張思親，孔文華，蘇銀科

(北京機電工程研究所，北京 100074)

0 引 言

隨著新型武器裝備的發(fā)展，基于信息物理系統(tǒng)(cyber physics system，CPS)特征的網絡化武器系統(tǒng)(如無人集群系統(tǒng))已逐漸成為重要的發(fā)展方向。CPS強調計算、網絡與物理實體的緊密結合，通過計算、通信和控制的協(xié)同合作，獲得整個系統(tǒng)在適應性、功能性、可靠性、效率性等方面的提升。該趨勢反映到網絡化武器裝備中，則表現為不同時間和空間上的同構或異構資源的動態(tài)混合系統(tǒng)，包括探測感知資源、指揮控制資源、精確打擊資源、作戰(zhàn)保障資源和打擊效果評估資源等。系統(tǒng)通過分布在各種物理資源上的傳感設備采集信息，利用多維信息網絡進行信息數據的傳輸與交互，最終實現對網絡化武器系統(tǒng)各個實體的精確動態(tài)控制和協(xié)同運行，完成其相應的作戰(zhàn)使命任務。網絡化武器裝備呈現出功能多樣化、環(huán)境復雜化、任務綜合化、特征智能化的特征，其運行機制和功能形態(tài)的演化過程充滿了不確定性，對開展半實物仿真試驗驗證帶來新的挑戰(zhàn)，主要表現為以下幾個方面：

1)采用通用計算機來構建集群仿真系統(tǒng)，運行效能低下，成本巨大。這主要因為通用計算機執(zhí)行機構固定不變，依靠仿真軟件編程實現仿真計算和運行控制具有較強的通用性。為了滿足實時仿真需求，通常采用資源最大化配置，要實現集群武器裝備仿真，所需資源巨大，成本難于估計，對其進行管理、調度、重構的代價也很大。

2)采用專用計算機構建集群仿真系統(tǒng)，需依據特定應用需求，盡管可以達到較高的運行效能，但通用性極差，難以滿足網絡化裝備系統(tǒng)仿真需求。

圖1給出了不同計算形式的靈活性和性能關系示意圖。

圖1 不同計算形式的靈活性與性能Fig.1 Flexibility and performance of various computing forms

因此，需要研究一種能夠感知仿真任務需求、進行軟/硬件架構重構的實時仿真平臺，在仿真任務與仿真資源間進行動態(tài)決策，給出效能最優(yōu)的匹配，實現仿真平臺通用性和運行效能的最佳平衡，滿足具有信息物理系統(tǒng)特征的網絡化武器系統(tǒng)的試驗驗證需求。隨著現代計算技術的發(fā)展，特別是近年來出現的擬態(tài)計算技術和可重構技術，為集群仿真系統(tǒng)實現帶來了新的可能。本文將重點分析擬態(tài)計算技術和可重構計算技術的發(fā)展現狀，分析其在集群仿真應用中的可行性，提出集群仿真應用中需解決的技術難點，設計基于擬態(tài)重構技術的集群仿真系統(tǒng)原理驗證方案。

1 擬態(tài)重構技術現狀分析

1.1 擬態(tài)計算技術的現狀分析

擬態(tài)，本意是指一種生物在形態(tài)、行為等特征上模擬另一種生物，從而使一方或雙方受益的生態(tài)適應現象。擬態(tài)章魚是自然界最具代表性的擬態(tài)偽裝大師，它可以通過扭曲身體和觸手，來模仿至少15種動物的外表和行為，包括海蛇、比目魚、巨蟹、海貝、水母、?？鹊取Ｊ艿綌M態(tài)章魚等自然現象的啟發(fā)，美國懷俄明州立大學的SPEAR等提出的擬態(tài)物理學(physicomimetics or artificial physics，AP)[1-3]，是一種模擬物體間存在虛擬力作用以及物體運動遵循牛頓力學定律的方法，并提出擬態(tài)物理學框架，實現了將傳統(tǒng)的物理分析技術用于群體行為的預測。AP主要應用于群機器人系統(tǒng)的分布式控制(包括群機器人的編隊、區(qū)域覆蓋和避障等)，如目前應用廣泛的蟻群算法，以及求解最優(yōu)化問題，如擬態(tài)物理學優(yōu)化算法。

