基于颜色Petri网和Lookahead的数据分发管理研究

对高层体系结构（HLA）中数据分发管理（DDM）的研究,主要目标是在符合HLA标准的前提下,提高数据的过滤效率,同时减少计算量,并提供较好的可扩展性适应于各种规模的分布式仿真应用。Lookahead是分布式模拟时间管理协议中的一个重要概念,各模拟实体使用Lookahead把自己产生事件的时间标记情况更早地通知给其它实体,以加快程序的运行。采用颜色Petri网和Lookahead的数据分发机制,能够很好地对数据进行过滤,提高数据的过滤效率,并能保证数据收发的成功率。仿真实验结果表明：基于颜色Petri网和Lookahead的数据分发机制是优于区域匹配方法的。     

基于网格的最优网格数据过滤机制研究及实现

该文总结了高层体系结构（HLA／RTI）中数据分发管理（DDM）目前常用的几种机制,并分析对比了它们各自的优缺点。在此基础上给出了基于网格技术的最优网格的数据过滤机制（Best—Grid—Based Filtering）的实现方法,给出了它的理论模型及其计算公式,并将这种数据过滤机制运用于森林协同灭火子系统中。通过试验验证,最优网格数据过滤机制实现了高层体系结构中数据分发管理在局域网上数据过滤的高效性,有效地减少了网络的冗余负载量提高了带宽的有效利用,进而满足了交互仿真的实时性与逻辑正确性。     

HLA中基于Agent的层次过滤机制

数据分发管理是HLA接口规范中定义的六大服务之一。为解决仿真应用中网络带宽、处理资源受限和提高系统可扩缩性提供了可能。文章介绍了HLA中数据分发管理DDM的基本内容；研究分析了最新发展的基于移动Agent的实现方法，提出了基于Agent的层次过滤机制对其进行了改进，解决了仿真结点计算能力受限的问题。     

HLA中的数据过滤机制

高层体系结构HLA是分布式仿真的一种技术框架和集成标准,它提供了一种数据过滤机制来判断每个仿真应用可以产生、发送和接收什么样的信息。这种数据过滤机制可以有效的提高整个仿真系统的可扩展性,它的具体实现就是声明管理和数据分发管理。该文在对HLA中的数据过滤机制深入研究的基础上,详细分析了该机制的基本原理,并通过其典型算法的介绍．阐述了该机制的具体实现方法。     

HLA中的数据过滤机制

高层体系结构HLA是分布式仿真的一种技术框架和集成标准,它提供了一种数据过滤机制来判断每个仿真应用可以产生、发送和接收什么样的信息。这种数据过滤机制可以有效的提高整个仿真系统的可扩展性,它的具体实现就是声明管理和数据分发管理。该文在对HLA中的数据过滤机制深入研究的基础上,详细分析了该机制的基本原理,并通过其典型算法的介绍,阐述了该机制的具体实现方法。     

一种混合的动态DDM实现方法

介绍了HLA中数据分发管理DDM的基本内容和过程，分析了目前两种经典的DDM实现方法；在此基础上综合了现有方法的优点，提出了一种混合的动态的DDM实现方法，提高了区域匹配的精度，降低了网络资源的消耗，对DDM方法进行了改进。     

HLA/RTI仿真平台的数据分发管理

在基于 HLA/RTI 的大规模交互仿真中,如何高效地实现数据分发管理的信息交互和传递机制是分布式交互仿真的重要内容。介绍了 HLA 仿真中的联邦开发和执行过程模型和数据分发管理,提出了一种新的数据分发管理算法,并阐述了该算法的理论和具体实现方法。通过分析采用该算法的数据分发管理仿真系统,证明该算法有效的提高了数据过滤效率,从而缩短系统仿真时间。     

关于DDM 1516与DDM 1.3的研究

高层体系结构（HLA）是一种构建分布式仿真应用的体系结构。HLA中的数据分发管理服务，建立有效的通信连接，减少发送给成员的数据量。HLA规范听IEEE1516版本中的定义不同于先前的DoD1．3版本。文中给出结论：IEEE1516规范中的DDM服务至少与DoD1．3中的DDM服务功能相当。     

区间树在DDM区域匹配中的应用

数据分发管理（DDM）是降低网络冗余数据的有效手段,区域匹配算法又是数据分发管理实现的关键。当前的多种匹配算法如直接匹配法、网格法、排序法等效率都不够理想,或者过滤效果不佳,或者耗时较长。通过对数据过滤机制的深入研究,提出了基于区间树的区域匹配算法——ITBM算法,该算法将范围的上下界映射到一个区间内,使用区间树来存储区域范围,通过对区间树的直接操作来完成匹配工作。结果表明,ITBM算法大大减少了匹配计算的时间,有效地减少了动态DDM的维护开销。     

HLA/RTI中DDM小模型的实现

该文简要介绍了HLA中DDM存在的必要性 ,之后从一般分布式的观点分析了HLA及DDM实现的原理 ,同时给出了存在DDM的情况下 ,HLA中数据公布和订购的基本流程。最后介绍了DDM已知的实现方法和我们的实现方法 ,同时详细地给出了对象属性和交互的请求应答机制。     

基于权重函数的混合DDM算法

高层体系结构已成为分布式仿真通用技术框架的核心,其中数据分发管理服务则为其提供了有效的数据过滤机制.目前常用的几种DDM算法,如基于区域的算法、基于网格的算法和简单混合的算法(基于网格的DDM和基于区域的DDM混合使用)等都存在着一些不足.基于权重函数的混合DDM算法是在简单混合的DDM算法基础上加入了对路经空间中所划分网格的权重函数设立机制和对冗余信息、虚假信息的控制机制.实验结果表明,该算法在减少算法执行时间,尤其是降低网络中的数据传输量和减少组播地址消耗方面,体现出良好的性能,进一步满足了系统的可扩缩性要求.     

