摘要：在数字孪生技术中,复杂模型和生产逻辑的运行会消耗大量资源,且硬件能力与用户需求存在差异,进而导致模拟精度和实时性难以得到保证,降低系统可用性.为此,提出一种可视化与逻辑运算协同处理的数字孪生制造装备实时同步计算框架.首先,根据车间多维度信息构建设备数字模型,考虑硬件能力和用户个性化计算需求,提出可配置、自适应的系统环境映射方法以修正模拟保真度,确保孪生装备的实时准确运行,并以光照环境映射为例说明其流程;然后,提出基于仿真的六自由度机械手运动逻辑解算算法,将渲染帧时作为仿真时钟推进步长,保证模型运动准确以及可视化与解算同步,并将算法泛化,以应用到其他多体设备中;最后,基于Web设计并开发数字孪生车间建模仿真云平台,以六自由度机械手与某转向架构架加工车间为应用对象对所提方法进行验证.结果表明:随着映射保真度自适应下降,模拟响应速度提升45%,同时GPU和CPU的资源利用率有效降低;证明本文所提方法可实现资源合理配置与系统高效计算,并减少误差累计,是一种高可用的实时协同计算方法.

摘要：为了解决军事物联网中传感数据在往返服务器应用层时的高通信时延消耗问题,提出一种面向低时延任务需求的多设备网内协同计算方法。该方法依托以P4交换机为核心的网络架构展开研究,采用基于P4程序的数据面编程策略来完成交换机内的数据包处理。设计了一种任务映射策略,将任务集映射至交换机网络拓扑,实现任务在网络拓扑路径上边传输边计算的协同作业模式。之后构建时延优化模型以找到最佳映射结果,并通过异构最早完成时间算法进一步对任务进行了最佳调度。实验结果表明,当单个数据包的数据大小为1 000 Byte时,该方法的输出时延与本地服务和云服务相比分别降低约54.2%和72.1%。因此,所提出的方法有效降低了时延,为满足任务的低时延需求提供了切实可行的解决方案。

摘要：为实现协同计算任务的透明化设计部署及在并行计算中解耦合,设计了多虚拟机协同计算任务的分发部署及运行框架.该框架利用隐式通信简化了进程间的交互,为用户提供一种高可靠性和容错的计算环境.在框架设计方案中基于虚拟器件及应用程序虚拟化支撑技术,提出了六方面的任务分发部署和运行关键技术,包括可执行文件包描述及其提交方法、可执行文件的自动化分发部署方法、任务启动与加载方式、特征单元状态变迁、采用的消息通信原语、系统容错性方法等.通过这些关键技术实现了所提出的任务的分发部署及运行框架,并进行了性能测试分析.实验结果表明,设计的框架和采用的关键技术提高了任务的分发部署速度及系统吞吐量,提高了资源利用率,提高了任务的加速比和系统的运行效率.

摘要：研究了一种面向路径搜索的多虚拟机协同计算系统,为计算机辅助工程领域路径搜索问题的求解提供了一种灵活高效的计算环境。针对任务规模和搜索路径的不确定性等,构建了虚拟化平台下的自适应性体系结构和协同工作流程,提出了所需关键技术。针对路径搜索引擎的特殊需求,设计了启发式探测性任务分解算法,以充分挖掘任务在数据、功能等方面的并行性。通过调度多个子任务在多台虚拟机上并行执行,最大限度地提高资源的利用率,实现以资源换取较低的运行时间,加快得到最优解或满意解。设计了启发式解空间优化算法,以优化计算过程和结果数据的管理。通过监控任务的状态,可以避免资源浪费和重复路径执行,进一步减少运行时间。开发了系统引擎模块原型,并以一个计算机辅助工程领域的板材切割路径搜索问题对所设计的算法进行了实验评估。进一步将多虚拟机协同计算系统与四种系统进行对比分析,实验结果表明,多虚拟机协同计算系统比其他系统更能提供平稳的运行状态,并具有较高的性能和效率,原型很好地实现了面向路径搜索任务的求解环境。

摘要：阐述了电力系统高性能计算模式的概念,沿着"离线计算在线协同化"的演进方向,以提高计算实时性、可靠性和计算服务化为目的,将并行计算、分布式计算、云计算等高性能计算模式作为主要分析内容,从分解协调方法、数值计算并行、硬计算架构和软计算模式等方面总结了状态估计、潮流计算、包含暂态稳定计算和静态安全分析功能的在线动态安全分析研究应用现状。阐述了实现在线分析一体化协同计算技术路线图的三个演进阶段,重点探讨了支撑以上业务分析应用在线计算协同化的关键技术,如分配映射机制、分解协调计算服务、模块服务接口化和数据交互规范等。最后在云计算模式下,设计了在线分析业务的协同计算场景和状态估计服务模式,对基于云计算的调度控制系统设计与开发进行了有益探索。

