【文章內(nèi)容簡介】 送時刻（si）：數(shù)據(jù)包開始發(fā)送的時刻。3阻塞時間（bi）：數(shù)據(jù)包達到后，等待直至開發(fā)發(fā)送所需要的時間，即 bi=siai 網(wǎng)絡(luò)數(shù)據(jù)包的傳輸中任務(wù)是非搶優(yōu)的，bi由兩部分組成：bh,i：等待所有更高優(yōu)先級的任務(wù)傳輸完畢的時間bl,i：正在發(fā)送的較低優(yōu)先級的任務(wù)發(fā)送完畢所需要的時間，其最大值分別記為： 4傳輸時間（ci）：數(shù)據(jù)包由源地址經(jīng)網(wǎng)絡(luò)傳送到目的地址所需要的時間，一般由數(shù)據(jù)包的大小和網(wǎng)絡(luò)介質(zhì)的速率決定。5完成時間（fi）：一次傳輸結(jié)束的時間。6傳輸時延（τi）：數(shù)據(jù)包到達隊列至數(shù)據(jù)包完成數(shù)據(jù)包傳輸完成之間的時間。顯然 7時限（di）：為保證NCS的性能，傳輸必須在某個時間之前完成，該時間就稱為時限。網(wǎng)絡(luò)占用率（U）： 其中NCS中N個對象的傳感器按周期 pi 發(fā)送數(shù)據(jù)?？烧{(diào)度性：指網(wǎng)絡(luò)控制系統(tǒng)的所有數(shù)據(jù)傳輸都能在任務(wù)時限內(nèi)完成網(wǎng)絡(luò)調(diào)度的幾種基本方法：協(xié)議層調(diào)度、TOD網(wǎng)絡(luò)調(diào)度協(xié)議、反饋控制實時調(diào)度。實時系統(tǒng)在確定的時間內(nèi)執(zhí)行計算或處理事務(wù)并對外部的異步事件做出響應(yīng)的計算機系統(tǒng)。實時系統(tǒng)分類硬實時系統(tǒng)：如果一個系統(tǒng)未能在指定時間內(nèi)就某一事件做出響應(yīng)而失敗，則該失敗被認為是一種全面的系統(tǒng)失敗。一般用于航天系統(tǒng)或核反應(yīng)堆系統(tǒng)，系統(tǒng)較復(fù)雜。//軟實時系統(tǒng)：系統(tǒng)對某些任務(wù)的響應(yīng)時間允許一定程度上的超時限，而不會導(dǎo)致系統(tǒng)的失敗。大多數(shù)系統(tǒng)都屬于軟實時系統(tǒng)，網(wǎng)絡(luò)控制系統(tǒng)通常是軟實時系統(tǒng)實時系統(tǒng)區(qū)別于一般系統(tǒng)通用系統(tǒng)一般追求的是系統(tǒng)的平均響應(yīng)時間和用戶使用系統(tǒng)的方便，而實時系統(tǒng)主要考慮的是系統(tǒng)在最壞情況下的紫銅行為。實時系統(tǒng)特點時間約束性、可預(yù)測性、可靠性、與外部環(huán)境的交互作用性 核心實時調(diào)度。實時調(diào)度算法特征硬實時與軟實時、搶優(yōu)與非搶優(yōu)、動態(tài)與靜態(tài)、集中與分布調(diào)度給定一組實時任務(wù)和系統(tǒng)資源，確定每個任務(wù)何時何地執(zhí)行的整個過程。實時調(diào)度在確定的時間內(nèi)執(zhí)行計算或處理事務(wù)并對外部的異步事件做出響應(yīng)的計算機系統(tǒng)。也可稱為CPU（處理器）調(diào)度算法，基本上分為兩類：靜態(tài)調(diào)度和動態(tài)調(diào)度。網(wǎng)絡(luò)調(diào)度與實時調(diào)度比較相同點：都有共享資源的限制。//實時系統(tǒng)：多個任務(wù)不能同時使用CPU的計算資源//網(wǎng)絡(luò)系統(tǒng)：多數(shù)據(jù)共用一條網(wǎng)絡(luò)傳輸介質(zhì)//不同點：實時系統(tǒng)：調(diào)度是可以搶優(yōu)的//網(wǎng)絡(luò)系統(tǒng)：調(diào)度是可以非搶優(yōu)的RM算法 一組n個相互獨立、可搶優(yōu)的實時周期任務(wù)，用RM算法的可調(diào)度條件為任務(wù)的總占有率U滿足如下不等式： 例子：兩個并發(fā)的周期實時任務(wù)，執(zhí)行時間為c1=c2=3ms，任務(wù)周期為h1=4ms，h2=6ms，任務(wù)時限d1=h1，d2=h2。計算RM算法的可調(diào)度性。解：任務(wù)的占有率為：RM算法的可調(diào)度條件可知用RM算法不可調(diào)度。