基于天地一體化3C融合系統(tǒng)的協(xié)同計算技術與應用

丘曉平，黃小兵

（廣東外語外貿(mào)大學南國商學院，廣州　510545）

基于天地一體化3C融合系統(tǒng)的協(xié)同計算技術與應用

丘曉平，黃小兵

（廣東外語外貿(mào)大學南國商學院，廣州510545）

介紹基于天地一體化3C融合系統(tǒng)的協(xié)同計算的相關理論，包括對象的協(xié)同建模、協(xié)同控制、協(xié)同通訊、協(xié)同感知和對象群體協(xié)同等以及該技術的若干應用熱點，并指出該技術對我國智慧城市、航空、航天與國防軍事工程建設的重要意義。

協(xié)同計算；協(xié)同對象建模；天地一體化系統(tǒng)；協(xié)同感知

0　引言

“互聯(lián)網(wǎng)+”時代，即利用信息、通訊技術及互聯(lián)網(wǎng)平臺，讓互聯(lián)網(wǎng)與各傳統(tǒng)行業(yè)深度融合，可以創(chuàng)造出新的發(fā)展生態(tài)。其中一項關鍵技術是計算、通信和控制的融合，即3C（Computing，Communication，Control）融合，另一項是協(xié)同計算。只有通過了3C技術與協(xié)同計算有機融合與深度協(xié)同，才能實現(xiàn)各傳統(tǒng)企業(yè)中大型工程系統(tǒng)、軍事工程系統(tǒng)所需要的實時感知、動態(tài)控制與信息服務[1]。如在未來自動駕駛系統(tǒng)中，車輛之間通過無線通訊傳遞各自位置、速度、方向等信息，而構成車聯(lián)網(wǎng)。而車聯(lián)網(wǎng)上相關信息需要通過路邊基站、空中衛(wèi)星發(fā)送給遠程交通控制中心，為城市宏觀交通進行協(xié)同管理。又如未來地空網(wǎng)絡中心戰(zhàn)的環(huán)境中，一個多平臺體系，需要使各分體平臺的優(yōu)勢互補，最終達到整體最優(yōu)化。月球車就是典型的天地一體化3C融合系統(tǒng)的協(xié)同計算的典型應用。

協(xié)同計算（Cooperative Computing）從本質(zhì)上講，具有群體性、交互性、分布性與協(xié)作性。其環(huán)境的建立將改善人們信息交流的方式，消除或減少時空分隔帶來的協(xié)作上的障礙，提高群體的工作質(zhì)量與效率，進而提高了人們的生活質(zhì)量[2]。

近年來，國內(nèi)外學者就天地一體化3C融合系統(tǒng)環(huán)境下展開協(xié)同計算相關的理論與應用研究，取得豐碩成果。我國學者在這方面的研究工作亦取得長足的進步。如對地空對象的協(xié)同建模（協(xié)同的圖模式）、對象協(xié)同感知、協(xié)同計算、協(xié)同控制、對象間協(xié)同通信、對象群體協(xié)同處理等方面的探索，并應用于移動對象定位、天地一體對象攻防、多對象協(xié)同動態(tài)優(yōu)化以及協(xié)同學習與訓練等方面。如我國學者就空地網(wǎng)絡間的協(xié)同，提出建立一個創(chuàng)新的空地協(xié)同集中網(wǎng)絡架構，即基于超級基站的天地一體化網(wǎng)絡，以支持資源的統(tǒng)計復用，實現(xiàn)以用戶為中心，以及高可靠的天地協(xié)同傳輸?shù)?。而該系統(tǒng)的實現(xiàn)仍面臨眾多挑戰(zhàn)，其中多項關鍵技術仍需要深入研究[3]。

