大规模分布式仿真中大量对象在同一个虚拟环境中运动与交互,会持续产生巨大数量的报文.HLA是建模与仿真的国际标准,它规定了基于类与基于值的发布/订购机制,但这两种机制只确定了报文中的数据与接收方的相关与否.由于缺乏报文相关性的评...大规模分布式仿真中大量对象在同一个虚拟环境中运动与交互,会持续产生巨大数量的报文.HLA是建模与仿真的国际标准,它规定了基于类与基于值的发布/订购机制,但这两种机制只确定了报文中的数据与接收方的相关与否.由于缺乏报文相关性的评价,接收方需要对所有的相关报文按照相同的重要性进行处理,限制了仿真规模与效率.针对数据的相关性缺乏评价问题,文中提出可根据空间位置对属性和属性值接收的影响对数据的相关性分类,从而进行评价,提出了兴趣层次LoI(layer of interest).在LoI的基础上建立了一种自适应的发布/订购机制,它可以直接识别并抛弃大多数的不相关报文.RTI基于LoI进行报文更新和反映率的控制可以在保障重要数据的基础上进行RTI拥塞控制.BH RTI中完整实现了LoI,简介了实现机制,最后进行了报文过滤效率和RTI拥塞控制实验.展开更多
文摘大规模分布式仿真中大量对象在同一个虚拟环境中运动与交互,会持续产生巨大数量的报文.HLA是建模与仿真的国际标准,它规定了基于类与基于值的发布/订购机制,但这两种机制只确定了报文中的数据与接收方的相关与否.由于缺乏报文相关性的评价,接收方需要对所有的相关报文按照相同的重要性进行处理,限制了仿真规模与效率.针对数据的相关性缺乏评价问题,文中提出可根据空间位置对属性和属性值接收的影响对数据的相关性分类,从而进行评价,提出了兴趣层次LoI(layer of interest).在LoI的基础上建立了一种自适应的发布/订购机制,它可以直接识别并抛弃大多数的不相关报文.RTI基于LoI进行报文更新和反映率的控制可以在保障重要数据的基础上进行RTI拥塞控制.BH RTI中完整实现了LoI,简介了实现机制,最后进行了报文过滤效率和RTI拥塞控制实验.