NCS的RM調(diào)度算法: 一組n個相互獨立、非搶優(yōu)的實時周期任務(wù)（其優(yōu)先級按下標值遞減，下標 i 為1任務(wù)的優(yōu)先級最高，下標 i 為N任務(wù)的優(yōu)先級最低），其可調(diào)度條件為對于所有的 都滿足如下不等式：例子：同樣對于例 ，對于任務(wù)1，即i=1，應(yīng)用非搶優(yōu)RM可調(diào)度定理，有對于任務(wù)2，即i=2，應(yīng)用非搶優(yōu)RM可調(diào)度定理，有由非搶優(yōu)RM算法的可調(diào)度條件可知：用非搶優(yōu)RM算法不可調(diào)度。EDF算法：一組n個相互獨立的實時周期任務(wù)，用EDF算法的可調(diào)度條件為任務(wù)的總占有率U滿足 其中 ci 為任務(wù)所需的執(zhí)行時間，hi 為任務(wù)的周期例子：兩個并發(fā)的周期實時任務(wù)，執(zhí)行時間為c1=c2=3ms，任務(wù)周期為h1=6ms，h2=4ms，任務(wù)時限d1=h1，d2=h2。計算EDF算法的可調(diào)度性。解：任務(wù)的占有率為： 不可調(diào)度與RM算法比較，此時任務(wù)1獲得了更多的資源，即EDF算法對資源的分配更加均衡。//由于軟實時系統(tǒng)在某種程度上能夠承受部分的任務(wù)超過時限的要求，因此EDF算法的均衡調(diào)度對于軟實時系統(tǒng)任務(wù)的保證是很重要的。NCS的EDF令 為有n個任務(wù)的任務(wù)集，其中 是一系列按周期非遞減順序排列的周期性任務(wù)，ci 為任務(wù)Ti 的最長執(zhí)行時間，hi 為任務(wù)Ti 的周期，di = hi 為任務(wù)Ti 的時限，則當且僅當以下條件成立，T 在非搶優(yōu)EDF調(diào)度算法下可調(diào)度：例子：設(shè)實時系統(tǒng)中有如下4個任務(wù)，任務(wù)的時間屬性如表 di = hi 判斷是 否可調(diào)度：解：令 處理器利用率：表2中給出了 取不同值時任務(wù)集的時間需求關(guān)系。由表中數(shù)據(jù)可以看出， i 取值不同時，均滿足可調(diào)度條件。網(wǎng)絡(luò)控制系統(tǒng)調(diào)度與控制的協(xié)同設(shè)計1）NCS是由網(wǎng)絡(luò)和控制組成的控制系統(tǒng)，其閉環(huán)性能不僅依賴于控制算法的設(shè)計，還依賴于對網(wǎng)絡(luò)資源的合理調(diào)度。2）合適的傳輸協(xié)議和調(diào)度策略可以保證網(wǎng)絡(luò)的服務(wù)質(zhì)量。3）NCS中的采樣周期同時涉及控制與調(diào)度兩個方面，因此，綜合考慮控制與網(wǎng)絡(luò)調(diào)度兩個方面指標的NCS中采樣周期的優(yōu)化選擇，就是調(diào)度與控制協(xié)同設(shè)計的一個基本的途徑。人工神經(jīng)網(wǎng)絡(luò)（簡稱神經(jīng)網(wǎng)絡(luò)）是模擬人腦思維方式的數(shù)學模型。神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代生物學研究人腦組織成果的基礎(chǔ)上提出的，用來模擬人類大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為。神經(jīng)網(wǎng)絡(luò)反映了人腦功能的基本特征，如并行信息處理、學習、聯(lián)想、模式分類、記憶等。(發(fā)展經(jīng)歷4個階段啟蒙期（18901969年）、低潮期（19691982）、復(fù)興期（19821986）、新連接機制時期（1986現(xiàn)在）) 神經(jīng)元由三部分構(gòu)成1）細胞體（主體部分）：包括細胞質(zhì)、細胞膜和細胞核2）樹突：用于為細胞體傳入信息3）軸突：為細胞體傳出信息，其末端是軸突末梢，含傳遞信息的化學物質(zhì)4）突觸：是神經(jīng)元之間的接口（104~105個/每個神經(jīng)元）。 通過樹突和軸突，神經(jīng)元之間實現(xiàn)了信息的傳遞。神經(jīng)元具有如下功能興奮與抑制：如果傳入神經(jīng)元的沖動經(jīng)整和后使細胞膜電位升高，超過動作電位的閾值時即為興奮狀態(tài)，產(chǎn)生神經(jīng)沖動，由軸突經(jīng)神經(jīng)末梢傳出。