以下僅對天地一體化3C融合系統(tǒng)的協(xié)同計算理論及其相關的應用熱點進行介紹。

1　天地一體化3C融合系統(tǒng)中協(xié)同計算理論與方法

1.1協(xié)同建模

（1）特征語義建模

在傳統(tǒng)的協(xié)同智能設計中,通常使用一種特征語義建模。在協(xié)同語義特征建模中，基本思想是在對象模型中將特征形狀信息與功能信息結合，共同構成特征語義，以維護特征模型的有效性。文獻4為了提高協(xié)同語義建模系統(tǒng)的性能，提出一種新的協(xié)同設計方法，即使用特征語義表示法和細胞元模型來表示數(shù)據(jù)與管理模型中的各種數(shù)據(jù)信息。然后通過語義匹配法確定子模型的邏輯與裝配關系。通過語義區(qū)域劃分，“最值空間”等技術檢測與消解協(xié)同設計中發(fā)生的操作沖突，最后，通過創(chuàng)建臨時模型來降低全局約束求解的復雜度。

（2）基于3C融合的動態(tài)行為建模

西北工業(yè)大學周興社等提出了信息物理融合系統(tǒng)動態(tài)行為模型之構建方法[5]。由信息物理融合的CPS （Cyber-Physical Systems）具有3C的聯(lián)合動態(tài)性，計算與物理（對象）的多尺度融合性，系統(tǒng)環(huán)境及狀態(tài)的時空交互性，以及系統(tǒng)動態(tài)行為之非確定性，使得面向CPS模型驅(qū)動設計驗證及其重要。為此，提出了一套面向CPS動態(tài)行為建模方法：

①一體化建模。從CPS系統(tǒng)層面，描述計算與物理過程交互融合；

②時空交互建模。關注CPS系統(tǒng)行為與時間及空間關系的語義表示；

③功能與實現(xiàn)兼容建模法。描述CPS系統(tǒng)邏輯設計與物理實現(xiàn)的映射與支撐；

④集成模型。解決多異構模型交互方式與語義一致性表達問題。

CPS具有“3C”融合的特點，故難以用一個具體的模型表示，CPS動態(tài)行為模型構建需要多種異構模型，其異構性主要體現(xiàn)面向不同應用領域，實現(xiàn)不同的功能，具有不同的物理語義，采用不同的模型語言等。這里需要進一步研究的問題是：異構模型的互操作；模型組件演化與轉換一致性；模型組件間的正確連接等問題。

（3）協(xié)同圖模型

文獻6提出以系統(tǒng)和速率最大化為目標，將協(xié)同基站群分簇問題建模成為帶權重連通圖的最大利益樹生成問題,給出一種基于協(xié)同最大利益樹分簇算法。定義了利益樹的協(xié)同度，并選擇協(xié)同度最大的兩棵利益樹進行合并的方式，并行生成多個規(guī)模動態(tài)的協(xié)同分簇，而解決了傳統(tǒng)順序分簇導致的系統(tǒng)性能受限問題。

另外，文獻7提出在協(xié)同建模系統(tǒng)中的一種對象引用的正確性保證方法。

文獻8針對企業(yè)計算業(yè)務過程的復雜性，為了協(xié)同分散的不同組織業(yè)務過程，提出一種IOPN（面向交通Petri網(wǎng)）模型，用于描述跨組織工作流的協(xié)同。由于該模型為一規(guī)模巨大復合模型，故提出基于不變量的分解方法，將一個弱合理無回路的IOPN模型分解成一組順序圖，以避免分析中所產(chǎn)生的狀態(tài)空間爆炸問題。

1.2協(xié)同控制

隨著分布式多智能體系統(tǒng)應用領域擴大，網(wǎng)絡特性成為影響系統(tǒng)性能的一個重要因素，文獻9研究分析了復雜網(wǎng)絡特性對大規(guī)模分布式多智能體協(xié)同控制的影響。針對四種典型結構，即隨機網(wǎng)絡、小世界網(wǎng)絡、網(wǎng)格和無尺度網(wǎng)絡，從理論與仿真兩方面進行分析。理論上，通過基于馬爾科夫鏈的信息傳遞過程在不同網(wǎng)絡結構下的建模，分析了信息無偏隨機游走模型和智能決策模型中的傳輸效率；在仿真建模中，從智能體間信息傳輸效率、不同應用領域中集成協(xié)同控制效率以及對網(wǎng)絡故障恢復的影響這三個典型的協(xié)同控制方式來分析網(wǎng)絡特性對系統(tǒng)性能影響。

