面向数据中心网络的故障诊断算法
发布时间:2017-05-17 09:13
本文关键词:面向数据中心网络的故障诊断算法,由笔耕文化传播整理发布。
【摘要】:如何高效识别数据中心内的故障单元,在当前依然是个挑战,系统级故障诊断正是可以解决该问题的方法之一。针对小型数据中心网络,本文首次将布谷鸟搜索(CS)算法应用于系统级故障诊断,设计出布谷鸟搜索诊断(CSFD)算法。在该算法中,我们构造KMC算法进行初始化;根据诊断模型所满足的方程约束条件选择适应度函数;对现有的二进制映射算法BM进行优化,提出了ABM算法。我们分别对KMC算法、ABM算法、CSFD算法进行了仿真实验。结果表明:KMC算法显著提升了初始个体与最终解的接近程度,ABM算法有效减少了二进制映射的个体位点值变化率,CSFD算法明显比两种现有的代表性群体智能诊断算法具有更高的诊断性能。针对大型数据中心网络,现有的诊断算法以及CSFD算法均效果欠佳。本文根据当前大型数据中心网络的结构特征,提出一种分层式故障诊断(HFD)算法,该算法在保持良好诊断精确度的同时,有效地降低了时间复杂度。在大型数据中心网络的第一层,首先通过对基本单元组的多次最简测试,得到一组测试结果;然后根据这些结果计算出各单元组的故障期望,并用KMC算法将基本单元组划分为“相对故障单元组”与“相对正常单元组”两大类。在第二层,即在相对故障单元组内部,为了更好地进行各单元之间的相互测试与诊断,我们将FAFD算法改进为AD-FAFD算法;该算法降低了测试症候矩阵维数,优化了初始化算法,并通过利用“正-反关联性”提高了迭代效率。
【关键词】:系统级故障诊断 数据中心网络 布谷鸟搜索诊断(CSFD)算法 KMC算法 HFD算法 正-反关联性 AD-FAFD算法
【学位授予单位】:南京财经大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP393.06
【目录】:
- 摘要4-7
- 第一章 绪论7-14
- 1.1 关于系统级故障诊断7-9
- 1.1.1 问题背景7
- 1.1.2 相关定义7-8
- 1.1.3 研究现状8-9
- 1.2 数据中心网络的规模与特征9-11
- 1.3 本文的研究内容与意义11-12
- 1.4 创新点12
- 1.5 文章结构12-14
- 第二章 预备知识14-17
- 2.1 布谷鸟搜索(CS)算法14-15
- 2.2 萤火虫诊断(FAFD)算法15-17
- 第三章 面向小型数据中心网络的CSFD算法17-27
- 3.1 设计初始化算法17-18
- 3.2 选择适应度函数18-19
- 3.3 优化二进制映射19-21
- 3.4 T-可诊断性约束21
- 3.5 算法停止条件21
- 3.6 CSFD算法过程描述与时间复杂度分析21-22
- 3.6.1 CSFD算法的过程描述21-22
- 3.6.2 CSFD算法的时间复杂度分析22
- 3.7 实验仿真22-27
- 3.7.1 初始化算法的实验仿真23-24
- 3.7.2 二进制映射算法的实验仿真24-25
- 3.7.3 CSFD算法的实验仿真25-27
- 第四章 面向大型数据中心网络的HFD算法27-43
- 4.1 HFD算法的基本思想27
- 4.2 第一层的测试与诊断算法27-35
- 4.2.1 相关定义27-28
- 4.2.2 基本单元组故障概率的计算方法28-33
- 4.2.3 求绝对故障基33-35
- 4.2.4 基本单元组的划分算法35
- 4.3 第二层的诊断算法——AD-FAFD算法35-37
- 4.3.1 预处理与萤火虫个体的初始化35-36
- 4.3.2 关联性优化36-37
- 4.3.3 AD-FAFD算法步骤37
- 4.4 HFD算法过程描述与时间复杂度分析37-39
- 4.4.1 HFD算法的过程描述37-38
- 4.4.2 HFD算法的时间复杂度分析38-39
- 4.5 实验仿真39-43
- 4.5.1 第一层测试与划分算法的实验仿真39-40
- 4.5.2 第二层AD-FAFD算法的实验仿真40-43
- 第五章 总结与展望43-44
- 参考文献44-46
- 攻读硕士期间发表的论文46-47
- 后记47
【参考文献】
中国期刊全文数据库 前4条
1 宣恒农;韩忠愿;张大方;;基于互测PMC模型的故障诊断方法及其应用[J];电子学报;2007年05期
2 王聪;王翠荣;王兴伟;蒋定德;;面向云计算的数据中心网络体系结构设计[J];计算机研究与发展;2012年02期
3 邓伟;杨小帆;吴中福;;面向系统级故障诊断的高效遗传算法[J];计算机学报;2007年07期
4 魏祥麟;陈鸣;范建华;张国敏;卢紫毅;;数据中心网络的体系结构[J];软件学报;2013年02期
本文关键词:面向数据中心网络的故障诊断算法,由笔耕文化传播整理发布。
,本文编号:372997
本文链接:https://www.wllwen.com/guanlilunwen/ydhl/372997.html