面向數(shù)據(jù)中心網(wǎng)絡(luò)的故障診斷算法.pdf

1、如何高效識別數(shù)據(jù)中心內(nèi)的故障單元，在當(dāng)前依然是個挑戰(zhàn)，系統(tǒng)級故障診斷正是可以解決該問題的方法之一。
　　針對小型數(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)級故障診斷，設(shè)計出布谷鳥搜索診斷(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)；對現(xiàn)有的二進制映射算法BM進行優(yōu)化，提出了ABM算法。我們分別對KMC算法、ABM算法、CSFD算法進行了仿真實驗。結(jié)果表明：

2、KMC算法顯著提升了初始個體與最終解的接近程度，ABM算法有效減少了二進制映射的個體位點值變化率，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，有效地降低了時間復(fù)雜度。在大型數(shù)據(jù)中心網(wǎng)絡(luò)的第一層，首先通過對基本單元組的多次最簡測