1-good-neighbor diagnosability of alternating group graph networks under PMC and MM* model

Ученые исследовали 1-good-neighbor diagnosability для alternating group graph network (AG_n), важной топологии для многопроцессорных систем. Было доказано, что при использовании моделей диагностики PMC и MM*, этот показатель для AG_n составляет (n − 2)! при условии n ≥ 5. Для 4-мерного графа (n=4) показатели составили 4 для модели PMC и 3 для модели MM*.

Это исследование важно для повышения надежности вычислительных систем. Полученные результаты показывают, что 1-good-neighbor diagnosability в несколько раз превышает классическую диагностируемость AG_n. Такой подход, исключающий ситуации, когда все соседи исправного узла неисправны, лучше отражает реальные модели отказов в сети.

Работа предоставляет точные границы для диагностируемости сети, что поможет инженерам разрабатывать более надежные системы с учетом конкретной топологии, требований к надежности и статистики отказов.