1-god nabo-diagnosebarhed af skiftende gruppegrafnetværk under PMC- og MM*-modellen

Mange multiprocessorsystemer har sammenkoblingsnetværk som underliggende topologier, og et sammenkoblingsnetværk er normalt repræsenteret af en graf, hvor knudepunkter repræsenterer processorer, og links repræsenterer kommunikationsforbindelser mellem processorer.

For disse systemer, studiet af topologiske egenskaber ved dets sammenkoblingsnetværk er vigtigt. I 2012 Peng et al. foreslået en ny foranstaltning til fejldiagnose af systemet, nemlig -god-nabo-diagnosebarheden (som også kaldes den -god-nabo-betingede diagnose), hvilket kræver, at hver fejlfri knude mindst indeholder fejlfrie naboer. Da sandsynligheden for, at alle naboerne til et forkastningspunkt svigter og skaber fejl, er mere til sandsynligheden for, at alle naboerne til et fejlfrit vertex fejler og skaber fejl i systemet, vi betragter den situation, at intet defekt sæt kan indeholde alle naboerne til ethvert fejlfrit vertex i systemet. I særdeleshed, 1-god-nabo-diagnosticering af systemet er ikke noget defekt sæt, der indeholder alle naboerne til et fejlfrit vertex i systemet, hvilket også kaldes systemets naturdiagnosebarhed.

Det dimensionelle vekslende gruppegrafnetværk har vist sig at være en vigtig levedygtig kandidat til sammenkobling af et multiprocessorsystem. Funktionen inkluderer lav grad af node, lille diameter, symmetri, og høj grad af fejltolerance. I denne avis, vi beviser, at 1-god-nabo-diagnosticeringen af ​​er under PMC-modellen og MM*-modellen, 1-god-nabo-diagnosebarheden af ​​4-dimensionelt alternerende gruppegrafnetværk under PMC er 4, og 1-god-nabo-diagnosebarheden for MM*-modellen er 3. I denne artikel, vi undersøger problemet med 1-god-nabo-diagnosticering under PMC-modellen og MM*-modellen. Det er bevist, at 1-god nabo-diagnosebarheden under PMC-modellen og MM*-modellen er, når . Ovenstående resultater viser, at 1-god-nabo-diagnosticeringen er adskillige gange større end den klassiske diagnosticerbarhed af afhængig af tilstanden:1-god-nabo. Arbejdet vil hjælpe ingeniører med at udvikle flere forskellige mål for 1-god nabo-diagnose baseret på applikationsmiljø, netværkstopologi, netværks pålidelighed, og statistik relateret til fejlmønstre.