控制系统中一种新的周期性任务模型及其优化调度算法

分析了控制系统中的周期任务特性 ,给出了控制系统周期性任务的一种新任务模型 - -周期性任务分解模型 ,它将系统中的控制回路分解为几个子任务 .给出适合此任务模型的调度算法——双优先级调度算法 ,引入了辅助优先级 .该算法能够控制子任务执行顺序和降低控制输入输出延迟 .分析了任务集的可调度性 ,给出了任务集可调度的充分必要条件 .最后讨论了系统性能优化的问题 ,给出了系统性能优化的调度算法     

一种带混合联盟的无线传感器网络任务分配策略

针对现有无线传感器网络任务分配策略通常不考虑任务内部结构,从而会影响网络生命周期、能耗及负载平衡等问题,基于逻辑依赖性提出一种新的无线传感器网络任务分配策略。该策略首先由选出的盟主根据任务本身具有的逻辑依赖性,逐层将任务分解为一系列的子任务,并依据逻辑依赖性赋予子任务优先级,最后运用矩阵的二进制编码设计一种基于位置加权的离散粒子群优化的带混合联盟的无线传感器网络任务分配算法,找到某个合适节点执行此子任务。引入虚拟节点以加强盟主间的交流;引入能量阈值对节点能量进行预测并决定子任务是否迁移;运用拓扑和逆拓扑排序法,根据子任务预期完成时间及权重系数求出关键子任务,选择优先分配能力强、执行效率高的节点执行相应子任务。仿真结果表明,该任务分配策略能有效延长网络生命周期、均衡网络负载和减少网络能耗等。     

基于Policy的网络管理模型的研究与实现

基于policy的网络管理支持管理系统动态扩充，得到越来越多的研究与应用，首先给出了基于policy的网络管理模型，然后定义policy服务器的体系结构和支持协同的基于policy的网络管理框架，管理框架支持管理人员对任务进行分解，用ploicy描述子任务，然后将ploicy分发到policy服务器，由policy服务器解释执行，多个域的ploicy服务器之间可以发送和接收消息以协调地运行，完成全局的管理任务，管理人员可以动态地对ploicy进行修改以适应系统的变化。     

信息聚焦下的任务分解方法

信息集成虽然消除了信息源之间的信息异构,但仍然无法针对信息需求实现高效、准确的信息聚焦。为此,在给出任务定义的基础上,提出了一种基于任务流程的任务分解算法,把任务分解为具有不同优先级的子任务,找出子任务间数据依赖和控制依赖关系,为有效实现信息聚焦提供依据。     

信息网络管理模型的研究

从提高网络的可伸缩性、网络接口的适应性和网络管理质量方面入手,以系统的观点分析信息网络管理,结合信息网络管理的基本任务实现高效安全的网络管理,提出了类似TCP/IP模型的演化管理模型。     

面向网络管理领域的流动代理的研究

在网络管理领域,对流动代理的模型、内部结构和流动模型等侧面进行了研究,并针对网络管理的管理任务,对流动代理进行了分类研究,认为基于流动代理的网络管理体系结构可以弥补传统网络管理体系结构的许多缺陷。     

网络管理发展及其关键技术

旨在对纷繁复杂的互联网网络管理技术进行合理的分类并对网络管理发展趋势进行预测.首先概述了网络管理概念,然后从网络管理技术的产生背景、网络管理功能和网络管理层次等方面分析了互联网网络管理管理的发展历程,并将网络管理发展分成了功能层次逐渐递增的3个阶段:可用性管理、网络行为监测和网络内容监管.研究认为网络管理的发展趋势是继续设法保障网络具有良好的服务质量,并将越来越注重网络秩序和网络信息安全的维护.     

嵌套式移动Agent网络管理研究

为提高传统静态网络管理方式的效率,将移动Agent技术应用于网络管理,依据迁移代码与任务代码分离编码的思想,应用任务Agent和巡航Agent构造了嵌套式移动Agent网络管理模型,针对模型导出了移动Agent的移动时间开销公式,并进行了相应的试验研究.研究结果表明,与传统静态网络管理方式相比,嵌套式移动Agent网络管理方式具有更大的灵活性、可重用性、智能性和分布性.     

面向服务的网络管理系统设计

为满足网络管理系统扁平化的需求,提出一种面向服务的综合网络管理系统。设计包含用户服务运行平台、用户门户、服务设计环境和服务管理系统的面向服务网络管理系统集成框架,引入网络管理接口仿真,以实现网络管理系统的开发和性能评估,利用网络管理仿真环境为上层系统提供实时的网络信息。实验结果表明,该系统能有效完成网络管理任务。     

基于多点映射分解的网络突变流量分解仿真

关于无线网络通信流量优化管理问题,当前网络在遭受到异常攻击,同时由于大规模登录时,流量会发生短时间巨幅变化,使得单个节点面临瘫痪风险.传统的网络调度算法是基于单个节点的分流完成的,一旦流量变化巨大,会造成分流失败,引起网络瘫痪.提出了一种多任务多点映射分解算法的网络突变流量分解管理方法.将Map函数与Reduce函数相结合,能够将网络特征构成的数据集合传递到分布式网络文件系统中,从而降低网络文件需要耗费的存储时间.将网络流量突然增大的相关特征与数据库中的任务进行分解处理,能够获取大量的子任务,完成网络突变流量的分解管理.实验结果表明,改进算法进行网络突变流量分解管理,能够极大地提高网络突变流量分解管理方法的性能,提高网络通信效率.     

