文摘

大多数现有的区域匹配算法需要匹配所有地区,造成计算资源的浪费,成本的提高仿真技术和数据冗余,并导致减少网络数据流传输效率。本文提出一种并行区域匹配识别算法知识。结合现有匹配算法的缺点,构造仿真技术实现多个地区HLA分布式仿真的并行匹配。该算法可以实现并行匹配计算多个变化区域的模拟。同时,基于移动十字路口的基本思想是采用匹配计算,和历史信息之前和之后使用该地区范围内移动。移动间隔匹配是有限的,移动交叉理论应用于匹配计算实现前后相关的历史信息。仿真结果表明,该并行区域匹配知识识别算法可以支持HLA分布式仿真评估。在匹配计算,采用基于移动十字路口的基本思想,并匹配仅限于移动间隔使用历史信息前后的区域移动,这样可以减少大量的计算无关。理论分析和实验结果表明,该算法特别适合应用程序的需要构建大规模分布式仿真基于多核计算平台。

1。介绍

随着社会经济的不断发展,工程建设项目已经开始一个接一个的实现(1,2]。大规模的建设,仅仅依靠传统的设计图纸可能不能完全满足(3- - - - - -5]。因此,在业内专家介绍了计算机仿真技术,进一步缩短相应的周期,提高相应的培训质量,并保存相应的支出。它被广泛应用于许多领域6- - - - - -8]。也有许多深入探索在中国和其他国家,如提出相应的高级体系结构(HLA),创建相应的分布式仿真基于一个灵活的和定制的体系结构,并实现各个模块和仿真的互操作性和可重用性。对于HLA,它主要包括规则、接口规范和对象模板。在具体模拟过程中,分布式仿真可以被看作是一个完整的数据集,和每个仿真组件可以被称为一个成员9,10]。在现有HLA仿真过程中,如果耦合仿真模型之间的关系,这将导致相应的系统缺乏一定程度的灵活性,导致总体仿真效率降低11,12]。因此,如果资源的动态、有序的分配是实现,模拟客户端终端和服务器需要有效地分离。一些学者将网格技术和仿真技术来改善上述缺点和使用分离的模拟客户端终端和服务器实现动态调整(12,13]。这种融合方法具有一定的优势,比如动态调整和自动分配的数据资源,全程支持整个生命周期的仿真,强烈支持安全性能,适应动态变化的电网自动化的资源选择、可执行性的操作数据,自动仿真结果的集合,增强容错性能,等等(14,15]。

随着仿真规模继续增长,模拟计算的效率有所下降。用大量的数据仿真实体,它们都有相当大的沟通或相互连接,而这些数据量往往显示指数变化或增长。特别是在一个特定的实际应用环境中,如何实现有效的数据分布和数据模拟在这种情况下是一个值得深入研究的问题16,17]。第一个是过滤大量数据根据相关数据过滤方法,旨在减少冗余数据的传输和接收数据模拟操作,从而减少的可行性和数据流单元接收相应的冗余数据(18- - - - - -20.]。其次,随着仿真实体的数量增加,HLA分布式仿真实验将有大量的数据移动在每个模拟实验(21,22]。为了确保数据分布的有效性和合理性,有必要对重叠执行合理的重叠匹配关系领域。与此同时,更多的实体仿真实体,匹配的难度就越大。因此,匹配算法的效率直接决定了仿真和也会影响相应的模拟的可伸缩性。针对这些需求和不足,基于并行区域匹配知识识别算法,用于实现并行匹配了相应的模拟多个区域通过结合HLA分布式仿真的业务逻辑,和移动交叉的理论用于匹配的计算才能获得相关的历史信息转发或回溯地区,这是局限于一个固定的阈值,减少无效操作和旨在提高HLA分布式仿真的有效性。

1.1。HLA分布式评价方法

1.1.1。区域匹配相关的概念

针对区域匹配,在模拟的具体规范,数据分布的管理是建立在相应的区域。数据收集器或生产商使用的有效名称固定区域生产,实现数据和数据用户使用搜索一个特定区域来实现数据的接收。以一个特定的区域重叠为例,如图1。

定义1。维度:所谓的维度是基于特定的间隔,它本质上是一个非负区间。向上向下的限制是0,根据具体尺寸限制不同。它的值需要相应的维度表中定义。

定义2。范围:它不同于维度。它是一个连续整数半开区间,sub-dataset相关的维度。它是定义为一个有序整数。具体的数量可以被认为是向下的范围的限制,和第二个整数是向上的限制。

