局部子立方体连通的超立方体网络容错路由算法和概率分析研究

In this paper, first we analyze and give opinions of fault tolerant routing and probabilistic analysis. Then,on the basis of locally subcube-connected hypercube networks, we put forward some ideas to develop efficient fault tolerant routing algorithms and powerful probabilistic analysis techniques to study fault tolerant models and the corre-sponding routing algorithms, which is of great importance to the research of parallel computer interconnection net-works.     

具有大量错误结点的超立方体网络中的高效路由算法的设计与讨论

该文提出了容错超立方体网络的一个很自然的机关报概念;局部连通性;讨论了两种类型的局部连通性;大局中部k-维子立方体连通性和局部子立方体连通性;一个局部连通的超立方体网络可容许大量错误结点且能确保超立方体网络是全局连通的;给出了满足局部连通性条件的超立方体网络中的几个高效的容错路由算法,文中的容错路由算法是分布式的和基于局部信息的,因而具有很强的实际意义。     

超立方体网络下的自适应容错路由研究*

针对超立方体结构的多处理机系统出现故障的问题,对容错超立方体网络的局部连通性进行了研究。根据局部连通性的特点定义了相邻节点集合类的概念,提出并证明了求解两类相邻节点集合的公式。给出了满足任意子连通性条件的超立方体网络的自适应容错路由算法。该算法是分布式和基于局部信息的,可以预防死锁。仿真实验的结果表明算法是高效的,且构建的路径长度接近于最优路径长度。     

具有大量错误结点的超立方体网络中的单播路由算法的设计与分析

本文讨论具有大量错误结点的超立方体网络中的单播路由算法，假定Hn是一个局部3－维子立方体连通的n-维超立方体网络并且每一个基本的3－维子立方体中分别最多有1个和2个错误结点，本文提出的单播路由算法能够在线性时间找到路径长度分别为源结点和目的结点之间大约1．5倍和2倍海明距离的次优路径，我们提出的单播路由算法只需要结点知道其邻结点的状态，而无需知道整个网络信息，也就是说，该算法是基于局部信息的，因而该算法具有很强的实际意义。     

超立方体的全交换路由算法研究

全交换指系统中的每个处理机同时把各自的消息发送给其它所有处理机的一种通信.这是并行计算中最常用的通信模式之一。本文提出了一种新的全交换路由算法,其通信开销较小,且容易实现.文中介绍了算法的设计思想,证明了算法的正确性,并估算出算法的执行时间.     

交换超立方体网络容错路由研究

为了研究交换超立方体网络容错路由问题,引入了相邻结点集合类的概念,提出了相邻结点集的求解公式。对于满足任意子连通性条件的交换超立方体网络,给出了基于相邻结点集合类的自适应容错路由算法及算法的步长上界。仿真实验结果表明算法是有效的。     

局部扭曲立方体单播容错路由算法

在n维局部扭曲立方体存在节点故障的情况下,基于路由能力的概念提出了一种单播容错路由算法,该算法首先寻找最短路径上满足路由能力值要求的邻接节点,其次寻找非最短路径上满足路由能力值要求的邻接节点。这样求得的容错路径首先是最优路径,其次为次优路径。     

基于局部扭曲立方体的单播容错路由算法

对n维局部扭曲立方体存在节点故障时,提出了一种基于节点安全级概念的单播容错路由算法。该算法除了考虑邻接节点的安全状况外,还充分利用了局部扭曲立方体自身特有的结构,使得信息尽可能沿最优路径传递。通过模拟仿真实验可知,算法具有较高的容错能力。当故障节点的数目达到或超过一半时,算法仍能保持一个相当高的容错路由成功率,且算法所选路径在多数情况下是最优路径。     

基于局部信息的单播容错路由算法

对n维局部扭曲立方体存在边故障的情况下,基于局部信息的思想,通过存储其邻接节点的边故障信息数组并引入消息回溯机制,设计了一种单播容错路由算法。仿真实验表明,当有大量的边发生故障时,该算法也能成功地实现消息传递。     

超立方体多处理机系统中基于扩展安全向量的容错路由

针对超立方体结构的多处理机系统中存在链路故障的情况,修改了吴杰提出的安全向量的概念,提出了扩展安全向量的概念,并给出了一个基于扩展安全向量的容错路由算法,与基于安全向量的路由算法相比,基于扩展安全向量的路由算法搜索最优通路的能力有了非常大的提高,即使故障数较多时,它仍能保证把绝大多数源、目的节点间有最优通路和消息沿最优通路传递。超立方体结构中各节点扩展安全向量的赋值可以通过ｎ－１轮邻接点的信息交换     

移动环境下基于情境感知的个性化影视推荐算法研究

针对在移动环境下使用传统推荐算法进行个性化影视推荐时存在的准确度不高的问题,提出了一种基于情境感知的矩阵分解算法。该算法在基本矩阵分解算法的基础上,通过融入全局偏置和情境偏置来进行未知评分预测。该算法的优势在于：一方面,使用矩阵分解的方式使得矩阵的规模远远小于原始评分矩阵;另一方面,该算法充分融入了情境要素对评分的影响,使得预测评分更加精准。通过在LDOS-CoMoDa数据集上进行实验,结果表明,该算法在准确度上优于基于用户的协同过滤算法、基本矩阵分解算法和baseline预测算法。     

