基于平均变化率和空闲长度的丢包概率模型

针对RED队列丢包概率模型在计算丢包概率时精确性不足且未考虑网络流量的自相似性问题,提出了基于数据包入队速率平均变化率和队列空闲长度的队列丢包概率模型(DRED),给出了相应的实现算法。DRED将网络流量状态引入到丢包概率的计算过程中,丢包概率随着网络流量状态的变化而变化,克服了RED队列丢包概率模型在平均队列长度大于队列最大阈值小于队列最大长度时直接将到达的数据包全部丢弃的弊端。实验结果表明,与RED相比,DRED丢包概率的计算更加精确,丢包率有所降低,吞吐量相对提高,端到端时延虽稍有增大,但时延抖动较小,网络的整体性能有一定提高。

使用遗传算法预测空闲期长度的DPM策略

减少功耗已经成为计算系统设计面临的一个主要挑战。动态功耗管理策略利用部件的空闲期节约能量,在足够长的空闲期可以把部件置于较低的功耗状态以节约能量。论文提出一种新的动态功耗管理策略:考虑到设备负载的突发性,把设备的负载划分为负载基因,把设备使用请求的到达过程转化为负载基因进化过程,然后使用遗传算法预测未来的负载基因,进而预测部件的空闲期长度。实验结果表明,提出的这种策略具有较高的预测精度,因此具有更好的节能效果。