排列图在PMC模型下的g好邻条件诊断度

诊断度是评估和判定多处理器计算机系统互连网络的自我故障诊断能力的重要指标。g好邻条件诊断度推广了经典的诊断度的概念,它要求每个非故障结点没有发生故障的邻点个数至少有g个。本文以PMC为模型,对排列图A_(n,k)的g好邻条件诊断度的上、下界进行讨论,最终得到了A_(n,k)在PMC模型下的g好邻条件诊断度为[(g+1)k-g](n-k).     

平衡立方体在PMC模型下的1-好邻条件诊断度

诊断度的确定是实现系统级故障诊断的一个重要前提。g好邻条件诊断度推广了经典的诊断度的概念,它要求每个非故障结点没有发生故障的邻点个数至少有g个。以PMC为模型,对平衡立方体BHn的1-好邻条件诊断度的上、下界进行讨论,最终得到了BHn在PMC模型下的1-好邻条件诊断度为(4n-1).     

折叠交叉立方体的1-好邻诊断度

诊断度是多处理器系统互连网络能够诊断的最大故障结点的个数,它是度量多处理器系统故障诊断能力的一个重要参数.2012年,Peng等提出了一种新的诊断方法g-好邻诊断度,它要求每个非故障顶点至少有g个非故障邻点.n-维折叠交叉立方体网络FCQ_n是由交叉立方体网络CQ_n增加2^n-1条边后所得.该文利用1-好邻诊断度作为评价可靠性的重要度量,对折叠交叉立方体网络的可靠性进行分析,得到折叠交叉立方体网络的1-好邻诊断度.证明了在PMC模型与MM^*模型下FCQ_n的1-好邻诊断度分别等于2n+1,n≥5和2n+1,n≥6.     

PMC模型下星图的g-好邻局部诊断度

故障诊断度对于多处理系统的可靠性至关重要,是多处理器系统互连网络能够诊断出的最大故障点的数量。研究表明,系统的诊断度总小于其最小度,然而这严重地低估了系统的诊断能力。2019年,Yin和Liang提出了g-好邻局部诊断度的定义,它可以表征系统在g-好邻条件下的局部故障诊断能力。文章证明了PMC模型下星图S_n的每个结点的g-好邻局部诊断度为(n-g)(g+1)!-1,其中0≤g≤n-2,n≥4.根据诊断度与局部诊断度之间的关系,可以推出星图的g-好邻诊断度。     

BC网络的g-超条件诊断度

多处理器系统的故障诊断是一个重要的研究课题。g-超条件诊断度是于2016年提出的度量系统自我故障诊断能力的一类新的参数,它是在每个非故障结点组成的分支至少包含g+1个顶点的假设下,系统G能够一次性识别的故障结点的个数。g-超条件诊断度能够更精确地度量异构环境下系统互连网络的自我故障诊断能力。文章研究了n-维双射连接(BC)网络在PMC和MM*模型下的g-超条件诊断度,给出了n-维BC网络在两种模型下g-超条件诊断度的下界。在此基础上,确定了超立方体在PMC和MM*模型下g-超条件诊断度,改进了相关结果。最后,我们给出了当1≤g≤3时,BC网络在PMC和MM*模型下的g-超条件诊断度的计算公式。     

超立方体Q_n在PMC模型下的2-条件诊断度

诊断度是衡量多处理器系统自我诊断能力的重要参数,是多处理器系统互连网络能够诊断出故障点的最大数。2-条件诊断度的概念是条件诊断度概念的一个推广,要求系统中的每个结点至少有2个好邻点。研究了超立方体Q_n在PMC模型下的2-条件诊断度并证明了Q_n在PMC模型下的2-条件诊断度为16n-57.     

分层立方网络在MM~*模型下的g好邻条件诊断度

诊断度在衡量互联网络可靠性方面有着重要的作用。许多著名网络的诊断度已被研究。g好邻条件诊断度扩展了传统诊断度的概念,它要求每个非故障处理器至少有g个非故障邻点。本文证明了分层立方网络HCNn在MM*模型下的1-好邻条件诊断度为2n+1,2-好邻条件诊断度为4n-1.     

交换立方网络的条件诊断度

多处理机的故障诊断就是通过测试识别系统中故障处理机的过程,识别以及更换这些故障处理机对于维持系统的高可靠性是至关重要的.首先讨论了交换立方EH(s,t)容错性的一些精确而有用的界,进而得到EH(s,t)(t≥s≥3)在比较诊断模型下的条件诊断度.     

交换立方网络在PMC模型下的条件诊断度

条件诊断度作为一个新的度量指标能更好地评估互连网络的诊断度。通过对以交换立方EH(s,t)(t≥s≥3)为模型的多处理机系统的容错性分析, 证明了其在PMC诊断模型下的条件诊断度为4s-3, 其大小几乎为其传统诊断度的4倍。此外,还确定了对偶立方体网络DCn的条件诊断度为4n-3。     

加强立方网络的条件诊断度

多处理系统规模的扩大会增加系统某些元件的脆弱性.故障诊断就是系统通过内部测试来识别故障处理机的过程,故障诊断度是衡量互联网络可靠性的重要参数.条件诊断作为新的容错性的度量能更好地评估互联网络真实的诊断能力.求出了加强立方体网络EQ n,k(4≤k≤n)在PMC模型下的条件诊断度.     

