【摘 要】
：
提出了一种基于三维空间邻接度的放置算法,该算法将硬件任务按照长、宽及调度时间构成一个三维资源模型,将每个硬件任务看成是一个空间块。首先对可重构资源进行编码,到达的任务总是通过某个顶点依附另一个任务的边界被放置,确定候选的放置顶点;然后以到达任务与已放置在三维空间的邻接度为代价函数,选择代价函数值最大的顶点放置任务,从而使得到达任务与已放置任务在三维空间接触的邻接面最大。可使任务安排得更紧凑,减小对
【机 构】
：
衡阳师范学院计算机科学系,湖南大学计算机与通信学院
【基金项目】
：
国家“863”计划资助项目（2007AA01Z104）, 湖南省教育厅科研资助项目（10C0488）
论文部分内容阅读
提出了一种基于三维空间邻接度的放置算法,该算法将硬件任务按照长、宽及调度时间构成一个三维资源模型,将每个硬件任务看成是一个空间块。首先对可重构资源进行编码,到达的任务总是通过某个顶点依附另一个任务的边界被放置,确定候选的放置顶点;然后以到达任务与已放置在三维空间的邻接度为代价函数,选择代价函数值最大的顶点放置任务,从而使得到达任务与已放置任务在三维空间接触的邻接面最大。可使任务安排得更紧凑,减小对系统资源的浪费,提高芯片利用率。
其他文献
针对函数优化问题,提出一种混沌大洪水混合优化算法。该混合算法基于大洪水算法寻优思想和混沌序列的内在随机性、遍历性和规律性特点。算法在Delphi 7环境下编程实现,针对几个典型复杂函数进行优化测试。仿真结果表明,混沌大洪水算法是一种简单有效的算法,在运行效率上明显优于其他算法。
压缩传感是一种新的信息获取理论,它突破了传统的采样理论,将数据采集和压缩合二为一,再利用重构算法将原始数据恢复。为了能够得到更好的压缩传感重构效果,把流形学习的思想和方法与压缩传感相结合,提出了一种基于参数化流形学习的压缩传感重构方法。实验结果表明,提出的方法对自然图像进行重构取得了很好的效果,充分验证了基于参数化流形学习的压缩传感重构方法的有效性。
针对追踪的效能评估显得尤为必要但至今尚缺,首次系统地通过理论方法结合实例模型,设计了对叛逆追踪效能进行评估的方法。首先实施专家咨询确定对影响叛逆追踪效能的因素分别从有效性、安全性、开销、完善性、应用性等五方面进行分析;然后层次分析确定各项的等级描述并构建叛逆追踪效能评估指标体系;最后综合评判某个叛逆追踪算法的效能。通过实例模型验证了其可操作性和优越性,且谓之专家综合评判。
提出一种MANET地址自动配置方案,给出了MANET网络体系结构以及构建网络体系结构的算法。在此体系结构下,新节点可以在一跳范围内的代理节点获取具有唯一性的地址,且无须执行地址重复检测,失效节点的地址可以自动被回收。对MANETConf、Prime DHCP以及本方案的性能参数进行了比较分析,性能参数包括地址配置代价及地址配置延迟时间,分析结果验证了本方案的地址配置代价更低,地址配置延迟更短。
将产品阶段满意度作为决策变量引入到供应链网络优化模型,针对易逝性电子产品生命周期阶段需求特征差异性引起的生产模式的不同,考虑阶段满意度的动态性,构建以单一产品整个生命周期内盈利最大化为目标函数的0-1混合整数优化模型;利用Lingo9.0软件设计算法程序求解。运用模型进行了实证分析,结果表明了该模型的合理性及有效性。
SVM-RFE特征选择算法的算法复杂度高,特征选择消耗时间过长,为了缩短特征选择的时间,针对径向基函数—支持向量机分类器提出了依据核空间类间平均距进行特征选择的算法。首先分析了径向基函数核参数与数据集核空间类间平均距之间的关系,然后提出了依据单个特征对数据集的核空间类间平均距的贡献大小进行特征重要性排序的算法,最后用该算法和SVM-RFE算法分别对8个UCI数据集进行了特征选择实验。实验结果证明了
为求解具有NP难度的球体Packing问题,通过将禁忌搜索方法与基于自适应步长的梯度下降法和二分法相结合,提出了一个启发式算法。对50个等球算例进行了实例测试,算法改进了其中44个算例的目前最优结果。大量的实例计算结果表明,该启发式算法是求解球体Packing问题的一个有效算法。
为了提高在概念格上生成频繁项集的效率,提出了一个基于约简概念格的生成频繁项集的新算法。该算法通过利用节点之间的父子关系能够直接生成全部频繁项集,省略了对节点进行排序的时间开销,大大减少了节点比较次数,从而提高了频繁项集的生成效率。实验结果证明了其可靠性和高效性。
人体内环境的平衡是由各种激素的相互作用来协同调节和控制的,根据抽象出的激素作用机理,提出了一种基于激素调节的传感器网络覆盖算法(HCA),该算法是完全分布式的,节能的传感器网络覆盖算法,算法中节点状态(sleep或active)的选择通过激素来调节和控制,即通过给邻居节点发送激活荷尔蒙或抑制荷尔蒙来刺激或抑制邻居节点成为active状态。仿真实验表明,与DELIC和UC算法相比,该算法既能有效地保
针对扩展卡尔曼粒子滤波算法滤波精度较低和粒子退化的问题,将马尔可夫链蒙特卡罗(MCMC)方法与扩展卡尔曼粒子滤波相结合,应用于目标跟踪。该算法利用扩展卡尔曼滤波来构造粒子滤波的建议分布函数,使建议分布函数能够融入最新的观测信息,以便得到更符合真实状态的后验概率分布;同时引入MCMC方法对所选的建议分布进行优化处理,使抽样粒子更加多样性。仿真结果表明,该算法能有效地解决粒子贫化问题并提高滤波精度。