一种基于跳表的DDM相交区域快速查询算法

HLA是为提高仿真系统的互操作性和可重用性而提出的新型分布仿真标准。HLA中数据分发管理服务的目的是通过邦员对数据公布和订购区域的表达来过滤一个邦员所接收到的数据,同时减少对网络带宽的消耗。DDM的核心是多维矩形区域动态相交查找的问题,其算法性能的好坏对DDM的效率是至关重要的。现有的一些动态区域查找算法还不能同时满足高效、精确且易于实现等要求,为此设计出一种基于跳表数据结构的用于快速相交区域查找的区问跳表,同时分析了区间跳表的构造原则以及基本操作的流程,并在此基础上提出了基于区间跳表的相交区域查找算法。该算法的匹配精度高,时间复杂度低,且具有编程实现简单的特点。     

HLA中数据分发算法的研究

介绍高层体系结构HLA的数据分发服务的相关概念;阐述使用组播进行DDM优化的原理和过程;分析了两种常用DDM算法,重点研究基于聚类的DDM 算法及其在运行中的效率;通过添加簇维护策略,实现对聚类DDM算法的一点改进;最后根据仿真实验结果对比得出改进方法的系统消费、簇重建次数明显减少的结论.     

基于移动Agent的DDM过滤机制

该文在分析基于区域和基于网格两种传统DDM过滤机制中区域匹配速度慢、不相关数据多等不足的基础上,提出了一种基于移动Agent的新的DDM过滤机制,并对移动Agent模型和管理Agent模型进行了分析和设计.     

基于兴趣层次的RTI拥塞控制研究

大规模分布式仿真造成数据的爆炸性增长,极大地限制了仿真的规模化和持续性.因为高层体系结构HLA(high level architecture)体系本身固有的缺乏对数据要求级别的定义,RTI(runtime infrastructure)不能充分利用仿真应用的特点进行拥塞控制.兴趣层次描述了不同的接收者对数据的需求差异,提供了一种引入QoS(quality of service)、拥塞控制和层次化数据分发管理DDM(data distribution management)等技术的基础.将兴趣层次理论应用到RTI的运行机制,提出了一种基于兴趣层次的相位过滤算法以进行运行时支撑环境RTI的拥塞控制.实验表明,基于兴趣层次的相位过滤算法对于控制RTI拥塞状况是有效的,同时具有关键数据和传输稳定性的保障.     

数据分发管理匹配算法的R-树实现

数据分发管理（DDM）是高层体系结构（HLA）接口规范的6类服务之一,高效的区域匹配算法是DDM研究的重点和难点．当前的多种匹配算法往往只适用于特定的应用环境,且效率不够理想．R-树法是在空间索引技术的基础上提出的一种新的匹配算法,该方法用R-树对DDM区域的矩形进行组织,并利用Hash索引对其叶结点的组织方式进行了改进．实验结果表明R树法可有效减少动态DDM的维护开销,提高分布交互仿真的实时性,通过调整R-树的相关参数,可以进一步改善匹配算法的性能．     

基于HLA的视景仿真网络数据量处理技术的应用

在多武器平台、大战场环境的视景仿真中,仿真实体与仿真节点的过多使不必要网络数据量大大提高.为了减少不必要网络数据量,该文从实用性的角度介绍了两种应用技术,一是应用HLA中数据分发管理服务（DDM）来限定传输数据的范围,按照数据值域来对数据的接收和发送进行过滤,有效降低了冗余数据的传输,该文提供了接收方的实现方法与主要代码;二是采用DR递推算法控制节点的数据发送,有效降低了数据帧的发送频率并使视景中仿真实体运动平滑无跳动,该文介绍了DR算法与DR模型并提供了实现一种算法的代码.     

分布式虚拟现实中数据分发管理算法研究

分布式虚拟现实（Distributed Virtual Reality,DVR）系统具有仿真实体数目较大,实体间信息交互频繁等特点,现有的网络带宽资源又十分有限,因此如何降低网络冗余数据,充分利用网络带宽资源及提高网络上有效数据的传输速率成为一个重要的研究方向。因此,结合分布式虚拟现实中数据的特点,利用IEEE 1516标准-高层体系结构HLA（HighLevel Architecture）对分布式虚拟现实中的数据分发管理（Data distributed Management,DDM）算法进行研究。     

一种基于网格的DDM区域匹配算法

在大规模分布式交互仿真中,数据分发管理(DDM)的重要功能是减少联邦成员接收不相关数据,实现数据过滤。它允许联邦成员在路径空间中通过更新区域或订购区域表达它们要发送或接收数据的范围,通过区域匹配运算确定数据供求关系,实现数据过滤。其关键是如何减少需要匹配的区域,以减少区域匹配运算量,文章以此为目的,提出一种基于网格的区域匹配算法。     

大型分布交互式仿真系统的DDM策略研究

分布交互式仿真是未来仿真技术发展的方向.大型分布交互式仿真应用具有仿真实体数目较大、实体间信息交互频繁等特点,而分布仿真应用基于的网络带宽资源又十分有限,因此如何降低网络冗余数据,充分利用网络带宽资源以提高网络上的有效数据的传输效率成为一个重要的研究方向.数据分发管理DDM的目标是滤除仿真运行中网络上的无用数据,减少网络上的数据.文中简单地介绍了HLA的基本思想,阐述了路径空间的概念,并结合多目组通讯技术,描述了几种实用的DDM策略,比较了它们的异同点,为选用合适的数据滤除方法管理大型分布仿真的大规模数据提供了依据.