研究表明，大規(guī)模的多智能體系統(tǒng)在不確定的環(huán)境中，通過有效的啟發(fā)式不確定性決策模型，在不同的網(wǎng)格拓撲結構下，均可能實現(xiàn)對整個系統(tǒng)的有效的協(xié)同控制，并可根據(jù)不同的網(wǎng)絡特性，如小世界與無尺度特性對網(wǎng)絡進行調(diào)整，即使在相同的協(xié)同控制方法下，其系統(tǒng)性能也可能大大提升。

另外，經(jīng)分析比較，具有小世界特性的網(wǎng)絡結構能夠在各項對比分析中使多智能體的協(xié)同效率得到提高，而無尺度網(wǎng)絡，可以根據(jù)多智能體的控制特性有效利用小世界與無尺度網(wǎng)絡結構的優(yōu)勢需要進行自適應網(wǎng)絡結構的調(diào)整算法的進一步研究，以提高多智能體的協(xié)作效率。

1.3協(xié)同通訊

通訊是天地一體化對象間最重要的聯(lián)系方式，協(xié)同通訊又是當前無線通訊研究熱點。如何進行協(xié)同中繼的選擇成為協(xié)同通訊中需要解決的重要問題。文獻10提出協(xié)同中繼選擇技術的評價標準。

協(xié)同節(jié)點選擇所遵循的標準是在保證一定通訊質(zhì)量的前提下，兼顧自適應算法復雜度、網(wǎng)絡生命周期、干擾與競爭、中斷率與誤碼率、通訊開銷等性能，形成優(yōu)化的協(xié)同中繼選擇算法。其中包括：

（1）基于瞬時信道狀態(tài)的協(xié)同中繼選擇；

（2）基于用中斷概率的協(xié)同中繼選擇；

（3）基于信噪比門限的協(xié)同中繼選擇；

（4）基于端和端錯誤比特概率的協(xié)同中繼選擇；

（5）基于能量分配的協(xié)同中繼選擇。

以上幾種協(xié)同中繼選擇算法是根據(jù)不同的網(wǎng)絡環(huán)境、節(jié)點個數(shù)、協(xié)同時間和方式等提出的不同的協(xié)同中繼選擇策略，不同的算法給予系統(tǒng)分別帶來不同的優(yōu)化。

目前,對于協(xié)同中繼選擇已不局限于單個參數(shù)優(yōu)化，而是向多個參數(shù)優(yōu)化發(fā)展。國內(nèi)外已有相關方面的工作[11-12]。多個參數(shù)優(yōu)化時不僅考慮中繼節(jié)點的選擇，還需要采用協(xié)調(diào)模式，綜合考慮選擇中繼節(jié)點。目前以上研究僅取得理論研究成果,其中協(xié)同中繼算法尚有許多問題需進一步研究,才能取得更實用成果,采用多機制參數(shù)聯(lián)合優(yōu)化,綜合考慮網(wǎng)絡特性將是協(xié)同中繼選擇的發(fā)展趨勢。

1.4協(xié)同感知

物聯(lián)網(wǎng)通過各類通信技術，將標識、感知、或具執(zhí)行能力的物理實體互聯(lián)形成虛擬網(wǎng)絡。文獻13給出情景和情景感知概念及研究發(fā)展與應用，文章結合物聯(lián)網(wǎng)特性，以情景感知流程為主線，探討了信息獲取建模和智能處理，并結合物聯(lián)網(wǎng)環(huán)境論述當前情景感知系統(tǒng)的不足，并提出情景感知系統(tǒng)參考結構。