定义3。地区描述:这是一个特定的数据集,即相应的维度所描述的范围包含在该地区使用。为每个维度描述在一个特定的区域,它只能有一个范围。

定义4。地区实现:所谓的地区实现是实现属性更新、交互性、数据查询等,通过特定的关联。

定义5。地区:通项的描述和实现。

定义6。更新区域(地区)发布:并行区域主要实现数据的实时更新来满足查询条件的数据。

1.1.2。并行区域匹配识别算法知识

所谓的区域匹配算法的实质是确定是否有相应的个人利益重叠的区域,和具体的匹配效率和精度确定特定兴趣匹配的相关效率(23,24]。具体典型的匹配算法可以分为直接匹配,网格匹配,混合匹配分类匹配,移动交叉匹配等根据匹配原则或方法(25,26]。

直接匹配,其实质是使用一个单独的数据结构更新数据的范围和具体范围查询的订阅。当用户查询特定的数据,本文的算法将根据具体情况确定相应的数据信息,然后计算重叠区域的识别。这个方法相对比较简单,不需要附加信息,可以确保准确匹配。然而,这种算法有一个相对较大的计算复杂度。为大量的地区大规模的仿真,该算法很难适应这种模拟计算(27,28]。

网格匹配的本质是使用仿真系统将全面的常规电网提前并设置相应的数据相关渠道每个网络逻辑,特别是对于特定的计算区域边界来确定相关的网络覆盖的地区,以澄清相关通道的数据传输。如果数据更新和查询数据区域有相同的单位,然后可以执行网格匹配。网络匹配算法的复杂性是相对简单和直接匹配相比,但网络匹配常常产生冗余链接和需要手动数据过滤。从整体效果,具体网络匹配算法很难协调的具体匹配的速度和准确性在一定程度上,以及网格的大小影响整个算法的效率。

关于网络的直接匹配和匹配算法的局限性,一些学者提出了相关算法的混合匹配,使用特定的网络匹配来实现所有地区的一对一的映射到一个特定的网络,实现了精确匹配简单而具体的网络。一方面,该混合算法确保匹配的准确性,还可以减少整个直接匹配算法的复杂性。然而,符合网络算法,混合匹配算法的完整性仍然需要受网络规模的限制。

分类匹配算法,其实质是使用系统的所有区域进行多维投影排序,实现两个或两个以上的重叠分析维度上的投影,并表明这些范围有一定的交叉和重叠。分类匹配算法的复杂性是相对温和的,也就是说,分类匹配算法可以用来完成相应区域的重叠的判断。这个判断可以实现操作的偏差,提高匹配的效率。然而,由于并行匹配识别是有效地检测到相应的区域,在实际的模拟过程中,如果一些识别地区改变,系统将重新计算,导致识别率的下降。

具体移动匹配是用于实现动态匹配的本质是,只有部分地区的大规模仿真系统的变化,所以它只需要改变根据之前和之后的信息区域变化实现的信息运动匹配计算和匹配的有效变化范围,同时有效地降低特定匹配的计算量。在移动的过程中匹配,匹配程度的具体算法只需要相关的数量变化区域和与整个系统的区域的总数。因此,可以看出,移动匹配不仅动态,而且准确、高效。

因此,有必要使用多核cpu进行实际的处理。当计算平台多核和使用大规模分布式交互仿真,具体的高性能并行计算可用于提高特定的模拟性能,实现对复杂系统的支持。尽管上述匹配算法会导致一定的限制和限制大规模仿真计算,也有一定的局限性,受限于计算复杂度的瓶颈。因此,它值得深入探索和研究,实现高效的多核并行计算,分布式计算平台。

首先,一个特定的域扫描方法用于收集数据,和特定的序列图所示2。当有重叠p和周围的像素区域,需要充分考虑避免重复扫描的扫描速度。图2 (b)展示了一个特定的扫描方案,对角线的阴影部分的重叠区域。在扫描期间,这部分不需要反复扫描,扫描,只有重要的网格部分特定像素点的判断。(1,8)是用来确定扫描模板。

一个特定的二维数组作为扫描模板,每个特定的行作为扫描模板,每一列的数据包括用作扫描点的数量,剩下的充满了0。特定像素点扫描时,相邻的点需要分配给特定的边缘,和圆形标签实现根据特定点。

广度优先的方法用于搜索并行区域匹配识别算法知识。假设图像是一个二维图像米行和N列,价值代表黑色像素,值1表示白色像素。具体的步骤如下所示。(1)首先,创建一个特定的标记数组来表示图像的像素是否已经被处理。扫描图像时,数组标记属性为每个特定区域赋予不同的标签值。(2)从左到右的原则,全面有效地用于扫描图像。实现一个特定的标记像素扫描时,如果像素标记,它需要记录下来,后续标记分析。(3)当搜索面积的起点,一个固定的算法需要具体要求,和标签值的区域设置为一个固定值;函数完成特定的调用时,该地区所有像素的坐标。(4)扫描图像通过p重复步骤2和3的迭代,直到特定的图像扫描,和算法过程结束。

