论文部分内容阅读
兴趣匹配在分布式仿真中扮演着重要的角色。然而,在大规模仿真场景中,仿真实体数量大且区域变化频繁,导致兴趣匹配的计算量很大,严重影响仿真性能。另一方面,多核处理器的普及也促使从并行视角来提升兴趣匹配算法的性能。针对上述问题,提出了一种并行层次兴趣匹配算法,将订阅区域映射到一棵满二叉树中,由更新区域并行地与二叉树进行匹配,并利用二叉树相邻节点的区域关联关系来剔除不必要的计算。实验结果表明:并行层次兴趣匹配算法具有较好的可扩展性,且能够有效提升兴趣匹配的效率。