四方网格和正三角网格上米堆模型的幂次行为

本文对在四方网格和正三角网格上的具有决定性倒塌过程的二维自组织临界米堆模型的临界行为进行了数值研究。雪崩大小的概率统计分布服从幂次规律。系统的临界行为对空间结构的依赖并不敏感。四方网格上的米堆模型的临界雪崩指数为sτ=1.09±0.02,aτ=1.10±0.02和tτ=1.14±0.02。正三角网格上的米堆模型的临界雪崩指数为sτ=1.10±0.02,τa=1.10±0.02和tτ=1.15±0.02。它们在误差范围内是一致的,四方网格和正三角网格上的米堆模型同属于一个普适类。但二维米堆模型和BTW沙堆模型属于不同的普适类。

基于主动网络的分布式P2P网络模型

分布式P2P网络Gnutella模型的对等机共享信息查询的搜索、定位路由协议仅使用洪泛算法,因此存在可扩展性问题.同时,由于其协议机制仅在应用层实现,缺乏对Internet底层通信子网路由资源的利用,存在性能与效率不高的问题.为了解决上述问题,考察了Gnutella网络和Internet网络节点的拓扑分布规律,二者不仅均呈现幂规律(powerlaw)和小世界(smallworld)特征,而且其幂系数t非常近似.提出了一个基于主动网络技术的分布式P2P网络(activedistributedpeer-to-peernetwork,简称ADP2PN)模型,并实现了其原型系统.通过对原型系统体系结构和信息查询的路由协议算法的模拟与分析表明,ADP2PN模型可以解决上述可扩展性以及性能与效率所存在的问题,模型是合理而有效的.

利用Gnutella网络的拓扑特性改进其可扩展性

分布式P2P网络Gnutella模型拓扑节点的分布不仅呈现典型的“幂规律”(PowerLaw),而且还具有明显的“小群体”(SmallWorld)特征。但是其对等机共享信息查询的搜索、定位路由协议仅使用“洪泛”算法,因此存在可扩展性问题。论文针对Gnutella网络拓扑节点具有的这些分布特性,提出了一种充分利用这些特性,基于“最大聚集度优先”的查询包路由改进策略,经模拟分析其协议的性能后证明,该策略能有效地提高Gnutella网络的可扩展性。

一种基于AS的Internet拓扑模型

分析Internet中AS的变化规律,提出一种拓扑模型。根据对Internet拓扑变化的统计计算出模型参数。仿真结果表明,该模型生成拓的特性比BA模型更接近Internet。

基于推荐策略的P2P资源搜索算法研究与实现

针对结构化P2P架构中DHT算法面临的路由性能问题和节点加入/退出时的结构维护问题,提出了一种基于推荐策略的搜索算法RPSA,对现有DHT算法加以改进,并在P-Grid算法的原型系统上验证了RPSA的有效性。

复合型路由器级拓扑模型

针对HOT模型的路由器级拓扑在大规模节点下的不足,通过结合自治域级拓扑和路由器级拓扑两种方法,实现了一种复合型Internet路由器级拓扑模型A2R。A2R模型仅依靠路由器规模完成网络拓扑图,解决了自治域拓扑间商业关系推测依靠BGP表的问题,以及自治域间路由连接的问题。实验证明A2R拓扑模型在大规模节点下比其他路由器级拓扑模型拥有更好的性能。

基于分类检索的自聚簇P2P系统

非结构化的P2P系统,进行资源查找定位时采用“洪泛”方法,这不仅限制了资源搜索的效率和系统的可扩展性,而且也给网络带来了额外的负担。为了提高系统性能,提出了一种建立在分层结构基础上的基于分类检索的自聚簇P2P系统(ACP2P),并实现其原形系统。数据包级的网络模拟实验表明,系统能有效地提高资源定位的效率,显著改善自身的可扩展性。

基于域的P2P信任模型设计

通过幂规律的引入,充分利用P2P网络存在少数节点度数较大的这一属性来架构网络拓扑结构和设计P2P信任模型。在此基础上的信任模型,通过把信任分为域内信任和域间信任先后处理,可以有效的减少网络时延和网络带宽。网络监测表明,度数较大节点在性能、稳定性、对系统贡献方面都有明显优势。因而通过这些节点的利用,可以使信任模型在查找路由、查询时间、模型代价小、负载平衡等方面具有显著改善,对于构建和谐的P2P运行环境具有重要的应用价值。

一种非结构化对等网络短路效应解决方法

非结构化对等网络Gnutella存在短路效应,这会严重影响消息的到达率,造成网络查询效率低下。利用Gnutella网络拓扑的分布呈现典型的幂规律和小世界特性,将少量度很大的节点提升为超级结点,并以超级节点为中心,将兴趣相同或相似的节点进行聚类,从而形成若干自治域小世界,这样Gnutella网络模型被抽象层次化,自治域内查询请求由本域的超级节点直接处理,自治域间查询请求在超级节点间进行转发。研究表明,这种方法可以有效解决短路效应问题。

