基于本地时钟选择的时钟同步算法

在分布式系统中网络节点的时钟同步和传统的时钟同步算法的基础上,提出了一种基于本地时钟选的分布式系统时钟同步算法。采用本地时钟选择过滤方法,通过分组交换获取每个本地时钟与参考时钟的精度差,每个本地节点根据时钟精度差自动调整时钟,达到分布式系统时钟同步的目的。通过NS2仿真测试,同步精度能够满足一般分布式系统的需要。     

仿真网格系统数据资源的集成和访问

为解决目前大规模仿真系统中对于分布、异构的数据资源进行统一访问和控制的问题,提出了一种仿真网格系统中数据集成和访问的框架,阐述了该框架下的OGSA-DAI的实现机制,并结合XML分析了数据集成和访问的原理。结合OGSA-DAI,给出了仿真数据资源集成和访问的具体实现方法。在仿真网格环境下,通过仿真网格数据库的构建实现对分布、异构的仿真数据、模型资源的动态分配和多用户的并发访问。     

聚合级CGF关键技术的研究

基于HLA高层体系结构的多粒度CGF模型是分布交互仿真领域的关键技术,在综合了动态聚合解聚算法、动态资源分配、聚合级模型再构等聚合级CGF关键技术基础上,提出了一些建设性的解决方案,并在此基础上开发出一套多粒度的装甲部队CGF原型系统,验证了对聚合级CGF关键技术研究结果的可行性。     

多层次网络结构在仿真中的应用研究

网络技术的革新给仿真技术的发展带来了强有力的支持。复杂的仿真系统往往需要运用到多种网络技术,结合飞行器数字化设计/试验-建模仿真平台建设,介绍了复杂分布交互仿真的网络体系结构,分别讨论了当今仿真领域中的三种关键网络技术,并同时将MIL-STD-1553B总线技术应用于该仿真系统中,给出了多层次网络结构在复杂仿真系统中应用的设计方案。     

分布式检测系统的幂求和融合准则

在基于局部检测统计量的分布式检测系统中,传统的直接求和融合准则在面对局部信噪比差异较大时,检测概率下降明显。在详细分析性能损失的原因之后,扩展出一类新融合准则。新准则通过对局部统计量的幂求和,实现对高信噪比数据的更有效利用。对一个双传感器并行分布式检测系统的仿真表明,高次幂求和在局部信噪比差异明显时,性能好于低次幂,当差异减小时则相反,低次幂求和的性能更好些。高次幂融合准则的鲁棒性更强。面对不同使用环境,应该综合考虑各局部传感器脉冲积累数目和局部信噪比的可能取值范围,从而选择合理的幂阶数进行融合。     

基于遗传算法的模糊柔性工作车间调度优化

首先给出了模糊生产环境下柔性工作车间调度模型,然后以最小化最大完工时间为目标函数,提出了一种基于遗传算法的通用模糊调度算法。此算法针对解决柔性工作车间调度问题采用工序顺序偏码的局限性,设计了基于顺序和基于机器分配的编码方法并据此给出了相应的交叉变异操作。仿真结果表明了算法的可行性和有效性。     

可视化分布式自主深空探测器系统仿真

系统仿真是深空探测研究中降低风险和生产成本的有效手段之一,基于计算机三维实时动态显示技术以及分布式仿真技术,设计了可视化分布式自主深空探测器系统仿真体系结构,引入指令执行区间和加锁等待机制解决多线程间的协同。并以探测Ivar小行星为例,对其全过程进行了仿真,证实了此设计方案的可行性。为下一步深空探测研究的相关技术验证提供了一个初步的平台。     

基于PowerBuilder的C／S应用向Web分布式应用的平滑过渡

主要介绍Sybase e-Map for PowerBuilder策略,研究基于PowerBuilder的C/S应用及组件向W eb分布式应用的过渡方法。     

基于.Net Remoting的通用分布计算模型

为解决单机算法造成代码的可重用性低下的问题,提出一个通用的分布计算模型,给出一般的串行算法在此模型下的并行化技术.利用该计算模型可以使单机下串行算法移植到分布环境后需要修改的工作量降到最低.     

Detecting DDoS Attacks against Web Server Using Time Series Analysis

Distributed Denial of Service （DDoS） attack is a major threat to the availability of Web service. The inherent presence of self-similarity in Web traffic motivates the applicability of time series analysis in the study of the burst feature of DDoS attack. This paper presents a method of detecting DDoS attacks against Web server by analyzing the abrupt change of time series data obtained from Web traffic. Time series data are specified in reference sliding window and test sliding window, and the abrupt change is modeled using Auto-Regressive （AR） process. By comparing two adjacent nonoverlapping windows of the time series, the attack traffic could be detected at a time point. Combined with alarm correlation and location correlation, not only the presence of DDoS attack, but also its occurring time and location can be deter mined. The experimental results in a test environment are illustrated to justify our method.