Scaling Robust Optimization for Multi-Agent Robotic Systems: A Distributed Perspective
Georgia Institute of Technology(佐治亚理工学院)
本文提出一种可扩展的分布式鲁棒优化框架,通过ADMM方法分布计算并处理多机器人系统中的随机与确定性不确定性,实现了兼具计算效率、通信效率和可扩展性的安全多机器人控制。
2025-01-30 cs.RO cs.SY eess.SY
Hierarchies define the scalability of robot swarms
Polytechnique Montreal(蒙特利尔理工学院);University of Cambridge(剑桥大学)
本文通过仿真与物理实验证明,相比平等主义集群,层级化集群能以更少资源在更大、更复杂环境中高效扩展感知范围,为行星探索和自动驾驶等应用提供可扩展的集群设计依据。
2024-05-03 cs.RO
Mobility-Aware Computation Offloading for Swarm Robotics using Deep Reinforcement Learning
Xidian University(西安电子科技大学);Norfolk State University(诺福克州立大学)
针对群体机器人资源有限、规模受限的问题,提出基于边缘服务器侧移动感知深度强化学习的计算卸载方案,可在满足延迟要求的同时以最少机器人能耗保障计算精度。
2023-08-22 cs.LG cs.RO cs.SY
Dynamic Subgoal based Path Formation and Task Allocation: A NeuroFleets Approach to Scalable Swarm Robotics
NeuroFleets (PVT) LTD(神经舰队私人有限公司);Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院);University of Jaffna(贾夫纳大学)
本文提出 NeuroFleets 方法,通过有限状态机、视觉连通子目标和基于光信号通信的任务分配策略,实现未知环境中群体机器人的去中心化路径形成与最优资源部署,并在 Argos 仿真中验证其可扩展性、鲁棒性和容错性。
2024-09-01 cs.MA cs.RO
A Comprehensive Review of Bio-Inspired Approaches to Coordination, Communication, and System Architecture in Underwater Swarm Robotics
La Trobe University(拉特罗布大学)
本文综述了水下群体机器人中生物启发方法的协调、通信和系统架构,分析了关键算法、通信限制及硬件设计,提出多维分类框架以指导未来研究方向。
2026-01-18 cs.NE cs.RO
Task Allocation in Robotic Swarms: Explicit Communication Based Approaches
Institute for Advanced Studies in Basic Sciences(基础科学高级研究所);University of Zanjan(赞詹大学)
本文研究了一种多机器人协作任务分配问题,其中一个机器人群被部署在一个受限的未知环境中,代表任务的色点数目及其比例未知。机器人应尽可能覆盖这些点,以便进行理想的清洁和采样动作。这意味着他们应该合作发现点,并按点面积成比例传播,避免闲置。我们提出了4个自组织的分布式方法,这些方法被称为混合方法来应对这种情况。在两个不同的实验中的方法的性能进行了分析。我们将它们相互比较,并研究了它们的可扩展性和鲁棒性方面的单点故障。
2015-03-01 cs.AI cs.MA cs.RO
Service Discovery-Based Hybrid Network Middleware for Efficient Communication in Distributed Robotic Systems
Huaiyin Institute of Technology(淮阴工学院);Chery Automobile Co., Ltd.(奇瑞汽车股份有限公司)
本文提出RIMAOS2C中间件,通过多级服务发现组播支持多种通信模式,优化数据传输效率并减少延迟不确定性,提升自动驾驶系统通信性能。
2026-03-28 cs.DC cs.NI cs.RO
Contact-Driven Localization in a Freeform Robotic Self-Assembled Structure
New Jersey Institute of Technology(新泽西理工学院)