2015年以來，解放軍信息工程大學等團隊借鑒AP的方法，提出了一種基于擬態(tài)計算的主動認知可重構體系結構，將AP概念成功應用于高性能計算中，提出擬態(tài)計算的概念，并成功研制世界首臺擬態(tài)計算機[4]，為全球高性能計算機的發(fā)展開辟了新方向。擬態(tài)計算是一種能根據資源、任務、安全、服務和時效性等元素的變化，變換出盡可能合適的結構形態(tài)，從而得到高處理效能的計算模式，具有以下特征：

1) 擬態(tài)計算以實現高效能和高性能計算為目的，具有按需分配資源、結構可變、靈活計算的特點。擬態(tài)計算以多維重構函數化體系結構與動態(tài)多變體運行機制為核心，對高性能計算在多個典型領域的應用、結構和效能關系進行了深入分析，引入了“應用決定結構，結構決定效能”的理念。相比于傳統(tǒng)信息系統(tǒng)的靜態(tài)性、相似性和確定性，擬態(tài)計算系統(tǒng)具有非持續(xù)性、非相似性和非確定性等基本屬性。擬態(tài)計算機的結構動態(tài)可變，軟硬件結合進行計算，針對用戶不同的應用需求，擬態(tài)計算機可通過改變自身結構來提高效能。

2) 擬態(tài)計算通過識別應用的需求及變化，同時感知系統(tǒng)中可以利用的處理資源，依據盡可能高效的原則構建出適合于應用需求的處理結構，并且該結構隨著應用的變化(如計算進展階段、處理負荷等方面的變化)可進行結構的主動變更，達到自適應重構、提高計算效能的目的。擬態(tài)計算能充分利用程序和計算部件的異構性，各盡其能，合理分治，協(xié)同計算一個應用任務，兼顧性能和靈活性[5]。目前，鄭州信息工程大學以高效能和高安全性計算為目標，提出了以多維重構函數化體系結構與動態(tài)多變體運行機制為核心的擬態(tài)計算和擬態(tài)安全防御技術體系，給出了需要進一步研究的主要科學與工程技術問題。

通過以上對擬態(tài)計算的特征分析可以看出，擬態(tài)計算模式可為網絡化武器裝備集群仿真系統(tǒng)構建提供新的有效手段。

1.2 可重構計算技術的現狀分析

可重構計算的概念最早由ESTRIN等在1963年提出，目前學術界所常用的可重構計算是指：系統(tǒng)具有某種形式可編程的硬件，可通過一系列物理控制點定期定制硬件的功能，從而可以使用相同的硬件執(zhí)行不同的應用[6-7]?？芍貥嬘嬎阌邢Ｍ钛a硬件計算(基于專用集成電路的計算)和軟件計算(基于通用處理器的計算)之間在性能與靈活性上的鴻溝，從而在獲得高于軟件計算性能的同時保持高于硬件計算的靈活性。可重構計算的器件通常由計算單元陣列和連線資源構成，兩者都是可編程的。計算單元又稱為邏輯塊，它的功能由一定數量的配置位所決定，邏輯塊之間的互連由連線資源決定。邏輯塊實現簡單的邏輯功能，經過可配置連線的連接實現復雜的定制功能。根據邏輯塊粒度的大小，可重構器件可以分為細粒度結構和粗粒度結構，一些更細化的分類也將粒度大小分為細粒度、中等粒度、粗粒度和超粗粒度[8]。最常見的可重構硬件當屬現場可編程門陣列(field programmable gate array, FPGA)，有些文獻直接將基于FPGA的計算等同于可重構計算[9]，FPGA就是一種細粒度可重構器件。

對于可重構系統(tǒng)，如果可重構軟硬件僅僅在工作之前被重構，則該系統(tǒng)稱為靜態(tài)可重構系統(tǒng)或編譯時可重構系統(tǒng)。如果系統(tǒng)在運行過程中可重構軟硬件能夠被重構，在不同時刻完成不同功能，則稱該系統(tǒng)為動態(tài)可重構系統(tǒng)或運行時可重構系統(tǒng)。一般可重構計算系統(tǒng)都采用可重構硬件和通用微處理器結合的形式，通用微處理器執(zhí)行可重構硬件無法高效完成的操作，如數據依賴的控制、存儲訪問等，而計算密集的程序熱點則被映射到可重構硬件上完成。根據通用微處理器和可重構硬件的耦合方式，可重構硬件在計算系統(tǒng)中大致可以分為四類：可重構功能單元、可重構協(xié)處理器、可重構附屬處理單元和可重構獨立處理單元。

