中尺度数值天气预报模式MM5分布式并行计算

中尺度数值预报模式是进行中尺度天气预报的有效手段。中尺度模式MM5是国际上应用最广泛的中尺度预报模式之一。数值天气预报的巨大计算量和实效性要求必须通过高性能分布式并行计算来实现。分析了MM5串行算法的特点,研究了其并行算法的实现,讨论了算法的一些改进,给出了MM5模式在分布式并行巨型计算机上的测试结果。     

高性能RTI自适应通信机制研究

为了提高HLA仿真系统在高性能计算平台上的运行性能,针对高性能计算平台的高性能层次式通信环境,提出了一种共享内存/IB/以太网自适应RTI通信机制-SACM机制,该机制能够根据通信双方所在节点的网络拓扑信息,自适应建立延迟最小的通信连接,实现共享内存、IB等高速互连及以太网互连的自适应选择.同时在该通信机制中,针对节点内高速共享内存通信需求,提出了一种面向多盟员互连的共享内存通信算法,有效提高了节点内盟员通信效率.对象属性值更新延迟测试结果表明,该通信机制可以有效提高RTI在高性能计算平台的通信性能.     

分布式UDDI的数据一致性优化模型

UDDI注册中心本质上是一个存储着Web服务注册信息的数据库,针对分布式存储与检索体系架构中出现的数据不一致性的问题,提出了一种分布式UDDI的数据一致性优化模型。首先分析了分布式UDDI及UDDI的核心数据模型,以及在分布式环境下的异构数据源问题。在此基础上,分析了数据的一致性问题,构建了UDDI节点—数据模型间的可达性矩阵,最后研究了分布式UDDI的一致性数据存储策略。该优化模型能有效减少存储冗余和检索网络带宽的消耗。     

基于测高精度最优值的星载分布式InSAR编队构形设计方法

编队构形设计是分布式干涉SAR系统总体设计的关键问题,它必须紧密结合系统性能评价和编队运动规律进行。针对星载分布式干涉SAR的双站、斜视、空间基线等特点,以主星带辅星群分布式InSAR为例,建立干涉测高精度与基线矢量的关系;以直角坐标过渡,建立基线矢量与卫星间轨道根数差的关系,从而建立了测高精度与卫星轨道根数差的关系;以雷达工作的中间时刻达到测高精度最优值为设计准则,得到双星和多星编队设计方法;仿真分析表明根据上述设计方法得到的优化编队构形,其测高性能要优于干涉车轮和干涉钟摆编队。     

基于Markov链的分布式仿真系统最佳检查点间隔研究

基于HLA的分布式仿真系统作为一类特殊的分布式系统,其容错一般基于回卷恢复实现,在回卷恢复中检查点间隔的不同会对系统性能产生很大的影响。分析了分布式仿真容错与一般分布式系统容错的异同,根据不同仿真进程对仿真结果的重要程度对其进行了分类,定义并利用Markov链分析了采用回卷恢复时分布式仿真系统的可用度,得到了系统最大可用度对应的检查点间隔的求解等式,通过一组试验数据验证了该最佳检查点间隔求解等式的正确性。     

多分辨率建模及其军事应用

多分辨率建模是分布交互仿真中极其关键的技术,建模目的是根据情况需要动态改变分辨率,提高模型或模拟的灵活性和伸缩性,有效解决模拟复杂性与资源有限性等矛盾.介绍了当前多分辨率建模的主要方法:聚合-解聚法、一体化层次法和视点选择法.每种方法有各自的优缺点.多分辨率建模的难点主要是基础理论、一致性问题和应用研究等问题.     

基于Tornado码的复制算法

面向Internet的分布存储系统具有数据种类多、数据量大、分布广泛等特点,为了提高分布存储系统的数据访问效率,提出了一种基于Tornado码的复制算法。与传统的复制算法相比,基于Tornado码的复制算法能够提供更高的可用性、持久性和安全性,并且具有更低的存储开销和带宽开销。     

防空作战指挥队决策建模

对战术级防空作战实施过程进行了分析研究,着重研究了各种指挥方式下,防空体系整体效能的变化情况。运用队决策理论对战术决策过程进行了详细分析,提出基于分布式队决策的防空作战指挥模型,对防空C4ISR系统构建以及防空作战指挥的实践有很强的指导意义。     

分布式防空C3I系统面向对象建模方法

采用面向对象的建模思想,把分布式防空C3I系统的各个组成部分抽象成对象,从时间、空间和功能的角度对分布式防空C3I系统进行了描述.通过确定对象类、类的属性、操作及类之间的关系而建立了分布式防空C3I系统的对象模型;通过对系统状态转换的分析,建立了分布式防空C3I系统动态模型;通过对系统功能模型的分布,利用层次数据流图建立了分布式防空C3I系统功能模型.     

The stochastic single resource service‐provision problem

The service‐provision problem described in this paper comes from an application of distributed processing in telecommunications networks. The objective is to maximize a service provider's profit from offering computational‐based services to customers. The service provider has limited capacity and must choose which of a set of software applications he would like to offer. This can be done dynamically, taking into consideration that demand for the different services is uncertain. The problem is examined in the framework of stochastic integer programming. Approximations and complexity are examined for the case when demand is described by a discrete probability distribution. For the deterministic counterpart, a fully polynomial approximation scheme is known 2 . We show that introduction of stochasticity makes the problem strongly NP‐hard, implying that the existence of such a scheme for the stochastic problem is highly unlikely. For the general case a heuristic with a worst‐case performance ratio that increases in the number of scenarios is presented. Restricting the class of problem instances in a way that many reasonable practical problem instances satisfy allows for the derivation of a heuristic with a constant worst‐case performance ratio. Worst‐case performance analysis of approximation algorithms is classical in the field of combinatorial optimization, but in stochastic programming the authors are not aware of any previous results in this direction. © 2003 Wiley Periodicals, Inc. Naval Research Logistics, 2003