针对群体机器人定位难题,提出仅用二元接触信息的虚拟力框架,实现无外部基础设施的模块化机器人自组装定位,仿真验证其可支持自由形态结构的精确组装。
2026-08-05 cs.RO
Adaptive Coordinated Motion Control for Swarm Robotics Based on Brain Storm Optimization
Southern University of Science and Technology(南方科技大学)
群体机器人的协调运动控制旨在确保空间中成员的一致性,即,群中的机器人执行协调运动以维持空间结构。这个问题可以建模为跟踪控制问题,其中群体中的个体在考虑特定的相对距离或方向的情况下跟随目标位置。为了降低通信开销,可以利用PID控制器在不需要先导速度信息的情况下实现先导-跟随跟踪控制任务。然而,控制器的参数需要进行优化,以适应情况的变化,如不同的群体人口,目标的变化被跟踪,和防碰撞的要求等,在这封信中,我们采用了一种改进的头脑风暴优化(BSO)算法的增量PID跟踪控制器,以获得相对最优的参数自适应的主从编队控制的群体机器人。仿真结果表明,该方法能够在机器人运动过程中达到最优参数。该方法具有灵活性和可扩展性,能够适应不同的应用场景,为群体机器人的协调运动控制提供了一种新的选择。
2021-05-27 cs.RO
MochiSwarm: A testbed for robotic blimps in realistic environments
Lehigh University(利哈伊大学)
本文提出了MochiSwarm,一个开源的轻量级机器人飞艇测试平台,无需外部定位即可进行多机器人操作,通过模块化设计支持快速修改和传感器集成,并在拾取与交付任务中验证了其自主性。
2025-03-05 cs.RO
Towards Self-organized Large-Scale Shape Formation: A Cognitive Agent-Based Computing Approach
COMSATS Institute of Information Technology(COMSATS 信息技术学院)
群机器人系统目前被用于解决许多现实世界的问题。群体机器人的一个有趣的应用是结构和形状的自组织形成。群机器人系统中的一些关键挑战包括群规模约束、随机运动、机器人之间的协调、定位以及分散环境中的适应性。Rubenstein等人提出了一种用于千机器人群的系统(“Programmable self-assembly in a thousand-robot swarm”,Science,2014),该系统能够通过应用集体行为算法来仅与聚合形式的机器人形成固体形状。尽管基于Agent的方法已经在各种自组织形成的研究中提出,但是这些研究缺乏基于Agent的建模(ABM)方法以及在具有动态本地化的大群体中的结构复杂性和异质性方面的约束。基于认知主体的计算(CABC)方法能够对这种基于自组织的多主体系统(MAS)进行建模。在本文中,我们开发了一个仿真模型,使用ABM下CABC方法的自组织形状形成的群体机器人。我们提出了一个形状形成算法来验证我们的模型,并进行基于模拟的实验,为六个不同的形状,包括基于孔的形状。我们还展示了我们的模型的正式规范。仿真结果表明,所提出的方法具有鲁棒性的涌现行为的机器人的自组织形状形成。所提出的方法的性能进行评估机器人的收敛速度。
2017-11-17 cs.MA cs.RO nlin.AO
Partition-Tolerant and Byzantine-Tolerant Decision-Making for Distributed Robotic Systems with IOTA and ROS 2
University of Turku(图尔库大学)
随着自主机器人解决方案的日益普及,对它们的连接性和多机器人系统内的协作的兴趣正在上升。目前研究的两个方面是机器人安全和安全的多机器人协作强大的拜占庭代理。区块链和其他分布式账本技术(DLT)已经被提出来解决这两个领域的挑战。尽管如此,一些关键挑战包括可扩展性和在现实世界网络中的部署。本文提出了一种集成IOTA和ROS 2的方法,用于更可扩展的基于DLT的机器人系统,同时允许部署后的网络分区容差。据我们所知,这是IOTA智能合约在机器人系统中的首次实现,也是第一个与ROS 2集成的设计。这与依赖以太坊的绝大多数文献相比。我们提出了一个通用的IOTA+ROS 2架构,导致分区容忍的决策过程,也继承了嵌入式区块链结构的拜占庭容忍属性。我们证明了所提出的框架的有效性与间歇性网络连接的系统中的合作映射应用程序。我们在存在网络分区的情况下表现出了相对于以太坊的卓越性能,并且在计算资源利用率方面的影响较低。这些结果为区块链解决方案在分布式机器人系统中的更广泛集成开辟了道路,其连接和计算要求不那么严格。
2022-08-29 cs.RO
A Decentralized Mobile Computing Network for Multi-Robot Systems Operations