可重構計算技術在許多領域已得到了廣泛應用。主要包括以下幾個方面：

1) 在商用可重構硬件方面，FPGA最為成熟普遍，通常作為獨立芯片甚至板卡的形式存在。所以，在現有商用可重構計算系統(tǒng)中FPGA的使用最多，且多數以后兩種耦合結構存在，如：作為附屬處理單元的有Intel QuickAssist的FSB-FPGA加速系統(tǒng)[10]以及XtremeData的FPGA加速平臺[11]等；作為獨立處理單元的有SRC-7可重構超級計算機[12]等。

2) 在器件級重構技術方面，目前國內外的研究熱點是基于可重構計算體系結構的定制體系結構研究。華盛頓大學計算機科學和工程學院的EBELING等提出了一種1-D 帶狀結構的RaPiD(reconfigurable pipeline data-path)[13]，這是一種粗粒度靜態(tài)可重構計算體系結構，實現了對數字信號處理(digital signal process, DSP)規(guī)則運算的支持，能夠按照算法的要求配置適當的數據通路。HP實驗室的Alan-Marshall研究小組提出了一種采用2D 網絡結構的可重構計算陣列稱為棋盤格布局(floorplan-is-chess board-like)[13]，作為專用集成電路 (application specific integrated circuit，ASIC)或處理器的一個部件工作，可為多媒體算法提供足夠的計算能力和足夠的分布式存儲資源。加州大學伯克利分校的研究團隊提出了一種基于Crossbar的Pleiades體系結構[14]，把可編程微處理器、處理單元及存儲器結合在一起，所有硬件結構使用同一個控制模塊和可重構通信網絡，通過編程配置實現通信、圖像處理和視頻編碼等領域的大量算法，形成低功耗專用信號處理器。國防科大完成了可重構功能單元自動生成技術研究[15]，把ASIP(application specific instruction-set processor)和可重構單元結合在一起，避免了采用耦合細粒度可重構單元帶來的高設計代價問題，在密碼領域應用中取得了較好的性能。西安理工大學的陳小軍等提出了通過在現有計算系統(tǒng)中增加虛擬化層、隔離硬件和多層軟件之間的緊耦合關系[16]，實現透明化、可伸縮的系統(tǒng)架構，從而實現體系結構各層之間的自適應重構。

3) 在針對具體應用領域的可重構技術研究方面，美國卡耐基梅隆大學的GOLDSTEIN等提出了PipeRench結構[17-18]，結合了流水線技術和模塊可重構技術，根據任務需求可動態(tài)調度流水線重構系統(tǒng)中的指令流和數據流，減少編譯時間和重構時間。清華大學的朱敏等研究設計了面向密碼領域的可重構陣列[19]，包含4個由16×16個細粒度基本單元構成的比特陣列和1個由8×8個字節(jié)粒度基本單元構成的字節(jié)陣列。國防科大的嚴明提出了一種基于可編程數據流計算的體系結構框架ProDFA[20]，是一種粗粒度可重構結構，包含多個可重構數據流水線通路，具有靈活的可編程特性和高效的計算特性。NAJEM等提出利用新型堆疊結構對整個系統(tǒng)的運行過程進行優(yōu)化，用以大幅度減少重構時間成本[21]?？哲姽こ檀髮W的邵雷等提出了一種基于多模型的自適應重構控制方法[22]，解決了飛控系統(tǒng)執(zhí)行器故障引起參數大范圍跳變的問題。

以上均為采用異構的粗粒度重構結構，粒度、通信結構、存儲結構等相對固定，不適合數據量、算法、任務量等彈性變化的計算，對集群仿真應用不具備很好的加速性能。擬態(tài)計算技術以“應用決定結構，結構決定效能”為主要思想，以認知計算需求為實現方法，利用可重構計算技術，完成高性能、高效能計算，即擬態(tài)計算本質上是一種基于認知的主動重構計算技術[23]。解放軍信息工程大學的鄔江興院士及其團隊提出了一種基于認知的主動重構計算體系結構[4]，以效能、資源利用率為目標，以業(yè)務、資源、處理負荷等為感知和響應源，通過體系結構的主動重構，來實現整個體系的帶有時間特性的整體高效。該計算體系結構，對于研究面向集群仿真的體系架構具有較好的借鑒作用。圖2為可重構系統(tǒng)的研究框架。

