抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
古典的なグリッド資源の発見手法の集中管理または階層管理は,高度に動的な大規模グリッド環境を効率的に管理することができない。ピアツーピア(P2P)オーバレイが,グリッドの動的な,拡張性および分散化の見通しを示している。構造化P2P方式は複数属性範囲の質問を完全にはサポートしておらず,そして,非構造化P2P資源発見方式は,ネットワーク全体のブロードキャストストーム問題に苦しんでいる。本論文では,分散型学習オートマトンベースの資源発見アルゴリズムを,大規模P2Pグリッドに対し提案した。提案した方法は,複数属性範囲の質問をサポートし,要求された資源を持つ可能性がより高いグリッドピアで終了する最短経路を介して,資源問合せを転送する。いくつかのシミュレーション実験を,提案したアルゴリズムの有効性を確認するために実施した。数値結果は,平均ホップ数,平均ヒット率,および制御メッセージのオーバーヘッドの面で,他の方法に比べて提案モデルの優位性を明らかにした。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.