高效的Crossbar仲裁算法--ISP

交换开关是高性能路由器的核心,目前高性能骨干路由器一般采用基于输入队列的ｃｒｏｓｓｂａｒ交换开关。高效的ｃｒｏｓｓｂａｒ仲裁算法对路由器设计十分重要,文中提出一种轮询与Ｒｏｕｎｄ Ｒｏｂｉｎ相结合的仲裁算法－ＩＳＰ（Ｉｎｐｕｔ Ｓｅｒｉａｌ Ｐｏｌｌｉｎｇ）。轻负载时ＩＳＰ算法与ｉＳＬＩＰ算法性能相当,重负载时ＩＳＰ算法在宽带利用率、信元平均延时和公平性等方面优于ｉＳＬＩＰ算法,ＩＳＰ算法实现简单     

基于优化算法的冲突仲裁策略

该文提出了一种基于优化算法的冲突仲裁策略。在约束网络支持的并行设计过程中，建立了冲突仲裁的数学模型，设计了反映冲突严重程度的指标，并针对该指标利用基因算法进行优化求解。与以往的冲突解决方法不同，该方法利用设计参数区间的可扩展性，找到了制约设计问题的瓶颈，以最小的设计区间损失争取到最佳设计指标，从而达到有效解决冲突的目的。与约束网络相配合，该方法能够在并行设计的初期就监控设计过程，提早解决冲突以避免后期出现大返工。文中最后利用了转向架的设计实例说明了该方法的有效性。     

PCI总线加权优先循环仲裁算法

文章介绍了在PCI系统结构中新的总线仲裁机制,提出了加权优先循环算法。该算法是基于优先算法和公平循环算法的访问策略,它的特点是避免了优先算法中高优先级的PCI主设备在重新请求访问总线时独占总线,同时也解决了公平循环算法中各主设备对总线访问的平均性问题,使得仲裁器可以根据不同设备的性能要求,分配不同设备不同加权因子,使高性能和高速度设备能及时访问总线,降低访问延迟时间。     

基于VOQ交换结构的仲裁算法分析

信头阻塞（HOL）限制了采用FIFO输入队列交换机的吞吐率，而使用虚输出队列（VOQ）技术可以完全消除HOL阻塞，给出了VOQ交换机模型，提出了对VOQ仲裁算法的分类方法和评价指标，分析了基于VOQ交换结构的MSM和MWM近似算法，并对其性能进行了分析比较。     

一种动态调整惯性权值的粒子群算法

粒子群算法针对速度变量的调节不够精确,算法在迭代过程中容易陷入局部最优,函数目标值的精度比较低。为了得到更加精准的目标值,提出一种改进的粒子群算法,对粒子群算法的惯性权值参数进行动态调整。算法将惯性权值参数设置为由粒子位置、个体最优位置和全局最优位置影响的可变参数组,通过各个位置之间的距离来控制参数的改变。该改进粒子群算法针对每一个粒子的每一维度都设计其对应的惯性权值参数。该改进算法经过和其它算法进行比较测试,结果显示改进的算法得到的解值更加精准。     

SOC总线仲裁算法的研究

集成到SOC中的功能模块越来越多,对于共享总线的SOC系统,片上仲裁是使得各个模块有效运作的必要手段。本文论述了SOC仲裁的基本原理,首先从目前SOC系统中常用的仲裁算法入手,分析了这些算法的特点。同时,在单一仲裁算法的基础上,针对不同的复杂SOC系统,提出了几种多层仲裁算法,并分析了各自的特性。     

一种优化的光纤通道仲裁环带宽分配算法

依据实时系统中的周期任务模型,研究了一种带宽分配算法实现合理的带宽分配,以保证各节点的消息均能实时传输,并用粒子群算法对其进行了实现。     

网格计算中的调度算法研究

主要研究了在网格环境中,基于大规模分布式资源集合上并行应用程序的调度算法,提出了一个新的调度算法——Segment Qos Min—Min P．R。该算法结合了Min-Min调度算法、RR调度算法、Qos Guided Min—Min Heuristic调度算法、Segmented Min—Min调度算法的优点于一身,并用GridSim模拟器对该算法的性能进行了仿真。     

基于传输时间精确预测的片上总线仲裁算法

片上系统中各主设备有不同的实时性和带宽要求,它们竞争使用片上系统总线.总线仲裁器采用各种仲裁算法试图满足实时性和带宽要求,但已有算法很难同时满足这两方面的要求.提出一种基于传输时间精确预测的仲裁算法,采用该算法的仲裁器能够精确地预测在当前仲裁机制下各个请求的完成时间.因此能判断哪些主设备的实时性可能会被违反,从而提前改变总线仲裁策略以满足各主设备实时性要求.同时,采用该算法后仲裁器并行比较主设备的实际传输带宽和需求带宽的差别,及时调整优先权以实现对带宽的精确分配.实验结果表明,该算法比常见的5种算法在实时性要求满足百分比方面平均提高66.47％,很好地满足了各主设备在各种情况下的强实时要求.     