在上述步骤的基础上,可以获得特定数量的地区,和相应的参数可用于标记的每个部分地区达到特定的标记值来获取相应的区域包含点。具体步骤,有必要实现算法调用连接区域的算法,和一个区域二元图如图3。

为了实现算法的流,序列号是根据特定的搜索顺序。如图4,当图像扫描到一个特定的值(1),对应的数组的值记录为0,这是作为起点和终点的新区域,相应区域的总数增加因此,与此同时,数组的值记录为对应的数组。一方面,它可以表明这一点已经相应的扫描;另一方面,它也属于特定的地区。(1)使用相应的队列记录相应的记录点的坐标和扫描。(2)循环执行识别相应的队列;有必要确保队列非空。当阅读价值指向队列的头部,它需要根据具体的扫描识别模板,并给出了检验和标记在相应的秩序。同时,标记点,不是扫描是通过对应的数组值添加到队列,然后扫描点删除。

具体的过程如图5圆圈中的数字代表特定标签的扫描模板在某种程度上,和特定的强调点可以确定为同一点的临界点。它可以看到从图的运行结果5,如果使用不同的扫描顺序扫描的像素,通常是不必要的导线周围的点,只有5点需要遍历。这种扫描方法有效地提高了工作效率。没有特定的标记冲突在整个扫描过程,和最后的地区将在相应的扫描顺序从左上角到右下角。

作为计算机的计算性能显著提高,为了便于计算机的使用,最大限度地利用计算能力,利用连通性检测分析每个像素的有效性,并分析具体连接前后的像素之间的关系。特定区域的合并是通过相关的并行算法,实现不同算法用于实现不同复杂性的并行算法在处理特定区域重叠。如果直接调用一个特定的函数,您可以直接获取有关计算机的计算性能和分裂图像根据计算能力。如果它是一个双芯的计算能力,它分为两部分,两部分的区域检测根据以上方法执行。当计算完成后,重叠区域是有效地进行扫描,然后相关的区域合并。

通过设置相应的图像大小,使用多台计算机进行计算,并使用特定的参数来表示特定的线程,公式(1)和(2)是用来计算线程的开始和结束行。

HLA-distributed模拟传感器设备和收集的数据是存储在大容量的数据存储设备。数据处理后,发送到相应的程序操作。 在哪里 是HLA分布式数据的特征属性的集合和HLA分布式特性表达式;后数据特征的数量分类为HLA分布式数据;和年代HLA分布的功能内容。它是一个数值参数,针对HLA分布式数据属性。后确定HLA分布式数据的特点,non-characteristic属性必须被删除。它可以收集时减少错误并提高速度。冗余数据删除公式如下: 在哪里l定义了去除基准并删除那些满足基准;显示过滤请求删除时使用;e代表现有的冗余数据删除请求。的特性可以通过过滤数据。 在哪里α代表的所有权价值特性和数据β代表平衡因子的相关系数。假设输入向量和标签的值 。本文将softmax损失函数表达式中使用 在哪里代表了HLA分布式仿真评估疗效图像特征;代表真正的类别标签对应HLA分布式仿真评估疗效形象;代表了一类重量;代表类别的错误值;和表示训练样本的数量和类别的数量;和代表了内积的关系 类别之间的重量和偏差值当完全连接层被激活。HLA分布式仿真评价有效性识别技术应满足下列条件的HLA分布式仿真评估功效特性值:之间的距离相同的HLA分布式仿真评估疗效功能需要最小化,和之间的距离不同HLA分布式仿真评估疗效功能需要最大化。

相应的顺序标记算法用于标记重叠区域,不能保证顺序安排,所以合并区域的过程将更加复杂。因此,本文提出了一个反向合并算法这个限制。反向合并的过程中,执行处理从倒数第二个重叠的行,和每一次处理一行;相应的线程将分析和对应于确定是否需要合并的过程。

针对现有的区域匹配算法的局限性,本文构造HLA分布式仿真的并行区域匹配算法,集移动匹配和并行计算方法和分任务的多个移动匹配模拟成不同的核心,和多线程的方法是用来实现特定的区域匹配的并行计算,以提高区域匹配的计算能力。同样,在每个特定线程计算,使用一个移动区域匹配的方法实现该地区,减少冗余计算,提高匹配的实际效率。

知识并行区域匹配识别算法,其具体原则如下。首先,当一个特定的单一的地区是有效地移动,和其他地区之间的重叠变化的部分地区实际上是与单一地区的运动有关。因此,当更新一个特定的地区,不需要考虑实际的区域运动区域以外的范围。这些区域的重叠不能直接改变;在具体模拟过程中,在相同类型的地区有某些无关紧要。相同类型的多个区域的变化是由多个计算重叠,如图6。

