在任务关键型云计算服务中,构建准确的数据中心电力拓扑结构对于实现快速准确的故障处理,减轻故障事件对云计算服务质量的损害十分重要。但目前数据中心电力拓扑结构的生成过程具有劳动密集型的特点,其准确性难以得到有效评估和保障。该文设计了一种基于无监督学习的智能数据中心电力拓扑系统(intelligent data center power topology system,IPTS),不仅可为电力系统的运行部分自动生成实时变化的电力拓扑结构,而且可利用电力系统的监控数据对人工构建的数据中心电力拓扑结构进行验证。实验结果表明,IPTS可自动生成准确的数据中心电力拓扑结构,一致性比率(CR)可达到0.978,并可有效地定位人工构建的电力拓扑结构中的大多数错误。
无线自组网按需平面距离向量(ad hoc on-demand distance vector,AODV)路由协议以其较低的控制开销、能量消耗和带宽占用而广泛应用于移动自组织网络(mobile ad hoc networks,MANET).为了改善AODV在进行路由修复时存在的路由延迟的问题...
详细信息
无线自组网按需平面距离向量(ad hoc on-demand distance vector,AODV)路由协议以其较低的控制开销、能量消耗和带宽占用而广泛应用于移动自组织网络(mobile ad hoc networks,MANET).为了改善AODV在进行路由修复时存在的路由延迟的问题,提出了基于判定区域的AODV路由协议的自适应修复算法(adaptive repair algorithm for AODV routing based on decision region,AR-AODV).首先根据抢险救灾网络中节点是被统一调配的特点,提出搜寻公式,求出该公式的最优解;然后确定自修复过程发起的条件阈值;最后给出判定寻优区域的算法,减少控制开销.仿真结果表明,该修复算法改善了路由的效率.以接受统一调配的车载等移动设备为网络节点,在实际抢险救灾环境场景中对提出的自适应修复算法进行测试.结果显示,与仿真结果基本一致,整体性能改善明显.
暂无评论