交换超立方体在PMC模型下的g好邻条件诊断度

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种参数。g好邻条件诊断度是2012年提出的一种新的诊断度,它要求每个非故障顶点至少有g个非故障邻点。研究了交换超立方体EH(s,t)在PMC模型下的g好邻条件诊断度,证明了EH(s,t)(1≤s≤t,0≤g≤s)在PMC模型下的g好邻条件诊断度为2g(s+2-g)-1.     

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).     

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).     

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。     

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.     

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。     

有向Kautz图的好邻连通度

有向Kautz图是并行计算系统的一类重要网络。根据实际应用中并行计算系统的故障分布情况,提出了有向图的好邻连通度的概念,该连通度是比传统连通度更精确的网络可靠性指标,并证明了有向Kautz图K(d,n)的好邻连通度为2d-2。     

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。     

K故障容差网络的诊断性研究

研究一类容差网络的Ｋ故障诊断问题，建立起容差值为随机变量的故障网络模型，用正交能量法对网络进行故障定位．给出无容差与容差网络Ｋ故障的可诊断条件，分析了诊断性能好坏与故障网络的哪些因素有关，给出它们之间的关系．对于已知网络结构与容差统计特性的系统，可对其Ｋ故障的可诊断度给出一个概率估计     

超立方体网络的间歇性故障诊断度研究

网络系统的诊断度是判断其自我诊断能力的重要度量,网络的故障类型包括永久性故障与间歇性故障两大类。与永久性故障相比,间歇性故障更具隐秘性,更难诊断。超立方体网络是一个具有性能优越的网络拓扑结构并已得到广泛的应用。针对超立方体网络在间歇性故障诊断理论方面的缺失,在本文中利用图论方法研究了超立方体网络(具有或不具有丢失边)的ti故障诊断度。应用所得到的结果,可以很容易判断整个超立方体或者其中一部分网络的间歇性故障诊断度,为超立方体网络的可靠性分析提供重要的理论依据。     

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.     

泡型星图网络的3限制诊断度

互连网络故障诊断的一个新的方法是g限制诊断度,该方法限制每个无故障分支至少有(g+1)个无故障节点.作为一种良好的互联网络拓扑结构,n维泡型星图BSn具有许多良好的性质.文章证明了在n≥5的PMC模型和在n≥12的MM*模型下BSn的3-限制诊断度是8n-20.     

泡型星图网络的3限制诊断度（英文）

互连网络故障诊断的一个新的方法是g限制诊断度,该方法限制每个无故障分支至少有(g+1)个无故障节点.作为一种良好的互联网络拓扑结构,n维泡型星图BS_n具有许多良好的性质.文章证明了在n≥5的PMC模型和在n≥12的MM~*模型下BS_n的3-限制诊断度是8n-20.     

非参数回归的CV NN中位数估计的相合性

考虑非参数回归模型Y_i=g(x_i)+e_i,其中g(x)是待估的连续函数,x_i是非随机的,e_i是i.i.d.随机误差。笔者讨论最近邻中位数估计g_(n,h)(x_i)=m(Y_i(1),…,Y_i(h))=Y_i(1),…,Y_i(h)的中位数,其中h利用平均平方误差意义下的cross-validation方法选择。在一定条件下,建立了cross-validation最近邻中位数估计的相合性。     

扭立方连接网络的故障诊断分析

容错性对于互联网络来说极为重要,这是因为网络规模的扩大会导致一些元器件的脆弱性.为维持多处理机系统的高可靠性能有必要将故障处理机识别和替换下来,这一过程通常称为故障诊断分析.通过对扭立方连接网络TN n的容错性分析,确定了其在PMC诊断模型下的条件诊断度,并给出简易的t/t-诊断算法.     

一种开关电容网络子网络级诊断的新算法

在电荷守恒原理和灵敏度分析基础上，提出了一种开关电容网络（ＳＣＮ）子网络级故障诊断的新算法，运用该算法，在诊断过程完成后，能确定出非故障网络（或非故障元件集合）和故障子网络（或故障元件集合）。     

改进BDD算法在故障诊断中的应用

【目的】为了在复杂系统中快速定位故障源。【方法】将因果图转化为二元决策图(Binary decision diagram,BDD),遍历BDD,求出引起故障发生的所有割集,并利用0-1编码的方式表示每一个割集,根据编码的长度确定割集的重要度。【结果】综合考虑结构重要度以及最小割集的发生概率,确定需要检测故障源的排序。【结论】该方法兼顾了结构重要度大的最小割集诊断优先性及发生概率大的最小割集诊断优先性,提高了诊断的准确性。