简介：ThispaperpresentsanewandsimpleschemetodescribetheconvexhullinR^d,whichonlyusesthreekindsofthefacesoftheconvexhull.i.e.,thed-1-faces,d-2-facesand0-faces.Thus,wedevelopandefficientnewalgorithmforconstructingtheconvexhullofafinitesetofpointsincrementally.Thisalgorithmemploysmuchlessstorageandtimethanthatofthepreviously-existingapproaches.Theanalysisoftherunniingtimeaswellasthestorageforthenewalgorithmisalsotheoreticallymade.Thealgorithmisoptimalintheworstcaseforevend.

简介：包分类被学习十年了；它基于一个给定的规则集合分类包进特定的流动。当定义软件的网络被建议，包分类的一个最近的趋势是放大五元组的模型到多元组。一般来说，多重地上的包分类是一个复杂问题。尽管大多数存在softwarebased算法在实践被证明非凡，他们对经典五元组的模型仅仅合适并且对困难被扩大规模。同时，硬件特定的答案不可弯曲、昂贵，并且他们中的一些是消费的力量。在这份报纸，我们为多核心系统建议一条通用的多维的包分类途径。在我们的途径，新奇数据结构和四个基于分解的算法被设计优化分类并且规则更新。为多地规则，一个规则集合根据领域的数字被切成几部分。每部分独立地工作。这样，这些地在平行被寻找，所有部分结果最后一起被合并。表明我们的途径的可行性，我们实现一个原型并且评估它的产量和潜伏。试验性的结果证明我们的途径比另外的分解底的算法和43%更低的潜伏的完成40%更高的产量平均比另外的算法的统治增长更改。而且，我们的途径平均节省39%记忆消费并且有好可伸缩性。

简介：Multipleperformancerequirementsneedtobeguaranteedinsomereal-timeapplicationssuchasmultimediadataprocessingandreal-timesignalprocessinginadditiontotimingconstraints.Unfortunately,mostconventionalschedulingalgorithmsonlytakeoneortwodimensionsofthemintoaccount.Motivatedbythisfact,thispaperinvestigatestheproblemofprovidingmultipleperformanceguaranteesincludingtimeliness,QoS,throughput,QoSfairnessandloadbalancingforasetofindependenttasksbydynamicscheduling.Webuildaschedulermodelthatcanbeusedformulti-dimensionalscheduling.Basedontheschedulermodel,weproposeaheuristicmulti-dimensionalschedulingstrategy,MDSS,consistingofthreesteps.Thefirststepcanbeofanyexistingreal-timeschedulingalgorithmthatdeterminestoacceptorrejectatask.Instep2,weputforwardanovelalgorithmMQFQtoenhancetheQoSlevelsofacceptedtasks,andtomakethesetaskshavefairQoSlevelsatthesametime.AnothernewalgorithmITLBisproposedandusedinstep3.TheITLBalgorithmiscapableofbalancingloadandimprovingthroughputofthesystem.ToevaluatetheperformanceofMDSS,weperformextensivesimulationexperimentstocompareMDSSstrategywithMDSRstrategy,DASAPandDALAPalgorithms.ExperimentalresultsshowthatMDSSsignificantlyoutperformsMDSR,DASAPandDALAP.