基于时域划分的网络流量预测方法

网络流量的预测一般通过建立相应的分析模型分析时序序列的发展过程及趋势,缺乏对网络流量波动空间和周期特征的分析,无法对短时突变流量及短周期流量进行精准预测。为了提高网络流量的预测效果,提出一种基于时域特征分析的网络流量预测方法。该方法通过分析网络流量的周期特征,建立时域划分模型,使具有相同趋势及波动空间的网络流量重组,突出短时突变流量和周期趋势特征,增强数据规律,以提高网络流量预测精度。选取反向传播(BP)神经网络、长短期记忆(LSTM)神经网络及小波神经网络(WNN)模型,采用均方误差(MSE)作为衡量标准,分别验证时域划分模式和全时域模式网络流量预测效果。结果表明,时域划分模式时BP神经网络和WNN的MSE相比全时域模式更低,其中时域划分模式BP神经网络的MSE降低为全时域模式时的1/24,说明通过分析网络流量数据建立的时域划分模型能够提高网络流量预测性能,为大规模互联网环境下的网络流量预测分析提供一种分而治之的方法。

动态可重构系统任务时域划分算法

为提高动态可重构系统的执行效率,提出了一种多目标优化的动态可重构系统任务时域划分方法.在可重构硬件资源约束条件下,将任务的数据流图划分成数个子模块.使用加权方法将子模块中的操作执行时间和模块间数据通信引起的延时统一为划分代价,根据每种延时在总代价中所占比例来选取优化的方向.通过建立就绪列表的方法,避免了划分过程中出现死锁问题,保证了各个操作正常的执行顺序.实验结果表明,该方法能够有效地提高应用算法在动态可重构结构上的执行速度.算法的时间复杂度为O(|V|2+|V||E|)(其中|V|为数据流图节点数,|E|为边数).

动态可重构系统的时域划分及其行为级算法的定量分析

对近20年来可重构系统的时域划分算法进行了分析,把它们分为网表级和行为级算法两大类.网表级时域划分算法主要采用网络流方法,使电路的面积、割网的个数等最小化,并使电路获得较小的时延和通信代价.我们对层划分、簇划分、增强静态列表调度、多目标时域划分等四种行为级时域划分算法进行了定量分析和比较,评价指标体系包括划分后的模块数、跨模块的输入/输出边数、划分后所有模块的执行总延迟.实验结果表明,层划分是四个算法划分后所有模块执行总延迟最小的;簇划分算法获得较少的跨模块的输入/输出边数;增强的静态列表调度和多目标时域划分两个算法在三个指标之间获得了一个好的折中.然而,这四个算法均没有考虑划分后的模块形状及模块的跨层映射成本.

基于可重构系统的时域划分技术的研究

可重构计算是一种介于ASIC和通用微处理器之间的新的提升计算机性能的方法,对于数字信号处理、流媒体技术、图像压缩、密码学、生物信息处理等计算密集型方面的应用,可重构计算技术可以发挥巨大的优势。基于具有较少重构时间的实时可编程逻辑器件（如FPGA）的用户可编程性,其可作为多种硬件资源使用。如果其配置信息可以迅速更改,则由逻辑器件实现的硬件功能也可实现迅速切换。硬件资源的大小是有限的,那些超过器件有效硬件资源的较大任务需要通过时域划分来解决。该文对可重构计算以及时域划分的定义、分类,国内外研究现状和常见的研究方法做了详细的描述,并综合分析了一系列时域划分算法并进行了相关比较。

基于PSO的粗颗粒度可重构处理器时域划分算法设计

微粒群算法(PSO)是一种新颖的群智能仿生进化优化算法,它简单、可控性强、易实现且具有很强的优化能力。本文首次将PSO算法引入时域划分领域,给出了一种基于PSO的时域划分优化算法PSOTP,用于粗粒度可重构系统任务编译过程中的时域划分优化。PSOTP算法运用数据流图(DFG)节点的序列作为微粒的位置,微粒中节点位置改变后两个序列的差分作为速度,以任务划分后的子模块数、数据通信量和可重构计算资源的面积利用率作为优化目标,是一种基于权重的多目标优化算法。实验表明,PSOTP算法在划分结果的性能上明显优于传统的ASAP、ALAP和表调度算法以及基于权重的表调度(Priority-List,PL)算法,同时与基于模拟退火遗传算法SAGA的时域划分算相比,可以用更少的迭代次数取得相当的优化效果,运算速度也更快。

基于Femtocell网络的时域资源划分

为了满足数据流量增长的需求,在LTE蜂窝系统中引入家庭基站。家庭基站能够分担宏蜂窝的数据流量,与此同时,也给蜂窝系统带来了较大干扰,这些干扰大大影响了用户的通信质量。为解决此问题,提出一种基于家庭基站网络时域资源划分方案(F-MFTR),此方法把时域资源划分与软频率复用技术(SFR)结合起来,边缘用户通过最优化方法寻找最佳的功率段,未参加调度的用户在小区之间形成"隔离带",在理论上保证了边缘用户与系统中其他用户之间不存在干扰。此外,所有的用户可以在全频段上搜索最佳的资源块,能够提升用户的通信质量。仿真表明,这种方法能大大提升系统的吞吐量。

一种考虑执行延迟最小化和资源约束的改进层划分算法

本文提出了一种改进的层划分算法.该算法充分考虑了划分块的最小执行延迟和尽可能充分利用可重构资源,能够跟踪层划分算法节点分配过程并进行调整,消除了经典层划分算法不能动态更新就绪节点列表选取节点进行划分的缺陷.实验结果表明,与层划分算法相比,所提出的改进层划分算法在模块数、执行延迟和跨模块间的I/O边数等三个方面均获得了改进.与现有的簇划分、增强静态列表、多目标时域划分、簇层次敏感等四种划分算法相比,新算法能获得最少的执行延迟,并且随着可重构处理单元面积的增大,模块数的均值也是最小的.