圖2 可重構系統(tǒng)的研究框架Fig.2 Framework of studying reconfiguration system

2 擬態(tài)重構技術在集群仿真應用中需解決的技術難點

要將擬態(tài)計算思想和可重構計算技術成功應用于集群仿真中，使得集群仿真系統(tǒng)獲得最大效能，需要解決任務認知、性能評價標準體系建立等技術難點。

2.1 仿真任務的自適應認知

為使仿真計算機能夠自適應地完成計算結構重構從而獲得更大效能，需要讓計算機對仿真任務所需要的計算形式和計算量進行實時認知與表征。認知任務分析方法始于20世紀80年代早期，主要源于計算機模擬和人工智能等領域的需求。認知及其發(fā)展研究涉及兩個核心問題：一是如何確定實驗任務或問題的復雜程度；二是如何確定個體在任務上的認知表現或表征水平。

對于一個認知任務，進行分析與表征的一般方法主要包括4個步驟或階段：準備數據、安排數據、發(fā)現意義和表征發(fā)現物。山西大學的魏屹東[24]提出了一種以決策為中心的設計方法 (decision-centered design, DCD)，該方法由5個階段構成：

1) 準備：理解認知工作的領域和性質、任務和功能認知的范圍，確定在哪里集中任務認知分析資源，以及選擇認知任務分析方法；

2) 知識引導：使用認知任務分析方法組織實施關鍵決定和認知復雜任務的深入檢驗；

3) 分析與表征：分解并結構化數據，以啟迪決策需要和設計杠桿點；

4) 應用設計：重復地發(fā)展設計概念并支持使用者的決策應用原型；

5) 評價：確定行為的重要測量，評價和提升原型。

通過以上方法可以完成計算任務的實時認知與表征，從而進一步為計算任務分配合適的計算資源以完成計算。

在集群仿真的需求認知中應用該方法，具體可分為4個階段：首先分析集群系統(tǒng)仿真任務特征，集群系統(tǒng)仿真任務通常包括編隊信息獲取仿真服務、編隊決策與管理仿真服務、編隊飛行控制仿真服務和成員飛行控制仿真服務等；其次根據任務特征將仿真計算的總體需求分解成基準-時空配準算法、相對位置相對速度算法、動態(tài)任務規(guī)劃算法、編隊模型預測控制算法、擁塞控制算法等具體算法；然后以各算法所需資源驅動認知策略，將整體仿真任務進行模塊化特征歸納，從而完成認知過程；最后通過集群系統(tǒng)執(zhí)行任務由簡到繁的推演方法驗證評價認知的精確性。

2.2 任務與資源的匹配策略

為了驗證基于擬態(tài)重構的實時仿真平臺能夠主動適應仿真應用任務需求變化的高效能特征，需要構建相應的性能評價標準體系。對于擬態(tài)重構的實時仿真平臺的計算能力，主要考察其對集群系統(tǒng)中計算節(jié)點分配的合理性，即：為系統(tǒng)中每一個并行任務分配處理器等資源，并指派占用這些資源的起止時間，在滿足依賴關系的條件下，使得所有任務較早完成，并且能量消耗盡量少。需要解決的技術難點問題如下：

2.2.1 并行系統(tǒng)運行能耗優(yōu)化策略

節(jié)能調度方法與傳統(tǒng)的并行任務調度方法相比，核心目標不是減少整體的任務完成時間，而是希望盡可能地減少任務占用資源數目和占用各資源的時間，提高資源利用率，達到整個集群系統(tǒng)處理能力和能量消耗之間的平衡。節(jié)能調度算法設計是高性能計算領域中的一個研究熱點。國內外學者普遍采用啟發(fā)式算法生成調度方案，減少任務總體完成時間，降低系統(tǒng)能耗。多處理器任務調度算法(task duplication scheduling, TDS)[25]將所有任務以流程關系圖的拓撲結構表示，把需求按照流程關系劃分為不同路徑，每條路徑上的任務作為一組，分配到同一個處理資源上執(zhí)行。該方法通過在數據相關的任務分組上復制執(zhí)行前驅任務來減少處理器間的數據傳輸延遲，縮短所有任務的總體執(zhí)行時間。但是，任務復制執(zhí)行雖然能夠有效地提高總體執(zhí)行時間性能，卻使得任務執(zhí)行能耗進一步增加。為此，ZONG等[26]在TDS的研究基礎上，提出了兩種非搶占式離線節(jié)能調度算法——能耗感知調度(energy-aware duplication, EAD)和效能平衡調度(performance-energy balanced duplication, PEBD)，分別通過設置任務能量閾值和能量時間比閾值，減少低能效任務復制次數，從而降低系統(tǒng)的總體能耗。山東大學的李新等[27]提出了一種啟發(fā)式處理器合并優(yōu)化方法，該方法按照任務最早開始時間和最早結束時間查找處理器時間空隙，將輕負載處理器上的任務重新分配到其他處理器上，從而減少被使用的處理器數目，降低系統(tǒng)總體能耗。清華大學的郭振宇等[28]提出了運用Betto的優(yōu)化框架降低運行時能耗，其主要思想為：把運行時的工作盡量安排到離線狀況下來完成，結合以前多次的優(yōu)化，用比較少的代價達到相同的效果。