Singapore University of Technology and Design(新加坡科技设计大学)
集体动物行为是完全去中心化操作的典型例子,涉及复杂的集体计算,如鸟群的集体转向或蚂蚁的集体收获。这些系统为开发能够在动态环境中运行的容错和自我修复的多机器人系统提供了独特的灵感来源。具体来说,群体机器人技术出现了,并在这些前提下显着增长。然而,迄今为止,大多数群体机器人系统在文献中报道涉及基本的计算任务-平均值和其他代数运算。在本文中,我们介绍了一种新的集体计算框架的基础上的群集范式,它表现出的关键固有特征群:鲁棒性,可扩展性和灵活性。与边缘计算不同,集体计算框架是真正去中心化的,不需要用户干预或额外的服务器来维持其运行。该集体计算框架应用于集体地图绘制的复杂任务,其中多个机器人旨在协作绘制大区域的地图。我们的研究结果证实了合作策略的有效性,其鲁棒性的多个单位的损失,以及其可扩展性。此外,互连网络的拓扑结构被发现极大地影响集体行动的性能。
2018-10-13 cs.RO
Fly Safe: Aerial Swarm Robotics using Force Field Particle Swarm Optimisation
University of Liverpool(利物浦大学)
粒子群优化(PSO)是一种功能强大的优化算法,可用于在搜索空间中定位全局最大值。最近的兴趣在成群的微型飞行器(MAVs)回避了一个问题,即粒子群优化算法是否可以被用来作为一种方法,使真正的机器人群来定位一个目标的目标点。然而,原始的PSO算法在搜索过程中没有考虑粒子之间的碰撞。在本文中,我们提出了一种新的算法称为力场粒子群优化(FFPSO),指定排斥力场粒子,使这些领域提供了一个额外的速度分量到原来的PSO方程。我们比较了FFPSO与PSO的性能,表明它有能力将搜索过程中的粒子碰撞次数减少到0,同时也能够在类似的时间内找到感兴趣的目标。该算法的可扩展性也证明了通过一组实验,考虑如何崩溃的数量和所需的时间,以找到目标的变化,根据群体的大小。最后,我们证明了算法的适用性上的一群真正的微型飞行器。
2019-07-17 cs.RO
Edge Computing and its Application in Robotics: A Survey
School of Computing, University of Georgia(乔治亚大学计算机学院)
本文综述边缘计算在机器人中的应用,系统梳理边缘机器人的最新进展、关键动机与挑战,并指出未来研究方向。
2025-07-01 cs.DC cs.NI cs.RO
Learn-Memorize-Recall-Reduce A Robotic Cloud Computing Paradigm
机器人应用程序的兴起导致了大量非结构化数据的产生,而当前的云基础设施旨在处理有限数量的结构化数据。为了解决这个问题,我们提出了一个机器人云计算的学习-记忆-回忆-还原范式。学习阶段将传入的非结构化数据转换为结构化数据;记忆阶段为大量数据提供有效的存储;回忆阶段提供检索原始数据的有效方法;而归约阶段提供了利用有限计算资源理解大量非结构化数据的方法。
2017-04-18 cs.AI cs.DC cs.RO
BSF: a parallel computation model for scalability estimation of iterative numerical algorithms on cluster computing systems
本文探讨了一种新的并行计算模型,称为批量同步农场(BSF),重点是估计的可扩展性,针对集群计算系统的计算密集型迭代算法。在BSF模型中,计算机是一组通过网络连接的处理器节点,并根据主/从范例进行组织。提出了一种BSF模型的代价度量。这个成本度量要求算法以列表上的操作的形式表示。这使我们能够推导出一个方程,预测并行程序的可扩展性边界:处理器节点的最大数量之后,加速开始下降。本文给出了应用BSF模型设计和分析并行数值算法的几个实例。在集群计算系统上进行的大规模计算实验证实了使用BSF模型获得的分析估计的充分性。
2021-01-02 cs.DC cs.PF
Scalability Evaluation of NSLP Algorithm for Solving Non-Stationary Linear Programming Problems on Cluster Computing Systems
研究了求解非平稳高维线性规划问题的NSLP算法在集群计算系统上的可扩展性。分析是基于并行计算的BSF模型。BSF模型是在BSP和SPMD模型的基础上设计的一种新的并行计算模型。对NSLP算法和BSF模型进行了简要的描述。被认为是在一个BSF程序的形式NSLP算法的实现。在BSF代价度量的基础上,推导了NSLP算法可扩展性的上界,并对其并行效率进行了估计。描述了基于BSF骨架的NSLP算法实现。分析和实验获得的可扩展性估计的比较。