融合面积估算和多目标优化的硬件任务划分算法

针对可重构计算机系统配置次数(划分块数)的最小化问题,提出了一种融合面积估算和多目标优化的硬件任务划分算法。该算法每次划分均进行硬件资源面积的估算,并且通过充分考虑可重构资源的使用、一个数据流图所有划分块执行延迟总和、划分模块间边数等因素构造了新的探测函数prior_assigned(),该函数能够计算每个就绪节点的优先权值,新算法通过该值能动态调整就绪列表任务节点的调度次序。实验结果表明,与现有的层划分、簇划分、增强静态列表、多目标时域划分、簇层次敏感等5种划分算法相比,该算法能获得最少的模块数,并且随着可重构处理单元面积的增大,除层划分算法之外,其执行延迟的均值也是最小的。

考虑通信成本和硬件碎片利用的簇划分算法

针对面积约束下的可重构硬件任务划分问题,提出一种通信成本和硬件碎片利用的簇划分算法.根据簇划分算法的思想,在某一硬件面积的约束下,从待调度的就绪队列中节点依次划入到当前块,在划分过程中,若遇到不满足要求的节点就跳过,并继续搜索可划入到当前块且没有增加块间边数的节点.每划入一个节点就更新其后继的入度,如果入度为0且满足要求,将其直接划入;否则动态考查其前驱,如果前驱所需的面积满足规定的阈值,则将该节点后继和前驱一并划入到当前块.通过充分考虑节点权值、节点间的依赖度、层次小的节点优先划入等因素构造响应比函数,以动态地调整就绪列表节点的调度次序.实验结果表明,与簇划分算法和簇层次敏感划分算法相比,文中算法在划分块间非原始I/O次数、划分块数等方面均获得了较好的改进;在减少块间通信成本方面,该算法具有合理性和可行性.

基于深度优先贪婪搜索的可重构硬件任务划分算法

针对可重构计算硬件任务划分通信成本较小化的问题,提出了一种基于深度优先贪婪搜索划分(DFGSP)算法。首先,从待调度的就绪队列中取出队首任务,在某一硬件面积约束下,按深度优先搜索(DFS)方式扫描一个计算密集型任务转换来的有向无环图(DAG),逐个划入满足要求的节点;然后,一遇到不满足面积要求的任务节点时,就计算当前划分模块间输出边数(可量化为通信成本);最后,跳过当前不满足要求的任务节点,继续搜索该点之后处于就绪状态的节点,当搜索到满足要求的点时,按加入该点后不增加当前划分块间输出边数和尽可能填满可重构运算阵列的原则进行。实验结果表明,与现有的簇划分(CBP)、簇层次敏感两种划分算法相比,提出的算法获得了最小划分模块数和平均跨模块间I/O边数最小的均值,通过实际验证,算法显著地改善了硬件任务的划分效果,而且运行开销没有明显增加。

基于时段划分的LTE干扰协调方案

在LTE多小区蜂窝系统中,负载不均衡和用户不均匀给系统带来较大干扰。为解决此问题,提出了一种新的资源划分方法:时域资源划分方法。该方法把时域划分和软频率结合起来,在原则上保证了小区内不存在干扰,也从根本上保证了相邻小区间边缘用户不会产生干扰。仿真表明,这种时域资源划分方法能够适应负载不均匀的情况,与传统的软频率复用相比,较大地提升系统的吞吐量。

用于二维RCA跨层数据传输的旁节点无冗余添加算法

针对二维可重构单元阵列(RCA)硬件任务的跨层数据传输问题,提出了一种前序遍历回溯旁节点添加算法。该算法针对跨层输入树、跨层输出树2种类型的数据流图,保持了原有运算节点之间的逻辑关系,实现了旁节点的无冗余添加。给出了动态可重构系统划分映射的量化评估指标体系和流水化模型,给出了添加旁节点映射的临界条件。实验结果表明,基于相同的系统结构和划分映射算法,在满足临界条件的情况下,与不加旁节点映射算法相比,加旁节点映射在划分模块数,非原始输入输出次数、配置时间、总执行周期、功耗等方面均获得了较好的改进;与已有的先进算法相比,文中算法平均执行总周期降低了23.3%(RCA5×5)和30.5%(RCA8×8),平均消耗功耗降低了15.7%(RCA5×5)和18.6%(RCA8×8),从而验证了所提方法的合理性和有效性。

考虑时变速度和动态需求的电动车辆路径问题

针对时变速度车辆路径问题,考虑动态客户需求并引入电动车替代燃油车。首先采用“wait-and-see”策略对动态需求进行建模,并建立其静态子问题的混合整数规划模型。然后提出了基于时域划分的求解算法,在每个时域的结束时刻处理动态需求,并利用模拟退火结合变邻域搜索的混合启发式算法来求解,从而实现电动车辆路径的循环优化与更新。最后设计了多种类型和规模的测试算例,测试结果表明本文算法既可以有效求解静态问题,也可以实现动态新增需求的实时处理。