PMC与MM*模型下，AGn交替图的2-额外诊断性：6n-17

本文主要探讨了多处理器系统中的一个重要研究课题——可诊断性，特别是针对n维交替组图（AGn）在PMC模型和MM *模型下的2-额外可诊断性。2015年由Zhang等人提出的g-额外可诊断性是一个衡量系统故障诊断能力的关键指标，它要求每个无故障组件至少需要有(g+1)个无故障节点来确保系统的可靠运行。 n维交替组图作为一种理想的互连网络结构，因其诸多优点而受到关注。这种图在设计复杂系统时提供了良好的连通性和容错特性。作者在这篇发表于《美国计算数学杂志》(American Journal of Computational Mathematics, 2018)的研究中，特别关注当n大于等于5时，AGn的2-额外可诊断性具体值为6n-17。在这个分析中，PMC模型和MM *模型被用来评估系统的诊断能力，这两种模型都是工业界常用的系统可靠性评估框架，分别考虑了不同的故障检测和隔离策略。 PMC模型强调局部信息的传递，而MM *模型则更注重全局视角，这使得对于AGn在两种模型下的2-额外可诊断性有所不同。2-额外可诊断性是指系统中即使有两处故障，也能通过其他健康的组件进行诊断并恢复，这对于系统的设计至关重要，因为它反映了系统的鲁棒性和恢复能力。 文章首先回顾了多处理器系统诊断的基本概念，接着详细介绍了g-额外可诊断性的定义和它在系统设计中的应用。然后，作者展示了他们对AGn在特定条件下的计算结果，并强调了这个发现对于理解和优化大型互连网络设计的实际意义。 关键词包括“互连网络”、“可诊断性”以及“交替组图”，这些关键词突出了研究的核心领域和方法。这篇文章提供了一个关于如何通过交替组图来提高多处理器系统在PMC模型和MM *模型下2-额外可诊断性的实用见解，有助于提升复杂系统在面临故障时的恢复能力和可靠性。