摘要：数据集中处理的云计算模式提供交互迅速、绿色高效的多样化应用服务面临新挑战.将云计算能力扩展到边缘设备,提出了边云协同计算框架;设计了基于任务预测的资源部署算法,在云服务中心通过二维时间序列对任务进行预测,结合分类聚合、延迟阈值判定等优化边缘服务器任务运行所需资源部署;提出了基于帕累托优化的任务调度算法,在边缘服务器分2个阶段进行帕累托渐进比较得到用户服务质量和系统服务效应2个目标曲线的相切点或任一相交点以优化任务调度.实验结果表明:结合基于任务预测的资源部署算法与基于帕累托优化的任务调度算法在提高平均用户任务命中率基础上,其用户平均服务完成时间、系统整体服务效应度、总任务延迟率在不同用户任务规模、不同Zipf分布参数α的应用场景下,均优于基于帕累托优化的任务调度算法和基于FIFO(first input first output)的基准任务调度算法.

摘要：研究了一种基于特征模型的多虚拟机协同计算任务(collaborative computing tasks over multiple vir-tual machines,CCTMVM)的描述方法及其辅助构造工具,以简化虚拟机平台中并行计算的描述,提高应用程序的开发效率。从任务分解的原则与方法、粒度评价方法和启发式规则等方面分析了任务分解的策略,确定了分解任务的并行关系判别准则,并依据时序关系对特征单元的语义动作进行了描述。从特征单元内聚、耦合及粒度系数对描述方法的有效性范围进行了分析。进行了CCTMVM辅助构造工具的原型设计,以一个计算机辅助工程(computer aided engineering,CAE)问题求解实例分析了任务构造过程。实验结果表明,本文所提思路和方法对构造面向并行计算的CCTMVM具有一定的可行性。

摘要：针对社会协同计算带来的不可靠性和社会网络所固有的大规模性问题,提出了支持社会协同计算的跨组织工作流任务分派优化算法.首先,采用了基于工作流任务子网分层的优化模型,将复杂社会网络图进行有效地划分,从而简化了社会网络成员的协作关系评估问题;然后,根据划分后网络的拓扑特征,设计了一种基于工作流任务子网连接点的快速介数中心性计算方法,以高效地选取跨组织业务项目的领导者;最后,采用基于任务子网划分的最短路径近似算法,实现了快速查找跨组织业务过程的协作成员;并且,理论证明了支持社会协同计算的工作流分派算法的可行性.实验结果表明所提算法大幅降低了社会协同计算的复杂性,保证了较高的准确性,解决了工作流任务成员之间的关系评价和人工团队组合优化的时效性问题,为社会协同计算的任务分派提供了一种新的思路.

摘要：[目的/意义]隐私数据要素的流转是保证粮食供应链安全高效运行的重要基础。实现粮食供应链中隐私数据要素的协同计算对保障粮食质量安全具有重大意义。[方法]针对供应链中不同主体间因数据的隐私性而无法共享并参与计算的难题,提出基于工业互联网标识解析技术与联邦学习的粮食供应链数据流转与协同计算架构,设计了支撑联邦学习数据互通的数据标识编码和任务标识编码及对应的参数、信息和评价数据模型;搭建了不同主体数据特征同构的单环节横向联邦学习模型和数据特征异构的跨环节纵向联邦学习模型,基于逻辑回归算法对模型参数进行快速调整计算,以粮食供应链安全风险评估场景为对象,依托开源FATE (Federated AI Technology Enabler)联邦学习平台进行测试验证。[结果和讨论]相比传统的单一主体评估计算,横向联邦学习评估准确率提升6.7%,纵向联邦学习评估准确率提升8.3%。[结论]采用联邦学习的方式提高了评估的准确性。本研究可为粮食供应链安全高效稳定运行提供技术支撑。

摘要：针对农产品安全与溯源的需要,结合当前元数据模型化与知识化不断增强的趋势,文章在分析了面向协同计算的农业信息资源元数据特性的前提下,综合考虑了农业领域知识特征、分类以及表达、网络农业信息的实体化过程模型与信息树模型、农村领域知识的金字塔表示模型、以及网络农村信息资源的形态演化模型等内容,重点分析了农业领域知识的组织结构与表达形式,借鉴Dublin Core、FGDC、GILS等现有元数据标准,设计并实现了包括20个核心元素、22个扩展元素的农业信息资源元数据标准,并实现了其应用体系。