MétaCan
Menu
Retour à la cohorte
Enregistrement W2053161063 · doi:10.1109/have.2007.4371593

A Formal Approach to RT-RTI Design Using Real Time DEVS

2007· article· en· W2053161063 sur OpenAlexaff
Azzedine Boukerche, Ahmad Shadid, Ming Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueSimulation Techniques and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésDEVSComputer scienceHigh-level architectureFormalism (music)Discrete event simulationKey (lock)Distributed computingThread (computing)ArchitectureFormal verificationModeling and simulationTheoretical computer scienceSimulationProgramming languageOperating systemInteroperability

Résumé

récupéré en direct d'OpenAlex

High level architecture (HLA) is a well-known standard for constructing and supporting large-scale and complex distributed interactive simulation systems. HLA has several key components, among which; run-time infrastructure (RTI) is a crucial one as a service provider engine in HLA based simulation systems. Real Time extension of HLA/RTI became very important due to the necessity for the HLA to support simulation components with strict time constraints while interacting with each other. In fact, there have been a lot of research and concerns with regard to designing a high performance RT-RTI. In this paper, we propose a novel RT-RTI design approach that uses Real Time Discrete Event System Specification (RT-DEVS) formalism to model and simulate vital experimental frames. We are presenting a case study that demonstrates the usefulness of this formal approach in predicting the key design characteristics through designated simulation experiments. The simulation experimental results show that dynamic thread pool management with our load balancing strategies formed a key in improving the performance of RT-RTI in terms of serving tasks within their deadlines. Through our proposed formal design approach, we have seen an open area in finding the optimal RT-RTI design using RT-DEVS.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,804
Score d'incertitude au seuil0,790

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,342
Tête enseignante GPT0,468
Écart entre enseignants0,126 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSimulation Techniques and ApplicationsTravaux en français237 207