基于超立方体的静态任务调度

该文给出一个基于超立方体的静态任务调度算法.在算法的设计中,首先建立了任务优先级表和处理机优先级表,任务在调度时总是顺次调度高优先级任务,然后再从处理机优先级表中选择能使该任务最早开始执行的处理机.最后,分别给出了基于LU分解的任务图与随机生成的任务图的调度结果.     

基于Web的网络拓扑发现算法研究与实现

随着计算机网络技术的发展，通过不断增加网络设备数量、扩大网络规模来满足日益增长的网络服务需求，致使网络管理尤其是二层设备的管理任务逐渐加重，实现其拓扑结构的自动发现对于现代网络管理变得尤为重要。在分析比较现有二层拓扑结构算法的基础上，结合谷歌开发的GWT技术，实现了基于Web的网络可视化管理，提高了网络服务质量，对网络开发人员和网络管理人员具有较好的参考价值。     

SNMP的综合分析及应用

为了进一步理解简单网络管理协议,通过对网络管理与简单网络管理协议（SNMP）的分析,指出了SNMP所面临的安全威胁、网络管理与SNAP的发展方向,描述了SNMP的通信模式、组成部分、通信协议与管理信息库（MIB）,指出了SNMP面临伪装、信息更改、信息泄漏、拒绝服务等安全威胁,提出了由于SNMP的SMI使用ASN.1信令描述,SNMP的核心安全具有安全隐患。描述并分析了基于Web的方式、桌面管理任务组织、分布式对象管理和下一代SNMP等网络管理发展方向。     

一种实时多任务调度方法的设计

在实时多任务系统中,当子任务的参数部分或全部相同、或子任务间存有某些约束关系时,仅由参数确定优先级会造成子任务的优先级难以区分或引起误操作,针对上述问题提出了一种以任务的关键性、价值密度为主,加入任务间约束关系的名为关键性一价值密度一任务约束的实时多任务调度方法,并给出了优先级设计规则。通过在一远程监控系统中的应用证实,该方法能体现实时任务的关键性、价值密度和任务间简单约束关系,避免了优先级相同和误操作现象,特别当任务过载时能使任务有序执行。     

基于SNMP网络性能管理的研究

网络管理软件设计的目的就是实现网络管理,国际标准化组织(ISO)定义了网络管理的5个功能域：失效管理、配置管理、安全管理、性能管理和计费管理。本文基于SNMP获取网络管理数据库中MIB-Ⅱ的对象信息,提出了网络性能管理的评定指标和计算方法,并对交换机上网络RMON模块进行了网络性能测试和理论分析,从而实现网络管理。     

基于动态双向优先级的任务分配与调度算法

提出了一种基于动态双向优先级的任务分配与调度算法,称作动态双向优先级(DDDP)算法。该算法综合考虑了实时任务的优先级和子机的优先级,构造了动态双向优先级任务分配模型,实现了数据传输中主机/子机模式的任务动态分配与调度。在模拟实验中,通过使用正常负载和过载情况下的典型数据对算法进行仿真研究表明,这种算法比单纯考虑截止期的EDF算法在性能方面有明显的改进和提高。     

下一代网络管理模型研究

本文分析了当今网络的管理状态和特点,根据下一代网络的特点和对网络管理的要求,提出了一种基于Web的网络管理模型,并对这种管理模型与传统的网络管理模型进行了对比分析。     

浅谈基于策略的网络管理

由于高可用性需求、多媒体业务的迅速增长对网络的压力越来越大,仅仅是增加网络带宽不足以解决业务量增长给网络带来的压力问题。网络管理人员还必须寻求管理网络资源的有效办法。新的基于策略的网络管理(PBN)技术有助于网络管理人员确保网络用户所需的服务质量(QoS)、安全性和能力。本文主要介绍基于策略的网络管理的目标和任务需求,组成要素或结构模式,标准和协议,以及实现过程和未来发展问题。     

基于优先级分类的工业无线网络确定性调度算法

确定性调度技术对于工业无线网络数据的实时性和确定性传输有着重要意义.本文针对工业无线网络数据流本身存在优先级分类属性的情况,基于多信道时分多址接入(TDMA)技术,在分析高优先级数据流对低优先级数据流造成的链路冲突延时和信道竞争延时基础上,对网络进行调度预处理,进而排除参数不合理的网络,并向网络管理者反馈.对于通过预处理的网络,调度算法优先为高优先级数据流的链路分配时隙和信道资源,而对属于同一类优先级的数据流,提出一种基于比例冲突空余时间的调度方案,在满足可调度性条件的前提下,根据各链路的比例冲突空余时间值从小到大依次分配时隙和信道资源.实验结果表明,所提出的调度算法可以取得较高的网络调度成功率.     

多支撑向量网络研究

基于任务分解的策略，提出多支撑向量网络算法．由于每个子网络只完成相应的子任务，因而多支撑向量网络可以解决更为复杂的学习任务．同时整个系统更容易理解和修正并且具有更好的系统性能．仿真试验结果表明该方法是有效的．