2017-09-14 cs.DC math.OC
Webots.HPC: A Parallel Robotics Simulation Pipeline for Autonomous Vehicles on High Performance Computing
School of Computing(计算学院)
在快速发展和成熟的机器人领域,计算机模拟已成为设计过程中的宝贵工具。Webots是最先进的机器人模拟器,通常是机器人研究的首选软件。即便如此,Webots模拟通常在个人和实验室计算机上运行。对于将从数千次模拟运行的聚合输出数据集中受益的项目,没有标准的追索权;该项目通过开发一个正式的并行管道来缓解这一问题,该管道用于在强大的HPC资源上运行Webots模拟序列。这样的管道将允许研究人员从他们的模拟中生成大量数据集,为潜在的机器学习应用和决策工具开发打开大门。我们已经开发了一个管道,能够在SSH X11服务器上以无头和GUI启用模式运行Webots模拟,模拟执行在HPC计算节点上远程进行。此外,模拟可以按顺序运行,批处理作业分布在任意数量的计算节点上,每个节点都有多个并行运行的实例。所实现的分布和并行化是非常有效的,在12小时的运行后,100%的模拟完成率。总的来说,这个管道是非常有能力的,可以用来扩展现有的项目或作为新的机器人仿真工作的平台。
2021-08-01 cs.DC cs.RO
Enabling Blockchain Scalability and Interoperability with Mobile Computing through LayerOne.X
互操作性和可扩展性目前是阻碍区块链技术大规模采用的瓶颈。该项目的主要目标是开发一个可互操作和可扩展的网络,以促进真正分散的,无需许可的和安全的区块链以及实现微验证的区块链。Layer-One.X是一个真正去中心化的账本,它利用了para-sharding、有向无环图、参与证明共识机制、移动计算、Flash合约和核心脚本。还解释了包括代币组学在内的概念框架以及一些用例。该框架促进了每秒交易需求的增长,从而通过代币化实现小额支付和价值转移。
2021-09-30 cs.CR cs.DC
Blockchain for Mobile Edge Computing: Consensus Mechanisms and Scalability
移动边缘计算(MEC)和下一代移动网络将颠覆智能和自治系统的互联方式。这将对从物联网到自主移动机器人的广泛领域产生影响。在固有的分布式架构中集成这样的各种MEC服务需要用于管理硬件资源、平衡网络负载和保护分布式应用的鲁棒系统。区块链技术已经成为管理MEC服务的解决方案,具有共识协议和数据完整性检查,可以实现透明和高效的分布式决策。除了透明度之外,从安全角度来看的好处也是显而易见的。尽管如此,区块链技术在可扩展性方面面临着重大挑战。在本章中,我们将回顾现有的共识协议和可扩展性技术,包括成熟的和下一代区块链架构。由此,我们评估了管理MEC服务的最合适的解决方案,并讨论了可用替代方案的优点和缺点。
2020-06-13 cs.DC
HPC resources for CMS offline computing: An integration and scalability challenge for the Submission Infrastructure
针对CMS离线计算中HPC资源集成与规模扩展的挑战,本文总结了集成现状、潜在问题及SI可扩展性测试的最新结果。
2024-05-23 cs.DC
Enhancing Autonomy with Blockchain and Multi-Access Edge Computing in Distributed Robotic Systems
这篇概念性论文讨论了当机器人和车辆接入下一代移动网络时,它们的自主操作将如何发生变化。5G及其他连接将无数技术和行业汇集在其保护伞下。通过网络切片提供的高带宽、低延迟边缘计算服务有可能支持不同领域的新应用场景,包括机器人、自动驾驶汽车和物联网。特别是,网络边缘的多租户应用将促进自主机器人和车辆的发展,通过可靠的卸载服务提供计算资源和智能。更多分布式网络架构与分布式机器人系统的集成可以提高连接单元的智能程度和自主水平。我们认为,将服务框架与第三方集成在一起的最后一块将是下一代低延迟区块链网络。区块链将以透明和安全的方式在多访问边缘计算(MEC)层提供服务和管理资源。我们概述了MEC切片,分布式机器人系统和区块链技术的最新技术,以定义MEC层服务的框架,该框架将增强联网机器人和车辆的自主操作。
2020-07-01 cs.DC eess.SP
Edge Computing based Human-Robot Cognitive Fusion: A Medical Case Study in the Autism Spectrum Disorder Therapy