隨著有一定計算能力與無線通信的智能傳感器（Mote）的出現(xiàn)，物聯(lián)網(wǎng)的應用，可實現(xiàn)環(huán)境變化的感知就地反映與決策，但Mote難以適應復雜環(huán)境變化。文獻14提出一種基于元組空間的Mote協(xié)同感知支撐機制，使Mote之間的協(xié)同感知過程對開發(fā)人員完全透明，并實現(xiàn)了一個應用場景，展示該方法如何滿足功能需求以及在環(huán)境發(fā)生變化時如何對環(huán)境進行適應。

在本項研究中，數(shù)據(jù)的表示僅局限于較簡單的數(shù)據(jù)類型，如單純的溫度、濕度數(shù)據(jù)、假設數(shù)據(jù)供需雙方不需定義較為復雜的數(shù)據(jù)生成與數(shù)據(jù)解析邏輯。但實際應用中，Mote之間可能會傳遞一些較為復雜的復合數(shù)據(jù)，一方面可滿足更復雜的系統(tǒng)需求，并通過合并數(shù)據(jù)達到節(jié)能目的，故更完善描述數(shù)據(jù)并將數(shù)據(jù)轉換成代碼很重要，而這些任務在不同的Mote之間動態(tài)遷移，值得今后進一步深入研究。

1.5協(xié)同對象（群）

天地一體化的多層次群體協(xié)同關系描述以及協(xié)同規(guī)劃描述很重要。文獻15給出了描述任務邏輯，結合了描述邏輯的知識表示結構與任務邏輯的任務語義。描述任務邏輯方法對游戲博弈中的協(xié)同關系與協(xié)同規(guī)劃進行了形式化描述，給出了任務與規(guī)劃可完成性定義，以及聯(lián)合策略下規(guī)劃可完成性的判定理論。

該項工作在于提出基于描述任務邏輯理論的群體協(xié)同關系模型和協(xié)同規(guī)劃模型，給出能力、角色關系、規(guī)劃、任務規(guī)劃的形式化定義。該模型克服了當前組織模型對高層任務交互的描述不定，并在仿真戰(zhàn)術模擬Citywar中驗證該法，能準確描述虛擬群體協(xié)同關系的任務交互語義，適合描述不同規(guī)模的協(xié)同群體。

鑒于現(xiàn)有的協(xié)同感知模型存在計算感知度能力有限，缺乏對任務間關系的具體描述等問題，無法滿足復雜產(chǎn)品研制過程中，在任務分配方式、感知強度等方面的特殊需求，文獻16提出了一種基于對象的協(xié)同感知模型（OBCA模型），并給出OBCA模型的實現(xiàn)機制與應用實例，且實現(xiàn)了一個將協(xié)同感知信息可視化的原型系統(tǒng)。

2　協(xié)同計算在天地一體化3C融合系統(tǒng)中的應用熱點

2.1移動對象的協(xié)同定位

在天地一體空間中，無線電定位技術已日益成熟，在該技術中如何將相關的定位算法進行協(xié)同處理，成為該技術發(fā)展的新亮點。文獻17指出，在無線電定位技術中，Chan算法的計算量小，在噪聲服從高斯分布的環(huán)境中，定位精度高，但在非視距環(huán)境下定位精度下降，而Taylor算法精度高且健壯性較強，但對初值依賴性很強。為此，提出一種協(xié)同的定位算法。將Chan算法與Taylor算法結合，即保持Chan算法的計算量小的優(yōu)點，又具備Taylor算法的精確性與健壯性。經(jīng)仿真試驗表明，該算法能有效抑制非視距傳播中，惡劣信道環(huán)境的影響，且性能穩(wěn)定。

2.2天地一體化對象攻防

（1）多戰(zhàn)機協(xié)同攻擊模式

在多戰(zhàn)機協(xié)同攻擊的作戰(zhàn)模式中，面對復雜的敵方網(wǎng)絡系統(tǒng)，目標的選擇及戰(zhàn)機資源的優(yōu)化是決定空襲效果的關鍵因素。文獻18通過分析空襲環(huán)境中攻守雙方的主要特征，并建立基于雙層主從決策多機協(xié)同關鍵設施攻擊模型，其中上層決策者的目標是要中斷敵人網(wǎng)絡系統(tǒng)關鍵服務設施節(jié)點，而下層決策者的目標是提高我方機場生存率與目標擊中率。通過求解該模型時選定目標節(jié)點的戰(zhàn)機分配策略進行綜合優(yōu)化，與傳統(tǒng)的單層規(guī)劃相比，所采用的雙層主從決策模型，對問題的建模和求解與實戰(zhàn)真實情況較為吻合。

