摘要：
随着计算机和网络技术的飞速发展,分布式虚拟环境技术的研究也逐渐升温.分布式虚拟环境技术就是把虚拟环境和网络技术结合在一起,使得地球上任何一个角落的用户,都能够通过网络在虚拟世界中协同完成任务.目前,分布式虚拟现实技术已在经济建设,国防安全,文化教育和在线游戏等领域有着深入的研究和广泛的应用.在现今的分布式虚拟环境系统中,需要提供多个服务器组服务于全局的用户集合,服务器为用户提供通信和数据处理服务,而如何把大规模用户集合合理的分配给多个服务器组已成为分布式虚拟环境技术中一个关键的研究方向. 已有的算法大多是从遗传思想,算法效率以及服务器层架构设计等角度给出解决方案,都没有考虑到空间距离这一重要因素.因为在基于虚拟世界中,空间距离较近的用户之间发生通信的概率高,而如果能够把所有较集中的用户划分为不同聚类,然后聚类分配给服务器,那么能够保证整个系统拥有良好的网络质量.因此,空间距离角度的区域划分研究是十分必要的.目前针对空间距离角度来研究区域划分方法的工作尚未展开,在分布式虚拟环境系统中,由于在初始化阶段系统具有数据量大,系统整体等待时间短,而在运行阶段对网络质量要求又较高,所以我们在不同阶段提出了不同的解决方法. 首先在初始化阶段,本文提出了一种基于四叉树概念的区域划分方法.该方法是通过计算用户之间的欧氏距离和构建四叉树模型将所有用户划分到四叉树结果暂存,然后执行分配服务器过程得到算法结果.由于在分配服务器过程中,具有负载均衡特性的服务器集群能够为用户提供更优质稳定的网络服务,所以本文进一步分析了服务器集群的负载问题,提出了改进型分配服务器方法. 其次在运行阶段,本文设计了基于密度聚类的区域划分方法.该方法主要是改进了空间密度聚类算法中经典的DBSCAN算法.在该算法中改进了影响范围值(Eps)和最小用户阈值(MinPts)的计算方法,并且增加了裁剪步用于缩小待处理用户规模. 最后本文分析了以上两个方法的时间复杂度并给出了具体实例演示,模拟实验验证了其合理性与有效性.
展开