基于FPGA的PCI总线仲裁器设计

利用现场可编程门阵列（FPGA）设计PCI总线仲裁器,以适应各种不同要求的应用场合。遵循总线仲裁循环优先级算法原则．选用分布式仲裁结构．利用VHDL语言将PCI总线、总线仲裁器和功能模块进行联合优化设计．实现基于FPGA的PCI总线仲裁器。     

神经网络学习中“附加样本”的技术

本文将网络的先验知识和网络的样本集知识有机结合起来,提出“附加样本”的神经网络新学习算法,其计算复杂性仅为多项式(上界≤O(n⁴)),用该算法可以设计出性能更好的神经网络.本文第1节简单介绍FP算法以及FP覆盖算法,第2节提出FP统计附加样本算法.最后举一例子说明用该算法可以设计出性能良好的网络.     

一种WFA仲裁模式优化算法

本文研究了WFA仲裁算法,WFA采用的固定轮转优先级的仲裁算法,没有考虑到各端口队列的长度和消息包的缓急情况。本文针对WFA算法存在的这种不足提出了一种改进算法,该算法易于实现、仲裁更公平,通过软件建模的方式进行了模拟,模拟结果表明,优化具有较好的效果。     

自适应权值调整GS图像分割算法

近期国内外分割算法研究表明，当目标局部边缘性质相差较大时，局部自适应分割算法较全局分割算法可以取得更好效果。为了快速地进行GS（Greedy Snake）图像分割，提出了一种不规则形状自适应图像分割算法，用于图像目标物体的边缘检测，同时基于伪逆算法，提出了一种自适应调整参数的方法，该方法保留了算法的反馈机制。在系统动态仿真中，为了避免动态边缘的停滞，新算法继承了greedy Snake算法的能量公式，同时根据附近目标轮廓边缘及其周围测试点的性质，通过调整其权值参量来达到调整局部特性的目的，以便使轮廓自适应地逼近目标边缘。计算机仿真结果表明，将新算法模型用于捕捉多种目标物体的边缘，可较其他Snake算法取得较为良好的效果。     

基于FP算法的神经网络综合方法

本文应用ＦＰ算法，给出神经网络两个常用的综合方法：合并法与递归法，并通过具体实例，介绍这些综合方法的基本思想。     

基于EPLD的PCI总线仲裁器的设计与实现

以自行研制开发的 ＰＣＩ高速总线背板为背景,系统地论述了 ＰＣＩ总线的仲裁机制、总线的缺省占用、仲裁信号协定及优先级仲裁算法,给出了采用 Ｅ Ｐ Ｌ Ｄ实现仲裁器功能的编程设计。     

用自调整S函数提高神经网络BP算法

学习算法是BP前馈神经网络研究中的核心问题。文中阐述了几种重要的BP算法的改进算法，提出了一种新的学习算法，即自动调整S型函数形状的算法，从理论上证明了此方法在一定前提条件下的可行性，给出了进行S型函数形状自动调整的公式。仿真实验证明了新学习算法用于非线性系统建模时的有效性。     

基于动态范围调整语音特征调整算法分析

本文简单介绍了几种减少噪音带来的待识别信号特征与模型特征不匹配的方法,针对噪音环境下语音特征的变化特点,重点分析了归一化方法,并对动态范围调整方法做了重点的介绍。通过分析孤立词识别中存在的问题,提出了在连续语音特征曲线中基于动态范围调整的新方法。     

基于半环仲裁集的环网分布式互斥算法

分布式互斥是环网分布式系统的重要问题.根据此类系统的特点,提出了新型的分布式互斥算法.该算法以请求者自身为中心,基于半环生成分布式互斥仲裁集;采用Lamport逻辑时戳保证消息的时序性;算法采用"探测"消息进行系统的容错处理.分析与仿真证明,该算法具有较低的消息复杂度、较短的响应延迟以及较好的容错性能.     

基于FP算法的AVE局部模型划分

局部模型的划分是简化敏捷虚拟企业(Agile Virtual Enterprise,AVE)决策问题的重要方法,划分结果可能直接影响到敏捷虚拟企业的建立方式、AVE模型的优化以及合作伙伴的选择等。为了很好地完成AVE局部模型的划分问题,提出一种基于多层反馈神经网络的局部模型划分方法。该方法采用三层网络结构,各层完成指定的任务,第一层完成各输入向量的相似度是否大于给定值的判别;第二层则将相似度大于给定值的输入向量映射到同一类值,从而完成预分类;再利用反馈网络的反馈作用完成最后的分类。其结构清晰、分类灵活、学习的复杂性最低且网络的性能良好。