基于密度和层次的快速聚类算法在数据挖掘中的设计及实现

本论文在对各种算法深入分析的基础上,尤其在对基于密度的聚类算法he基于层次的聚类算法深入研究的基础上,提出了一种全新的基于密度和层次的快速聚类算法。该算法保持了基于密度聚类算法发现任意形状簇的优点,而且具有近似线性的时间复杂性,因此该算法适合对大规模数据的挖掘。理论分析和实验结果也证明了基于密度和层次的聚类算法具有处理任意形状簇的聚类、对噪音数据不敏感的特点,并且其执行效率明显高于传统的DBSCAN算法。     

基于拥塞控制的AQM算法研究

在对网络拥塞控制进行分析的基础上,介绍了AQM(Active Queue Management)算法的特点及网络流量特征对AQM算法的影响。根据AQM算法的发展概况,将AQM算法中的DropTail算法、RED(Random Early Detection)算法、Adaptive RED算法、PI算法、REM(Random Early Marking)算法和AVQ(Adaptive Virtual Queue)算法进行了比较评价。并对AQM算法的反馈方式及AQM算法的控制理论进行了较为详细的分析与探讨。     

竞争算法优化BP神经网络性能研究

针对诸多群智能算法容易陷入局部最优、收敛速度慢的特点，提出一种参数设置少，全局搜索能力强的竞争算法.通过10个基准函数与粒子群算法的比较，30次试验下竞争算法的平均值与最小值均优于粒子群算法，验证了该算法的有效性.用竞争算法优化BP神经网络，并对11个测试数据集进行分类，实验结果表明，用竞争算法优化后的BP神经网络在11个测试集上性能均优于原始算法，且在大部分测试集上性能优于用遗传算法优化的BP神经网络.该算法能有效提高分类正确率，增强鲁棒性.     

基于遗传算法和梯度算法的一种结构优化混合方法

基于遗传算法和梯度算法,文章提出了一种结构优化的混合方法。算例表明该方法兼具遗传算法的优良全局搜索能力和梯度算法的强大局部搜索的特点,且具有很好的工程适应性。     

MMTD算法与二值水印图像的检测

信息隐藏检测算法发展至今已有多种算法,本文中只是对二值图像的信息隐藏检测算法进行研究,并对该算法的思想和算法特征做了简略的介绍,然后提出了一种基于MMTD的信息隐藏检测算法,将MMTD算法应用到信息隐藏检测算法中是首次。因此该种算法能够作为现有检测算法的补充和改进。     

旅行商问题演化算法在NOW上的并行算法设计

介绍了当前求解TSP问题最好的演化算法之一：GT算法。文中重点设计了在NOW上求解旅行商问题GT算法的并行算法，详细描述了设计思路。设计策略。还给出了详细的并行算法描述。文中设计的并行算法已经在NOW上的PVM平台上实现。     

基于包围盒的碰撞检测算法研究

基于包围盒的碰撞检测算法是一类重要的碰撞检测算法。文章比较了几种常用的包围盒碰撞检测算法;给出了OBB包围盒的计算算法及其改进和修正算法;包围盒树的建立算法;包围盒的重叠测试和基于包围盒的碰撞检测算法;最后以OBB验证了该类算法的有效性,正确性和鲁棒性。     

基于人工蜂群改进算法的无线传感器网络定位算法

针对无线传感器网络无需测距的DV-Hop定位算法中,利用最小二乘法进行节点定位时存在较大误差的问题,提出了一种改进的DV-Hop智能定位算法。首先在详细分析DV-Hop算法中最小二乘法原理的基础上,将定位问题转化成全局最优化问题;其次根据人工蜂群算法计算最优化问题的优势,结合定位具体问题,提出了一种自适应人工蜂群算法;最后将改进的人工蜂群算法运用到DV-Hop算法未知节点的坐标估计阶段实现定位。仿真实验表明,改进的定位算法与最小二乘法及基于传统人工蜂群算法的DV-Hop算法相比,在不同锚节点比例和不同节点数的情况下,定位精度和精度稳定性都有明显提高。     

基于密度峰值优化的模糊C均值聚类算法

针对传统模糊C均值聚类算法和基于K-means++优化聚类中心的模糊C均值算法存在初始聚类中心敏感、聚类速度收敛慢、聚类算法需要人为给定聚类数目等缺陷,受密度峰值聚类算法（Clustering by Fast Search and Find of Density Peaks,CFSFDP）的启发,提出了基于密度峰值算法优化的模糊C均值聚类算法,自适应产生初始聚类中心,确定聚类数目,并优化算法收敛过程。实验结果表明,改进后的算法与传统模糊聚类C均值算法相比能够准确地得到簇的数目,性能有明显的提高,并加快算法的收敛速度,达到相对更好的聚类效果。