一类半参数回归模型中M估计的收敛速度

考虑半参数回归模型yi=xTiβ0+g(ti)+ei,i=1,2,…,n。其中,β0是未知参数,g是未知函数。当g的估计取一类非参数权估计(包括核估计和最近邻估计)时,文章讨论了参数β0的M估计β0的强收敛速度和未知函数g的估计g*n(t)的一致强收敛速度,从而得到β0-β0=O(n-1/2(logn)1/2)　a.s.和sup|g*n(t)-g(t)|=O(n1/3logn)　a.s.。0≤t≤1     

交换折叠超立方体的2-外连通度

利用2-外连通度作为评价可靠性的重要度量，对交换折叠超立方体网络EFH(s,t)的可靠性进行分析，得到了交换折叠超立方体网络的2-外连通度.证明了EFH(s,t)的2-外连通度等于3s+1(5≤s≤t).这个结果意味着，为了使EFH(s,t)不连通且每个分支都至少包含3个顶点，至少有3s+1个点要同时发生故障.     

PMC模型下的h-边容错诊断数

系统级诊断是多处理器系统设计和维护中的重要方面,通过诊断参数来衡量系统的容错性能。传统的诊断参数都是在假设系统中仅有处理器发生故障的情形下得到的,但是在实际情形中,系统中的处理器和链接都可能发生故障。该文研究了新的系统级诊断参数—h-边容错诊断数。当系统G中的故障边数不超过h时,G中包含的可以被全部识别的最大故障点数称为系统G的h-边容错诊断数。通过对一般图中公共邻点数的限制,证明了PMC模型下一般图的h边容错诊断数。文中确定了k-元n-方体、平衡立方体、交换立方体和交换折叠立方体4类网络在PMC模型下的h-边容错诊断数,为衡量系统在点边混合故障情形下的容错性能提供了有效参数。     

关于一次同余方程组解的下界估计

设p为任一素数,L,s,t为任意自然数,a_(ij)(1≤t,1≤j≤s)为st个整数,对于每个i(1≤i≤t),a_(ij),…,a_(is)不全为P~L的倍数。又记X=max(1,1×1)。考察一次同余方程组a_(il)x_1… a_(is)x_x x_(s i)≡0(modp~L)(1) (1≤i≤St)适合条件-p~L/2相似文献   

折叠超立方体网络的t/k诊断问题

为提高系统故障诊断的诊断度,Somani 和Peleg提出了t/k诊断故障策略. n维折叠超立方体网络是具有2n个顶点,(n+1)2n-1条边的(n+1)-维正则图,它是n维超立方体网络增加2n-1补边得到的.中证明了当n≥6和1≤k≤n+1时n维超立方体网络是t/k可诊断的,其中t=(k+1)(n+1)-1/2(k+1)(k+2)+1.     

交换超立方体结构性质的一些注记

交换超立方体EH(s,t)(s≥1,t≥1)作为超立方体的变型结构,是在(s+t+1)维超立方体Qs+t+1的基础上删除一系列的边得到的。交换超立方体EH(s,t)的边数几乎是Qs+t+1边数的一半,它不仅保持了超立方体的许多优良性质,而且实现了网络功能和硬件开销的平衡。本文主要探讨交换超立方体的结构性质,研究交换超立方体EH(s,t)的点传递性问题,给出了EH(s,t)的点之间的传递映射;同时分析了EH(s,t)与EH(t,s)之间的同构关系,并且给出了他们之间的所有同构映射。     

交换折叠超立方体的连通度

P.K.K.Loh等人从超立方体Qn中系统地移除了一些边后获得了交换超立方体EH(s,t)。李等人在EH(s,t)的基础上增加了一些边获得了一个新的互联网络交换折叠超立方体EH(s,t)。连通度是衡量网络容错性的一个重要参数,并且连通度越大网络越可靠。本文证明了EH(s,t)的连通度等于其最小度。     

一种基于PMC模型下的概率性矩阵诊断算法

系统级故障诊断是提高多处理器系统可靠性的必要手段。为了有效定位多处理系统中的故障单元,该文建立了一种基于PMC模型t可诊断条件下的概率性矩阵诊断算法。首先对一般概率性矩阵诊断算法进行仿真分析获悉其具有较高的误检率,在诊断过程中引进绝对故障基和节点集团思想,通过计算绝对故障基以寻找系统中的部分故障处理机,集团用于将不确定状态的节点单元分类以补充正常节点集合,改善了原诊断的限制条件。仿真实验验证:改进后的概率性矩阵诊断算法保持了很高的检测精度,并且随着节点数的增多极大地降低了误检率,提高了诊断效果,使得该算法具有广泛的适用性。     

星型网络的几种故障诊断度研究

针对星型网络的故障诊断问题,利用集合论、图论等方法对星型网络的结构特性进行研究,给出了星型互连网络在PMC故障模式下的几种诊断度,包括:一步故障诊断度,t1/t1-诊断度,局部故障诊断度。对于一个n维星型网络(n≥3),其一步故障诊断度、t1/t1-诊断度策略和局部故障诊断度分别为n-1,2n-4和n-1,这些诊断度的提出,对星型互连网络的可靠性和容错性的研究具有重要的意义。     

LNQD序列半参数回归模型小波估计的强相合性

对于半参数回归模型yi=xiβ+g(ti) +ei(1≤i≤n),误差{ei,1≤i≤n}为平稳LNQD序列,研究了未知参数β和未知函数g(t)小波估计的强相合性,在一定的条件下,得到了合理的结果,把非参数回归模型的相应结果推广到半参数回归模型.