Intelligent Social Systems and Swarm Robotics Lab (IS$^3$R)(智能社会系统与群体机器人实验室);Computer Science and Information Systems Department(计算机科学与信息系统系);Bradley University(布拉德利大学)
针对机器人辅助ASD治疗中情感识别、个性化偏好记忆及专家协同干预的需求,论文提出融合人类专家与辅助机器人的边缘认知计算架构。
2025-06-09 cs.AI cs.DC cs.LG
Safety-Critical Edge Robotics Architecture with Bounded End-to-End Latency
Technical University of Kaiserslautern-Landau (RPTU)(凯撒斯劳滕-兰道工业大学(RPTU));University of Augsburg(奥格斯堡大学)
本研究面向安全关键型机器人从机载硬件向边缘迁移的需求,提出融合Linux、Docker、Kubernetes与TTWiFi网络的边缘机器人架构,补充资源管理层实现有界端端延迟与安全可控的机器人应用执行。
2024-06-21 cs.DC cs.ET cs.RO
Under Water Waste Cleaning by Mobile Edge Computing and Intelligent Image Processing Based Robotic Fish
由于水污染是对水下资源的严重威胁,我们致力于保护水下植物和物种的资源,通过清洁水中的不可生物降解的废物。废物可以回收再利用。本文设计的机器鱼主要由光学传感器、摄像模块、活塞模块和无线收发模块组成。通过利用LTE和5G网络架构,鱼将有关水下垃圾的信息存储在最近的移动边缘计算服务器以及集中式云服务器中。最后,当鱼清除水下废物时,它将捕获的定位对象的图像卸载到移动边缘计算服务器或有时卸载到云服务器以做出决定。服务器采用智能图像处理技术和自适应学习过程来做出决定。然而,如果服务器无法做出决定,那么鱼就会利用其光学生物传感器。通过该方案,用于清理任何水体的时间延迟被最小化,并且鱼的废物收集能力被最大化。该技术可以有效地帮助政府或市政人员在没有人工的情况下制造清洁水。
2020-08-31 cs.DC cs.NI eess.SP
PoCL-R: An Open Standard Based Offloading Layer for Heterogeneous Multi-Access Edge Computing with Server Side Scalability
提出基于 OpenCL 的计算运行时 PoCL-R,支持 MEC 集群跨服务器可扩展卸载,通过点对点协议与 RDMA 降低延迟,在 AR 渲染和流体仿真中显著提升性能与扩展性。
2023-09-01 cs.DC cs.NI cs.PF
Edge Robotics: Edge-Computing-Accelerated Multi-Robot Simultaneous Localization and Mapping
School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院)
随着智能机器人在各个领域的广泛渗透,机器人技术中的同时定位与地图构建(SLAM)技术越来越受到关注。然而,由于SLAM的密集图形计算和机器人有限的计算能力之间的性能矛盾,在多个机器人上协作SLAM仍然具有挑战性。虽然传统的解决方案求助于强大的云服务器作为外部计算提供商,但我们通过实际测量表明,数据卸载中的显着通信开销阻止了其对实际部署的实用性。为了应对这些挑战,本文将新兴的边缘计算范式推广到多机器人SLAM中,并提出了RecSLAM,这是一种多机器人激光SLAM系统,专注于在机器人-边缘-云架构下加速地图构建过程。与传统的多机器人SLAM不同,RecSLAM开发了一种分层地图融合技术,将机器人的原始数据引导到边缘服务器进行实时融合,然后发送到云端进行全局融合。为了优化整体流水线,引入了一种高效的多机器人SLAM协同处理框架,自适应地优化机器人到边缘的卸载,以适应异构边缘资源条件,同时确保边缘服务器之间的工作负载平衡。广泛的评估表明,RecSLAM可以实现高达39%的处理延迟减少比最先进的。此外,概念验证原型的开发和部署在真实场景中,以证明其有效性。
2022-01-24 cs.AI cs.DC cs.NI
Servo: Increasing the Scalability of Modifiable Virtual Environments Using Serverless Computing -- Extended Technical Report
针对可修改虚拟环境(MVE)的独特扩展挑战,本研究设计了无服务器后端架构Servo,经AWS和Azure平台实验验证,其单实例支持玩家数达40至140名,显著优于现有方案,且已开源。
