선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서 DEVS 특성에 따른 시뮬레이션 모델분배 방법을 제시하였다. 본 제안 알고리즘의 효용성을 검증하기 위해서 기존 개발된 계층적 시뮬레이션 모델분배 방법과 비교하여 그 효용성을 나타내었다.
- 본 논문에서 제안하는 모델 분배의 목적은 비동기적 시뮬레이션 방법에서 볼 때 rollback operation을 일으키는 메시지는 external input message에 의해서 발생하는데, 이러한 external input message 교환수를 최소화할 수 있는 방법을 개발하는 것이다. 이에 따라 rollback operation이 감소하는 결과를 발생 시킬 수 있다.
- 본 논문에서 제안하는 알고리즘은 力값을 지정한 분배 개수4) SC로 나누는데 목적을 둔다. 전체 시뮬레이션 모델 5) 6을 SC로 나누어 SC 개의 군집화 그룹이 생성되면 이들이 최종 Partitioned GroupCPG。>)이다.
- 본 논문에서는 DEVS 형식론에 기반 한 분산 시뮬레이션 환경 하에서 대규모 시뮬레이션 모델들을 검증할 때 고성능 시뮬레이션 수행을 위해 최소한의 rollback operation이 발생될 수 있게 하는 DEVS 모델 분배 (partitioning) 방법을 제안한다.
- 전체 시뮬레이션 모델 5) 6을 SC로 나누어 SC 개의 군집화 그룹이 생성되면 이들이 최종 Partitioned GroupCPG。>)이다. 본 논문에서는 external input 메시지 교환이 최소로 발생되게 _PG를 구하기 위한 방법으로 Heuristic-decision 알고리즘이다. 본 논문의 궁극적인 문제 해결 목적은 成에 대해서 SC 개로 최대한 집중된 메시지 교환 시뮬레이션 모델들로 그룹핑된 PG를 구하는 것이다.
- 본 논문에서는 external input 메시지 교환이 최소로 발생되게 _PG를 구하기 위한 방법으로 Heuristic-decision 알고리즘이다. 본 논문의 궁극적인 문제 해결 목적은 成에 대해서 SC 개로 최대한 집중된 메시지 교환 시뮬레이션 모델들로 그룹핑된 PG를 구하는 것이다.
- 은 본 논문에서 제안한 DEVS 특성 기반 모델분배 방법으로 모델들을 분배한 결과이다. 본 논문의 목적은 컴퓨터 노드에 분배된 DEVS 모델들로 구성된 PG 들 간에 최소 external input message 교환을 목적으로 하고 있다고 앞장에서 설명하였다. 그림 5.
가설 설정
- 이에 따라 rollback operation이 감소하는 결과를 발생 시킬 수 있다. 그리고 rollback operation이 감소함에 따라 시스템 안정성과 수행속도 또한 더욱 높아 질 것이다.
- 본 논문에서 제시할 분배 방법 알고리즘을 설명하기 위해 그림 3.과 같은 계층적 DEVS 시뮬레이션 모델 시스템이 존재한다고 가정한다. 각 시뮬레이션 모델의 Computation Cost(:processor occupation)는 본 논문에서는 고려하지 않으며 임의의 상수 값(a)을 부여한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.