本文關(guān)鍵詞：面向數(shù)據(jù)中心網(wǎng)絡(luò)的故障診斷算法，由筆耕文化傳播整理發(fā)布。

【摘要】：如何高效識(shí)別數(shù)據(jù)中心內(nèi)的故障單元,在當(dāng)前依然是個(gè)挑戰(zhàn),系統(tǒng)級(jí)故障診斷正是可以解決該問(wèn)題的方法之一。針對(duì)小型數(shù)據(jù)中心網(wǎng)絡(luò),本文首次將布谷鳥搜索(CS)算法應(yīng)用于系統(tǒng)級(jí)故障診斷,設(shè)計(jì)出布谷鳥搜索診斷(CSFD)算法。在該算法中,我們構(gòu)造KMC算法進(jìn)行初始化；根據(jù)診斷模型所滿足的方程約束條件選擇適應(yīng)度函數(shù)；對(duì)現(xiàn)有的二進(jìn)制映射算法BM進(jìn)行優(yōu)化,提出了ABM算法。我們分別對(duì)KMC算法、ABM算法、CSFD算法進(jìn)行了仿真實(shí)驗(yàn)。結(jié)果表明：KMC算法顯著提升了初始個(gè)體與最終解的接近程度,ABM算法有效減少了二進(jìn)制映射的個(gè)體位點(diǎn)值變化率,CSFD算法明顯比兩種現(xiàn)有的代表性群體智能診斷算法具有更高的診斷性能。針對(duì)大型數(shù)據(jù)中心網(wǎng)絡(luò),現(xiàn)有的診斷算法以及CSFD算法均效果欠佳。本文根據(jù)當(dāng)前大型數(shù)據(jù)中心網(wǎng)絡(luò)的結(jié)構(gòu)特征,提出一種分層式故障診斷(HFD)算法,該算法在保持良好診斷精確度的同時(shí),有效地降低了時(shí)間復(fù)雜度。在大型數(shù)據(jù)中心網(wǎng)絡(luò)的第一層,首先通過(guò)對(duì)基本單元組的多次最簡(jiǎn)測(cè)試,得到一組測(cè)試結(jié)果；然后根據(jù)這些結(jié)果計(jì)算出各單元組的故障期望,并用KMC算法將基本單元組劃分為“相對(duì)故障單元組”與“相對(duì)正常單元組”兩大類。在第二層,即在相對(duì)故障單元組內(nèi)部,為了更好地進(jìn)行各單元之間的相互測(cè)試與診斷,我們將FAFD算法改進(jìn)為AD-FAFD算法；該算法降低了測(cè)試癥候矩陣維數(shù),優(yōu)化了初始化算法,并通過(guò)利用“正-反關(guān)聯(lián)性”提高了迭代效率。
【關(guān)鍵詞】：系統(tǒng)級(jí)故障診斷 數(shù)據(jù)中心網(wǎng)絡(luò) 布谷鳥搜索診斷(CSFD)算法 KMC算法 HFD算法 正-反關(guān)聯(lián)性 AD-FAFD算法
【學(xué)位授予單位】：南京財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.06
【目錄】：

• 摘要4-7
• 第一章 緒論7-14
• 1.1 關(guān)于系統(tǒng)級(jí)故障診斷7-9
• 1.1.1 問(wèn)題背景7
• 1.1.2 相關(guān)定義7-8
• 1.1.3 研究現(xiàn)狀8-9
• 1.2 數(shù)據(jù)中心網(wǎng)絡(luò)的規(guī)模與特征9-11
• 1.3 本文的研究?jī)?nèi)容與意義11-12
• 1.4 創(chuàng)新點(diǎn)12
• 1.5 文章結(jié)構(gòu)12-14
• 第二章 預(yù)備知識(shí)14-17
• 2.1 布谷鳥搜索(CS)算法14-15
• 2.2 螢火蟲診斷(FAFD)算法15-17
• 第三章 面向小型數(shù)據(jù)中心網(wǎng)絡(luò)的CSFD算法17-27
• 3.1 設(shè)計(jì)初始化算法17-18
• 3.2 選擇適應(yīng)度函數(shù)18-19
• 3.3 優(yōu)化二進(jìn)制映射19-21
• 3.4 T-可診斷性約束21
• 3.5 算法停止條件21
• 3.6 CSFD算法過(guò)程描述與時(shí)間復(fù)雜度分析21-22
• 3.6.1 CSFD算法的過(guò)程描述21-22
• 3.6.2 CSFD算法的時(shí)間復(fù)雜度分析22
• 3.7 實(shí)驗(yàn)仿真22-27
• 3.7.1 初始化算法的實(shí)驗(yàn)仿真23-24
• 3.7.2 二進(jìn)制映射算法的實(shí)驗(yàn)仿真24-25
• 3.7.3 CSFD算法的實(shí)驗(yàn)仿真25-27
• 第四章 面向大型數(shù)據(jù)中心網(wǎng)絡(luò)的HFD算法27-43
• 4.1 HFD算法的基本思想27
• 4.2 第一層的測(cè)試與診斷算法27-35
• 4.2.1 相關(guān)定義27-28
• 4.2.2 基本單元組故障概率的計(jì)算方法28-33
• 4.2.3 求絕對(duì)故障基33-35
• 4.2.4 基本單元組的劃分算法35
• 4.3 第二層的診斷算法——AD-FAFD算法35-37
• 4.3.1 預(yù)處理與螢火蟲個(gè)體的初始化35-36
• 4.3.2 關(guān)聯(lián)性優(yōu)化36-37
• 4.3.3 AD-FAFD算法步驟37
• 4.4 HFD算法過(guò)程描述與時(shí)間復(fù)雜度分析37-39
• 4.4.1 HFD算法的過(guò)程描述37-38
• 4.4.2 HFD算法的時(shí)間復(fù)雜度分析38-39
• 4.5 實(shí)驗(yàn)仿真39-43
• 4.5.1 第一層測(cè)試與劃分算法的實(shí)驗(yàn)仿真39-40
• 4.5.2 第二層AD-FAFD算法的實(shí)驗(yàn)仿真40-43
• 第五章 總結(jié)與展望43-44
• 參考文獻(xiàn)44-46
• 攻讀碩士期間發(fā)表的論文46-47
• 后記47

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 宣恒農(nóng);韓忠愿;張大方;;基于互測(cè)PMC模型的故障診斷方法及其應(yīng)用[J];電子學(xué)報(bào);2007年05期

2 王聰;王翠榮;王興偉;蔣定德;;面向云計(jì)算的數(shù)據(jù)中心網(wǎng)絡(luò)體系結(jié)構(gòu)設(shè)計(jì)[J];計(jì)算機(jī)研究與發(fā)展;2012年02期

3 鄧偉;楊小帆;吳中福;;面向系統(tǒng)級(jí)故障診斷的高效遺傳算法[J];計(jì)算機(jī)學(xué)報(bào);2007年07期

4 魏祥麟;陳鳴;范建華;張國(guó)敏;盧紫毅;;數(shù)據(jù)中心網(wǎng)絡(luò)的體系結(jié)構(gòu)[J];軟件學(xué)報(bào);2013年02期

  本文關(guān)鍵詞：面向數(shù)據(jù)中心網(wǎng)絡(luò)的故障診斷算法，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：372997