对等网络中基于连接度优化的谣传协议

谣言传播算法随机选择邻居节点转发消息,降低了消息的覆盖范围。根据Gnutella网络的小世界及幂规律特性,提出基于连接度优化的dbRM改进协议。dbRM在搜索的不同阶段,依据连接度大小来选择消息的转发对象,跳数较低时优先选择连接度大的节点,以保证查询有一个必需的覆盖范围,且有助于消息快速到达目标节点,跳数较高时优先选择连接度小的节点,以尽量降低冗余消息的数量,从而在保持高覆盖率的同时尽量减少冗余消息的开销。分析和实验结果表明,dbRM能够提供较低负载的查询,高效应用于P2P搜索。

基于沙堆模型的控制规则

电力系统是一个复杂系统并具有自组织临界性。文中首先进行了沙堆模型的仿真,验证了雪崩规模与频率的幂率关系,然后在沙堆模型中加入了控制措施,获得了长程时间下控制规则影响系统的结果。分别加入小棍机制、减少故障传递和主动解列3种控制规则,得到了新的幂率函数。通过比较发现新的幂率函数在双对数坐标下斜率有所增加,即加入控制规则后降低了大型事故发生的概率。因此,正确的控制规则是抑制大型停电事故的重要因素,所提出的3种控制规则能预防和缓解大型事故的发生。

自适应变结构控制的切换函数研究

根据自适应变结构控制的基本思想 ,推导了滑模到达条件 ,并提出了切换线斜率的三种变化规律 :线性规律、幂次规律和指数规律 ,设计了相应形式的切换函数。最后 ,通过仿真实例对各种切换函数进行研究 ,仿真结果说明 :采用二次幂规律控制效果最佳。

基于直流潮流模型的电力系统控制规则

运用复杂性理论分析了电力系统的自组织临界性,在直流潮流模型的基础上验证了故障规模与频率的幂率关系。提出了以降低故障期望值为目标的控制措施,在仿真模型中加入控制措施后获得了长程时间下控制规则对系统的影响结果,发现新的幂率函数在双对数坐标下斜率有所增加即故障序列分布有所改善。因此,加入正确的控制规则对大型停电事故有抑制作用,能降低大型事故的期望值。

降低大停电事故序列期望值的均衡性控制

为了降低长程时间下大停电事故序列的期望值,提出利用控制规则改善电力系统自组织临界性的幂率分布并设计了均衡性控制方法。在电力系统复杂性的研究中,将电力系统的故障序列作为一个离散的随机过程,研究了控制规则对大停电事故序列幂律分布的影响机制,建立了区分电力系统危险结构的区域均衡性指标,在直流潮流模型基础上验证了均衡性控制对于降低大停电事故序列期望值的有效性。计算和仿真结果表明,该控制方法是可行的。

Gnutella环境下基于节点逻辑度的资源定位方法

在Gnutella网络中如何进行资源定位是提高网络效率、增强网络可扩展性的重要问题。在已有研究的基础上提出一种基于节点逻辑度的资源定位方法,加入节点基于当前Gnutella网络中节点的逻辑度选择要建立链接的节点,请求节点通过所构建的逻辑结构来定位资源。仿真实验结果表明该方法能有效地降低Gnutella网络的通信负载,减少冗余消息,提高Gnutella网络的可扩展性。

自适应变结构控制的变斜率切换函数研究

基于自适应变结构控制的基本思想,推导了自适应滑模的到达条件,并提出了切换线斜率变化的三种规律:线性规律、幂次规律和指数规律,设计了相应形式的切换函数。最后,举例进行仿真研究,仿真结果说明:采用二次幂规律的切换函数控制效果最佳。

二维米堆模型在不同空间结构的自组织临界行为

研究了在四方网格和正三角网格上的具有决定性倒塌过程的二维自组织临界米堆模型的自组织临界行为.雪崩大小的概率统计分布服从幂指规律,利用函数推断法得到的四方网格和正三角网格上的二维米堆模型的临界指数在误差范围内是一致的.这表明系统的临界行为对空间结构的依赖并不敏感,正三角网格和四方网格上的米堆模型同属于一个普适类.

一维自组织临界米堆模型的临界行为

对一维链上的具有固定位置驱动机制和随机位置驱动机制的米堆模型的临界行为进行了数值模拟研究.系统经一个暂态过程后达到一个临界态,雪崩大小的概率统计分布服从"幂指"规律.固定位置驱动机制模型的临界雪崩指数为τs=1.51±0.02和τt=1.83±0.02.随机位置驱动机制的模型的临界雪崩指数为τs=1.01±0.02和τt=1.03±0.02.固定位置驱动机制和随机位置驱动机制的米堆模型属于不同的普适类.

二维米堆模型中的自组织临界行为

对具有随机倒塌过程的二维米堆模型的临界行为进行了数值模拟研究。系统经一个暂态过程后达到一个临界态,雪崩大小的概率统计分布服从"幂次"规律,其临界雪崩指数为τs=1.26±0.01,τt=1.42±0.02和τa=1.30±0.01。它们和BTW沙堆模型的雪崩指数是不同的,所以这个模型和BTW沙堆模型属于不同的普适类。

一维自组织临界米堆模型的临界雪崩指数

对一维链上的米堆模型的临界行为进行了数值模拟研究.在临界状态下,雪崩大小的概率统计分布服从"幂指"规律,但因为临界雪崩指数和系统大小之间有一定的依赖关系,所以在考虑了系统的尺寸效应后,从而得到了更为精确的雪崩指数sτ=1.53±0.01和tτ=1.84±0.01.