如果傳入神經(jīng)元的沖動經(jīng)整和后使細胞膜電位降低，低于動作電位的閾值時即為抑制狀態(tài)，不產(chǎn)生神經(jīng)沖動。//學習與遺忘：由于神經(jīng)元結(jié)構(gòu)的可塑性，突觸的傳遞作用可增強和減弱，因此神經(jīng)元具有學習與遺忘的功能。決定神經(jīng)網(wǎng)絡(luò)模型性能三大要素為1)神經(jīng)元（信息處理單元）的特性2)神經(jīng)元之間相互連接的形式—拓撲結(jié)構(gòu)3)為適應(yīng)環(huán)境而改善性能的學習規(guī)則。根據(jù)神經(jīng)網(wǎng)絡(luò)的連接方式，神經(jīng)網(wǎng)絡(luò)可分為兩種形式1）前向網(wǎng)絡(luò)神經(jīng)元分層排列，組成輸入層、隱含層和輸出層。每一層的神經(jīng)元只接受前一層神經(jīng)元的輸入。輸入模式經(jīng)過各層的順次變換后，由輸出層輸出。在各神經(jīng)元之間不存在反饋。感知器和誤差反向傳播網(wǎng)絡(luò)采用前向網(wǎng)絡(luò)形式。2)反饋網(wǎng)絡(luò)該網(wǎng)絡(luò)結(jié)構(gòu)在輸出層到輸入層存在反饋，即每一個輸入節(jié)點都有可能接受來自外部的輸入和來自輸出神經(jīng)元的反饋。這種神經(jīng)網(wǎng)絡(luò)是一種反饋動力學系統(tǒng)，它需要工作一段時間才能達到穩(wěn)定。Hopfield神經(jīng)網(wǎng)絡(luò)是反饋網(wǎng)絡(luò)中最簡單且應(yīng)用最廣泛的模型，它具有聯(lián)想記憶的功能3) 自組織網(wǎng)Kohonen網(wǎng)絡(luò)是最典型的自組織網(wǎng)絡(luò)。Kohonen認為，當神經(jīng)網(wǎng)絡(luò)在接受外界輸入時，網(wǎng)絡(luò)將會分成不同的區(qū)域，不同區(qū)域具有不同的響應(yīng)特征，即不同的神經(jīng)元以最佳方式響應(yīng)不同性質(zhì)的信號激勵，從而形成一種拓撲意義上的特征圖，該圖實際上是一種非線性映射。這種映射是通過無監(jiān)督的自適應(yīng)過程完成的，穩(wěn)定后的網(wǎng)絡(luò)輸出就對輸入模式生成自然的特征映射，從而達到自動聚類的目的。 神經(jīng)網(wǎng)絡(luò)的學習算法有多種按有無導(dǎo)師分類，可分為有教師學習、無教師學習和再勵學習等幾大類在有教師的學習方式中，網(wǎng)絡(luò)的輸出和期望的輸出（即教師信號）進行比較，然后根據(jù)兩者之間的差異調(diào)整網(wǎng)絡(luò)的權(quán)值，最終使差異變小。在無教師的學習方式中，輸入模式進入網(wǎng)絡(luò)后，網(wǎng)絡(luò)按照一預(yù)先設(shè)定的規(guī)則（如競爭規(guī)則）自動調(diào)整權(quán)值，使網(wǎng)絡(luò)最終具有模式分類等功能。再勵學習是介于上述兩者之間的一種學習方式。最基本的神經(jīng)網(wǎng)絡(luò)學習算法Hebb學習規(guī)則是一種聯(lián)想式學習算法。，認為兩個神經(jīng)元同時處于激發(fā)狀態(tài)時，它們之間的連接強度將得到加強，這一論述的數(shù)學描述被稱為Hebb學習規(guī)則，即 其中， 為連接從神經(jīng)元 Uj 到神經(jīng)元Ui的當前權(quán)值， 和 為神經(jīng)元的激活水平。//Hebb學習規(guī)則是一種無教師的學習方法，它只根據(jù)神經(jīng)元連接間的激活水平改變權(quán)值，因此，這種方法又稱為相關(guān)學習或并聯(lián)學習。Delta（δ）學習規(guī)則（誤差修正規(guī)則）假設(shè)誤差準則函數(shù)為：其中， 代表期望的輸出（教師信號）； 為網(wǎng)絡(luò)的實際輸出， ； 為網(wǎng)絡(luò)所有權(quán)值組成的向量： 為輸入模式： 其中訓練樣本數(shù)為 。神經(jīng)網(wǎng)絡(luò)學習的目的是通過調(diào)整權(quán)值W，使誤差準則函數(shù)最小。權(quán)值的調(diào)整采用梯度下降法來實現(xiàn)，其基本思想是沿著E的負梯度方向不斷修正W值，直到E達到最小。數(shù)學表達式為：其中