点之间的最短路径求取方法，而后针对一类跨度为ｈ（≤Ｌ√」＋１）的双环网进行拓扑分析（Ｎ为网络规模），并构造了一个十分简便的最优寻径算法，最后给出一个容错寻径算法。     

反图对角网格中可容错的自适应路由算法

提出一种新型的网络结构－反图对角网格，分析反图对角网格网络的优点，在这种新型网络结构上提出了一种可容错的自适应路由算法，无故障情况下消息通过无死锁确定性路由进行寻径，有故障情况下消息通过自适应路由沿着故障块进行寻径。     

具有自适应性的star网络容错寻径策略研究

大规模并行处理机系统中寻径算法对互连网络的通信性能和系统性能起着至关重要的作用,而star互连网络作为超立方体网络的最好替代之一,其寻径问题的解决变得非常重要。在有条件的容错模型基础上,对寻径时的规则进行了研究,提出了一种基于自适应规则的容错寻径算法。对算法的正确性以及容错性进行了分析。经仿真实验证明了该算法具有较高的成功概率。在边失效独立的情况下,对star网络终端对间通信可靠性进行了分析,推导出了其约束下界,并给予了证明。     

基于蚁群算法的对等网络自适应寻径协议

针对现有的蚁群算法在对等网络寻径中,不能根据访问的对等体状况去自适应克隆转发相应数目的蚂蚁,自适应设置克隆蚂蚁的TTL的问题,给出一种面向对等网络的自适应寻径模型,提出一种基于蚁群算法的对等网络自适应寻径协议AARP,描述蚁群在对等网络中自适应的克隆、寻径过程。分析和仿真实验结果表明,AARP能够以较低的寻径开销、较短的寻径时延,实现较高的寻径效率。     

支持向量机和一类模糊推理系统的等效性及其应用

支持向量机（ＳＶＭ）和模糊推理系统（ＦＩＳ）分别源于统计学习理论（ＳＬＴ）和认知学两个不同的领域．在一定约束条件下,提出并证明了ＳＶＭ 和一类基于规则的ＦＩＳ的函数等效性定理．在此基础上,提出基于ＳＶＭ 学习过程的ＦＩＳ（ＭＢＦＩＳ）的设计方法．ＭＢＦＩＳ继承了ＳＶＭ 良好的泛化能力和对“维数灾难”的避免能力,也继承了基于规则的ＦＩＳ的显式推理能力．Ｂｅｎｃｈｍａｒｋ数据实验表明,ＭＢＦＩＳ具有良好的分类性能．     

基于Web的网络管理中的授权模型

介绍了基于Ｗｅｂ的管理（ＷＢＭ）产生的背景和意义,简要分析了比较和ＷＢＭ主要的两项协议标准ＪＭＡＰＩ和ＷＢＥＭ,结合单向加密算法,构造了一个基于Ｊａｖａ的自适应网络模型ＡＪＮＭＭ,并对该模型中的授权机制进行了详细的探讨。     

不确定仿射非线性系统的自适应控制——GRBF网络学习方法

研究一类不确定仿射非线性系统的自适应控制问题,构造出基于滑动模型控制和ＧＲＢＦ网络的自适应控制器,使得对于任意的系统初值和网络初始仅重,被控系统的输出均能渐近跟踪已知参考信号,控制器设计中所需估计参数数学于实际参数个数。仿真结果令人满意。     

不确定仿射非线性系统的自适应控制--GRBF网络学习方法

研究一类不确定仿射非线性系统的自适应控制问题,构造出基于滑动模型控制和ＧＲＢＦ网络的自适应控制器,使得对于任意的系统初值和网络初始仅重,被控系统的输出均能渐近跟踪已知参考信号,控制器设计中所需估计参数数学于实际参数个数。仿真结果令人满意。     