2.2.2 計算機動態(tài)負載平衡策略

負載分配主要是指節(jié)點間負載分配，目的在于均衡各運行節(jié)點負載，進而實現高效的并行計算，以減小任務響應時間。負載平衡策略希望均衡所有節(jié)點上的負載，使所有節(jié)點上的計算強度基本相等，這種相等并非簡單的任務數目相等，而是根據這些異構節(jié)點的性能高低進行加權處理，從而為各節(jié)點分派相同的計算壓力。為此需要根據系統(tǒng)負載的變化進行任務的動態(tài)遷移，同時，負載平衡支持并行應用，在運用負載平衡策略的系統(tǒng)中選取一些節(jié)點作為并行處理單元，選取其中一個作為上位控制節(jié)點，并給其他節(jié)點分配一定的任務以實現并行計算。因此，負載平衡系統(tǒng)可以為沒有并行機的用戶提供一個研究并行機制和應用的環(huán)境。負載平衡系統(tǒng)屬于松散耦合的網絡系統(tǒng)，它只能支持粗粒度和中粒度的并行[29]。在復雜網絡并行計算系統(tǒng)中，采用動態(tài)負載平衡算法分配系統(tǒng)中的工作負載，能夠顯著地提高系統(tǒng)的性能。目前，雖然有多種動態(tài)負載平衡算法，但對其研究仍舊處于一個起步階段。隨著專用和非專用的網絡計算環(huán)境，特別是異構型網絡計算的發(fā)展，對動態(tài)負載平衡技術將會開展更加深入、細致的研究，并在工程實踐上進行檢驗。

在擬態(tài)重構平臺中，能夠使集群系統(tǒng)各運行狀態(tài)下各計算節(jié)點的運行概率相同，達到對集群系統(tǒng)仿真計算動態(tài)負載平衡狀態(tài)，即為并行計算中效能最優(yōu)的資源分配方案。

基于以上理論，可以對能耗、計算速度和資源占用進行量化，建立包含硬件可重構性、設備運行效能、計算處理能力等質量指標的多維度聯(lián)合評價體系，得到實時和資源約束條件下的動態(tài)匹配策略。

3 基于擬態(tài)重構技術的集群仿真原理性驗證

集群仿真平臺主要由可重構的實時仿真基礎處理單元、遠程管控和監(jiān)視節(jié)點、光纖實時網絡、以太網服務網絡等組成。其中仿真基礎處理單元是集群仿真應用架構中的運算中心，負責對集群系統(tǒng)仿真任務需求進行實時解算。仿真基礎處理單元具備高性能的計算資源、可配置可重構的存儲資源以及1553B、CAN、RS422、開關量、AD/DA、以太網、光纖網等接口資源以及電源控制接口資源，可以獨立運行，也可以彼此連接構成一定規(guī)模的網絡化計算資源。

遠程管控和監(jiān)視節(jié)點是實時仿真支撐平臺的核心節(jié)點，負責任務需求參數的識別、任務需求與仿真資源動態(tài)匹配策略的形成與實施。遠程管控和監(jiān)視節(jié)點接收用戶的仿真任務，實時進行處理，并發(fā)送控制指令給各個仿真基礎處理單元，使其動態(tài)適時運行。即遠程管控和監(jiān)視節(jié)點控制計算資源進行“擬態(tài)”，利用實時仿真基礎處理單元之間的配置和實時仿真基礎處理單元內部硬件“可重構”來完成總體仿真計算。

3.1 原理樣機硬件設計

仿真基礎處理單元原理樣機硬件架構如圖3所示。

圖3 仿真基礎處理單元原理樣機硬件架構Fig.3 Framework of prototype of basic processing unit of simulation