2023-04-28 cs.DC
Cloud Computing Concept and Roots
云计算是分布式计算的特定实现。它继承了分布式计算的许多特性,如可扩展性、可靠性和分布透明性。透明中间层将底层平台从最终用户那里抽象出来。虚拟化技术是云计算的基础。虚拟机提供物理服务器资源的抽象,并安全地隔离多租户环境中的不同用户。对于云服务消费者来说,所有的计算能力和资源都是通过客户端平台的高速互联网访问来访问的。这消除了构建和维护本地数据中心的成本。资源池化和快速弹性是云计算的主要特征。云计算的可扩展性来自于可以跨越多个数据中心和地理区域的资源。实际上,云计算的可用资源量没有限制。新的处理和存储资源可以无缝地添加到云资源池中。
2021-02-09 cs.CY cs.DC
Improving the scalability of parallel N-body applications with an event driven constraint based execution model
图应用程序的可扩展性和效率受到传统系统及其支持编程模型的显著限制。多核、众核和异构系统架构等技术趋势正在为图形应用等新兴应用领域带来进一步的挑战和可能性。本文探讨了空间的有效并行执行的短暂的图形,动态生成的Barnes-Hut算法,以减少动态工作负载。工作负载使用称为ParalleX的Exascale计算执行模型的语义表示。为了比较,结果使用传统的执行模型语义。我们发现改进的负载均衡在运行时和自动并行发现提高效率,使用先进的语义Exascale计算。
2011-09-23 cs.DC
Cache Blocking Technique to Large Scale Quantum Computing Simulation on Supercomputers
经典计算机需要大量的内存资源和计算能力来模拟具有大量量子比特的量子线路。即使是可以存储大量数据的超级计算机也面临着并行量子计算模拟的可扩展性问题,因为分布式存储空间之间的数据移动存在延迟。在这里,我们通过在量子线路中插入交换门来应用缓存阻塞技术以减少数据移动。我们在开源仿真框架Qiskit Aer中实现了这种技术。我们在GPU集群上评估了我们的模拟器,并观察到良好的可扩展性。
2021-02-05 cs.DC quant-ph
Scalability Analysis of Distributed Kolmogorov-Arnold Network Training on High-Performance Computing Systems
University of Santiago de Compostela(圣地亚哥德孔波斯特拉大学);Galicia Supercomputing Center (CESGA)(加利西亚超级计算中心(CESGA))
本文实证研究了KAN在HPC系统上的数据并行训练可扩展性,发现其与传统深度学习一致,通信开销受All-Reduce影响,并提供部署指南。
2026-09-09 cs.DC cs.LG cs.PF
CGSim: A Simulation Framework for Large Scale Distributed Computing Environment
Brookhaven National Laboratory(布鲁克海文国家实验室);University of Pittsburgh(匹兹堡大学);Carnegie Mellon University(卡内基梅隆大学);Oak Ridge National Laboratory(橡树岭国家实验室);University of Massachusetts(马萨诸塞大学);SLAC National Accelerator Laboratory(斯坦福直线加速器中心)
针对现有分布式计算仿真器的局限,研究团队基于SimGrid构建了CGSim仿真框架,具备模块化插件、实时可视化、AI数据集生成等特性,经ATLAS PanDA工作负载验证,校准精度高且可实现近线性扩展,支持WLCG级规模仿真。
2025-10-01 cs.DC cs.PF
Resource-Aware Programming for Robotic Vision
Technical University of Munich(慕尼黑工业大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
人形机器人被设计为在以人为中心的环境中操作。他们面临着不断变化的动态环境,需要完成大量具有挑战性的任务。这些任务在复杂性、资源需求和执行时间方面有所不同。人形机器人的最新计算机体系结构由几个包含单核或双核处理器的工业PC组成。根据SIA的半导体路线图,数百到数千个核心的众核芯片预计将在未来十年内上市。利用具有大量资源的芯片的全部功率需要新的计算范例和方法。在本文中,我们分析了一个资源感知计算方法命名为入侵计算,以解决这些挑战。新的编程模型的优点和局限性进行了分析,使用两个广泛使用的计算机视觉算法,哈里斯角点检测器和SIFT(尺度不变特征变换)特征匹配。结果表明,新的编程模型加上应用层内的扩展,使它们具有很强的适应性,从而获得更好的质量的结果。