FKCN优化的RBF神经网络

ＦＫＣＮ（Ｆｕｚｚｙ Ｋｏｈｏｎｅｎ ｃｌｕｓｔｅｒ ｎｅｔｗ ｏｒｋ）将模糊隶属度的概念用于Ｋｏｈｏｎｅｎ 神经网络的学习和更新策略中,改善了Ｋｏｈｏｎｅｎ 网络的性能,是一种更为快速有效的聚类网络。作者将ＦＫＣＮ用于优化ＲＢＦ（Ｒａｄｉａｌｂａｓｉｃ ｆｕｎｃｔｉｏｎ）神经网络基函数的中心,并将优化后的ＲＢＦ网络用于曲线拟合和非线性时间序列预测,同时与基于Ｃ－ＭＥＡＮＳ的ＲＢＦ网络进行比较。实验结果表明：采用ＦＫＣＮ优化的ＲＢＦ网络具有更好的拟合和预测能力,尤其在曲线拟合实验中,ＦＫＣＮ优化的ＲＢＦ网络可以达到最小学习误差,比Ｃ－ＭＥＡＮＳ的网络小一个数量级,可见用ＦＫＣＮ优化ＲＢＦ神经网络可以较好地提高ＲＢＦ神经网络的性能。     

多变量系统的软测量建模研究

研究加氢裂化分馏塔多个产品的质量指标同时预报的一类ＭＩＭＯ软测量建模问题,采用ＲＢＦ网络和Ｆｕｚｚｙ ＡＲＴＭＡＰ网络对该ＭＩＭＯ系统进行建模,并用ＲＢＦ网络建立了每个输出的独立的ＭＩＳＯ软测量模型。应用实例表明,所研究的软测量建模为多变量系统软件测量的工业应用提供了一种有效实用的方法。     

声纳自适应波束形成器的集成化实现

研究声纳系统自适应波束形成器的集成化实现技术，采用现场可编程门阵列（ＦＰ－ＧＡ）器件，对ＲＭＧＳＥＦ自适应算法的Ｓｙｓｔｏｌｉｃ处理阵列完成了单片化集成。电路设计过程中根据ＦＰＧＡ器件内部结构特点，对电路结构形式进行了优化。该系统具有很高的运算性能又具有体积小、重量轻、可靠性高的优点，对实时信息处理系统的小型化研究具有参考价值。     

下期主要内容

（计算机网络管理专辑）计算机网络管理技术发展电信管理网ＴＭＮ实施中若干重要问题网络管理与ＣＯＲＢＡ技术交换机性能评价通用排队模型的研究与应用ＴＭＮ系统开发中的几个重要问题一种基于Ｗｅｂ／Ｊａｖａ的网络管理业务接入方法电信管理网系统结构与开发方法符合ＴＭＮ要求的Ａｇｅｎｔ的基础结构ＴＭＮＦ－Ｑ３接口适配系统的研究与设计ＴＭＮ中管理对象组织与数据库设计网管系统数据库一致性的分析与设计网络安全管理的机制及实现模型ＴＭＮ开发平台介绍公共管理信息的Ｃ＋＋编程接口ＤＳＥＴ公司的ＤＳＧ开发平台ＴＭＮ中代理（Ａ…     

空地协同分布交互仿真中DR算法研究

推算定位（ｄｅａｄ ｒｅｃｋｏｎｉｎｇ,ＤＲ）技术是大型分布交互仿真（ＤＩＳ）系统的关键技术,在研究传统的一阶、二阶和高阶ＤＲ算法基础上,针对民航飞行、领航和地面管制综合训练的空、地协同分布交互仿真系统（ＤＡＧＩＳ）,提出了基于模型的ＳＲ算法（ＭＢＤＲ）,探讨一种自适应模型转换方法和动态门限选取问题,比常规ＤＲ算法更好地夺缩了网络通信量,讨论了与ＤＲ算法相关的平滑和延时补偿问题,在构造的ＤＡＧＩＳ     

支持向量机和一类模糊推理系统的等效性及其应用

支持向量机（ＳＶＭ）和模糊推理系统（ＦＩＳ）分别源于统计学习理论（ＳＬＴ）和认知学两个不同的领域．在一定约束条件下,提出并证明了ＳＶＭ 和一类基于规则的ＦＩＳ的函数等效性定理．在此基础上,提出基于ＳＶＭ 学习过程的ＦＩＳ（ＭＢＦＩＳ）的设计方法．ＭＢＦＩＳ继承了ＳＶＭ 良好的泛化能力和对“维数灾难”的避免能力,也继承了基于规则的ＦＩＳ的显式推理能力．Ｂｅｎｃｈｍａｒｋ数据实验表明,ＭＢＦＩＳ具有良好的分类性能．