仿真基礎處理單元原理樣機主要包括以下4個關鍵的組成部分：

1) 主控ZYNQ控制核心板：采用CPU+FPGA+ASIC(專用集成電路)的刀片服務器作為仿真基礎處理單元的架構。該刀片服務器采用單獨的中央處理器芯片和與其配套的芯片組構成CPU卡，基于嵌入式技術延伸 (embedded technology extended, ETX)模塊的CPU卡集成了CPU、PCI總線、橋芯片、存儲器、顯示芯片、聲音芯片、以及標準PC/IO功能的特殊芯片等。

2) 處理器端存儲器：處理器端存儲器是ZYNQ PS端的主RAM存儲器，容量和運行的穩(wěn)定性對系統(tǒng)運行、數據處理及流程處理有重要影響。

3) 主控板電源管理設計：主控板上需要多個電源軌道，通過電源模塊的PowerGood引腳和Run引腳進行控制。同時使用雙倍速率同步動態(tài)隨機存儲器的專用電源芯片的PowerGood引腳來控制ZYNQ PS端的RST_N信號，從而終止ZYNQ芯片的復位，并開始啟動過程。

4) 功能接口設計：原理樣機硬件支持RS422串口，光電隔離開關量輸入，同時通過ZYNQ PL端的高速GTX接口可實現多種高速串行接口，硬件支持FC-AE-1553B、光纖通信、Serial RapidIO等多種通信協(xié)議。

3.2 原理性驗證

采用仿真基礎處理單元原理樣機作為擬態(tài)節(jié)點，構成3個節(jié)點的原理驗證系統(tǒng)，開展功能測試。

擬態(tài)節(jié)點組網有多種組網方式，可以根據任務輸入的不同，配置多個擬態(tài)節(jié)點，來滿足相關任務對接口數量的要求。當任務的計算需求增大時，也可以配置更多的擬態(tài)節(jié)點用于計算，或者是將原來用于接口的資源重配置后再將節(jié)點資源用于計算。各個擬態(tài)節(jié)點之間的通信可以通過千兆以太網實現，對于數據量更大或者對實時性要求更高的通信場合也可以通過光纖網實現數據交互。圖4給出了擬態(tài)仿真平臺架構原理驗證實驗方案的示意圖。

同時，還有一種工作模式是各個擬態(tài)節(jié)點完全受控于遠程管理與監(jiān)控節(jié)點(該節(jié)點為PC工作站)，可以通過插入其中的光纖接口板及光纖網絡對所有擬態(tài)節(jié)點進行控制。此種工作模式下，擬態(tài)節(jié)點相當于控制節(jié)點的遠程輸入輸出設備。

圖4 擬態(tài)仿真平臺架構原理驗證示意圖Fig.4 Sketch of validating the theory of simulation system based on mimic computing technology

4 結束語

擬態(tài)物理學與可重構計算在靈活性、可擴展性、實時性和可靠性等各方面都具有巨大優(yōu)勢，這對高性能計算系統(tǒng)的啟發(fā)性至關重要，但目前其技術體系尚不完善，理論與實踐應用領域比較狹窄。在諸如集群仿真平臺的復雜系統(tǒng)計算中，由于待分析主體數量龐大，主體之間關系錯綜復雜，所需仿真計算量成幾何倍數增長，迫切需要基于擬態(tài)重構技術的新型高性能計算機提供支撐。目前，國內外在動態(tài)可重構技術、基于擬態(tài)物理學的群智能行為建模、擬態(tài)計算等方面的研究資料較多，而擬態(tài)計算技術、動態(tài)重構技術在仿真平臺中應用研究的資料很少，尚無直接資料報道。針對基于擬態(tài)重構的集群仿真平臺構建方法的研究還需要進一步完善理論體系結構，需要著重解決以下3個方面的問題：

1) 針對集群系統(tǒng)仿真任務的認知需求，需要具體細致的算法將仿真任務進行聚類和量化，以確定對計算性能的需求；

2) 根據條件的限制，分析重構粒度的層次量級，以達到使用效能與構建代價的均衡；

3) 面對仿真計算任務和計算資源提出合理高效的映射算法，在節(jié)點間分派負載，均衡各結點負載，進而實現并行計算，以減小任務響應時間，平衡各計算節(jié)點的計算任務，達到最優(yōu)效能。