2014-05-12 cs.CV cs.DC cs.RO
Domain Decomposition Based High Performance Parallel Computing
研究了基于区域分解和稀疏直接求解器的有限元Navier-Stokes程序的并行化问题。稀疏直接求解器的性能有了显著的提高。并行稀疏直接求解器没有表现出良好的可扩展性。因此,稀疏直接求解器的并行化是使用区域分解技术完成的。在这项研究中使用了一个高效的稀疏直接求解器PARDISO。测试了牛顿算法和改进牛顿算法的可扩展性。
2009-11-04 cs.DC
Implementation of the open source virtualization technologies in cloud computing
虚拟化和云计算是数字世界中最近的流行语。云计算按需向用户提供IT即服务。该服务采用效用计算模型,具有更高的灵活性、可用性、可靠性和可扩展性。这一新的计算概念具有巨大的潜力,可用于电子政务领域和孟加拉国等发展中国家的整体信息技术发展前景。
2016-05-11 cs.DC
Master Graduation Thesis: A Lightweight and Distributed Container-based Framework
边缘/雾计算是一种新的计算范式,为资源有限的物联网(IoT)设备提供可扩展的计算和存储资源。与云计算相比,边缘/雾服务器的资源更少,但可以以更高的带宽和更少的通信延迟访问。因此,集成边缘/雾和云基础设施可以支持执行各种延迟敏感和计算密集型物联网应用。尽管一些框架试图提供这种集成,但仍然存在一些挑战需要解决,例如不同物联网应用的动态调度,可扩展性机制,多平台支持以及支持不同的交互模型。为了克服这些挑战,我们提出了一个轻量级和分布式的基于容器的框架,称为FogBus 2。它提供了一种调度异构物联网应用程序的机制,并实现了几种调度策略。此外,它提出了一种优化的遗传算法,以获得快速收敛到合适的解决方案。此外,它还提供了一种可扩展性机制,以确保在物联网设备数量增加或资源负担过重时的有效响应。此外,FogBus 2的动态资源发现机制有助于新实体快速加入系统。我们还开发了两个物联网应用程序,称为康威的生命游戏和视频光学字符识别,以证明FogBus 2在处理实时和非实时物联网应用程序方面的有效性。实验结果表明,FogBus 2的调度策略与其他调度策略相比,将物联网应用的响应时间提高了53%。此外,与不支持可伸缩性的框架相比,可伸缩性机制可以减少高达48%的排队等待时间。
2021-08-08 cs.DB cs.DC cs.NI
Addressing Scalability with Message Queues: Architecture and Use Cases for DIRAC Interware
消息队列(MQ)体系结构是一种异步通信方案,它为分布式计算模型中的某些场景提供了有吸引力的解决方案。MQ作为交互过程之间的中间组件的引入允许对端点进行解耦,从而使系统更加灵活,并提供高可伸缩性和冗余。DIRAC是一个用于分布式计算系统的通用中间件软件,它为许多异构提供者提供了一个公共接口,并保证了资源的透明和可靠使用。DIRAC平台已被多个科学项目采用,包括LHCb、线性对撞机和Belle 2等高能物理社区。消息队列通用接口已被纳入DIRAC框架,以帮助解决从2021年开始的LHC Run3期间必须解决的可扩展性挑战。它允许使用MQ方案在DIRAC组件之间进行消息交换或与第三方服务进行通信。在这篇文章中,我们描述了MQ系统与DIRAC的集成,并展示了几个用例。信息记录器预计将用于先导记录系统,并作为DIRAC组件记录系统和监控的骨干。
2019-02-25 cs.DC hep-ex
Improving scalability and reliability of MPI-agnostic transparent checkpointing for production workloads at NERSC
检查点/重启(C/R)提供容错计算能力,使长时间运行的应用程序,并为计算中心提供调度灵活性,以支持具有不同优先级的各种工作负载。因此,在NERSC获得透明的C/R能力至关重要。Mana,by Garg et.例如,是一个透明的检查点工具,由于其MPI无关和网络无关的方法而被选中。然而,MANA最初是作为概念验证代码编写的,它还不能用于NERSC的各种生产工作负载,这些工作负载主要由MPI和混合MPI+OpenMP应用程序控制。在这次演讲中,我们介绍了NERSC正在进行的工作,以使MANA能够用于NERSC的生产工作负载,包括修复NERSC顶级应用程序暴露的错误,添加新功能以解决系统更改,大规模评估C/R开销等。
2021-03-16 cs.DC