图6显示变化的二维区域的重叠在具体模拟发展的过程。当一个特定的改变发生在相应的区域,可以实现特定的更新区域的边界地区,和特定的重叠并行计算可以实现从特定区域和并行计算性能可以有效地实现。

当一个特定区域的变化在一定程度上,造成的相关匹配计算的核心是根据地区和前后位置查询运动实现,以确保该地区区域移动。这里的维度数据存储在该地区实现以有序的方式通过一个特定的索引,也就是说,每个维度的数据在一个特定的多维空间随着指数用于存储。一方面,它使用索引命令表存储特定的更新区域数据。另一方面,它是用于存储各个地区的范围边界值预测在特定维度。每组通过两个具体的命令表相结合,一个索引表存储的封闭点较低的边界范围,和其他索引表用于存储的开点上边界。节点的特定数据结构的定义如下:结构节点{int id;/ /范围标识结构节点∗下;/ /节点指针}

有序列表的每个索引实现一个特定的指针数组索引,使用数组的大小设置维度,并比较相应的边值索引数组元素的值,如图7。

从图可以看出7固定节点没有移动范围,冗余操作分析不是在操作范围内可以实现没有有效的匹配,有效地节省了相关计算资源,可以实现精确的分析和匹配在特定的范围内,并没有特定的错误的连接问题。

从图的框架8针对多线程,实现重叠区域的计算,包括控制线程和多个计算线程,完成计算任务的任务队列。在一个特定的运动范围发生在控制线程,它负责特定任务生成节点,并列入特定任务队列,并计算结果完成的计算控制线程。在每个仿真发展过程中,每个计算线程需要处理的第一件事就是更新区域,直到所有任务处理。信号量机制用于线程之间的同步。

所谓的线程控制算法的具体步骤如下。

(每一个仿真的发展过程)(1)为每个公告范围 ,如果移动、插入到任务队列pq宣布。(2)对每个订单范围 ,如果移动、插入到订单任务队列平方。(3)如果pq不是null,对于每一个计算线程1,释放信号量m_publish_i,用于通知计算线程开始处理和更新任务队列。(4)等待完成信号m_publish_finish_i每个计算线程我直到所有更新任务处理。(5)平方(如果不为空,为每个计算线我释放信号量m_subscribe_i,用于通知计算线程开始处理订单任务队列。(6)等待完成信号m_subscribe_finish_i每个计算线程我直到所有订阅重叠计算完成。结束了

1.1.3。仿真实验

为了验证知识并行区域匹配识别算法的有效性,本文以下仿真实验设置。首先,生成一个具体的二维空间根据特定的用户输入,和一个特定的发布区域和排序区域在二维空间中,生成和相应的算法比较实验设计。

进行相应测试算法的性能在不同数量的地区,和HLA分布式仿真评估变化的匹配算法在相应情况下的2000年,4000年和8000年计算,分别如图9。从结果可以看出,知识并行区域匹配识别算法是相对合适的时间消耗。

对于不同的上层空间限制,如图10,知识并行区域匹配识别算法的性能明显优于其它算法。当维数大于5000的上限,算法的性能是一样的网格匹配性能网格数量为100,并且没有错误连接现象在网格匹配。

并行区域匹配识别算法知识密切相关的线程的数量计算。从相应的模拟实验结果,与传统方法相比,并行区域匹配知识识别算法并不能改变性能的提高特定数量的地区,但在具体维度方面,它有一个变化关系的具体上限维度。通过多核计算能力,实现更好的加速比,特别是大规模的区域变化。因此,并行区域匹配知识识别算法更适合HLA分布式仿真评估。

2。结论

工业的发展需要HLA分布式仿真提供具体支持长期、稳定、健康发展的工业经济。大多数现有的区域匹配算法需要匹配所有地区,导致浪费计算资源。同时,很难充分发挥多核的并行计算优势平台主要是基于序列匹配的概念。针对这些需求和不足,基于并行区域匹配识别算法知识,本文通过多核平台实现区域匹配计算的并行性。同时,对HLA分布式仿真,本文构造了一个仿真系统实现多区并行匹配。在匹配计算,移动交叉理论是用于实现相关区域介词或回溯历史信息,并限制在一个固定的阈值范围,减少无效的操作。它有效的匹配和良好的加速性能和可以支持HLA分布式仿真评估。实验结果表明,该算法具有较高的匹配效率,不会引起错误的连接,并具有良好的加速性能。它可以充分发挥多核计算平台的计算性能,满足大规模分布式仿真的需求数据分布和管理。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。