（2）多平臺防空體系各作戰(zhàn)平臺的協(xié)同

多平臺防空體系作戰(zhàn)平臺的協(xié)同是研究與發(fā)展網(wǎng)絡中心戰(zhàn)理論的重點與難點。文獻19在該項課題的研究中，歸納與描述出多平臺防空體系中多種不同的協(xié)同機制：①基于個體作戰(zhàn)方案協(xié)同；②基于目標分配。對基于目標分配的協(xié)同機制進行了分類，即分成為基于責任區(qū)劃分協(xié)同，基于合同網(wǎng)協(xié)議的協(xié)同機制和基于統(tǒng)一認知、分數(shù)式協(xié)同機制，并給出相應的工作流程，為作戰(zhàn)人員了解多平臺防空體系中各平臺間協(xié)同提供參考。當然，在實際應用中，指揮員需綜合考慮使命任務和所處環(huán)境的情況下，適當選擇某種協(xié)同機制或某幾種協(xié)同機制的綜合運用。

（3）計算機網(wǎng)絡的協(xié)同防御

文獻20在基于云模型的防御代理信任評估模型中指出在計算機網(wǎng)絡的協(xié)同防御（CNCD）系統(tǒng)中，所有的防御代理在防御方案的部署中均默認為可信與可控的，而該假設實際上在開放網(wǎng)絡的環(huán)境下不成立。甚至導致惡意代理參與到計算機網(wǎng)絡協(xié)同防御的方案執(zhí)行中，使方案執(zhí)行率增加而降低系統(tǒng)的安全性。為此，提出一個計算機網(wǎng)絡協(xié)同防御的信任評估模型，其模型分為兩個部分，即防御任務執(zhí)行評估與防御代理信任更新。其中研究了防御代理反饋的評估函數(shù)，包括防御任務完成時間與完成質(zhì)量的評估兩個方面，并將信任時間的衰減性、非對稱性應用到防御代理的反饋評估函數(shù)中，提出一種基于滑動時間窗口的雙權值直接信任云模型進行信任更新。

另外，在針對來自外網(wǎng)的攻擊，文獻21提出對現(xiàn)有的DRDOS（Distirbuted Reflection Denial of Server Attack），即分布式反射拒絕服務攻擊的防御方法進行改造的新模型——HCF-AST（Hop Count Filtering-Attack Source Tracing），通過協(xié)同式自學習算法，實現(xiàn)設備之間DRDOS防御知識的共享，以解決原防御反應滯后和過濾不全面等問題，它可以過濾掉外網(wǎng)的攻擊流，并引入入侵追蹤技術與入侵檢測與過濾技術協(xié)同，定位并阻斷內(nèi)網(wǎng)攻擊流。

2.3多對象協(xié)同動態(tài)優(yōu)化

為了解決大多數(shù)多目標優(yōu)化問題，需要其優(yōu)化算法在時間約束內(nèi)快速找到動態(tài)變化的Pareto最優(yōu)解與Pareto邊界。文獻22提出一種基于多種群協(xié)同動態(tài)多目標粒子群改進算法，旨在利用多種群競爭與協(xié)作。兩種模式相互配合，從而達到高效求解動態(tài)多目標的優(yōu)化問題。針對對導彈打擊目標發(fā)生改變時，需對導彈的飛行軌道、控制參數(shù)（攻角、仰角）進行多目標化，以及航空運營中受到天氣、飛行故障、隨機意外等影響，航空調(diào)度需要考慮旅客滯留時間、運營成本等多個因素，重新優(yōu)化。其中競爭模式需要對解空間進行“勘探”搜索，而競爭失效后，自適應切換到協(xié)作模式，對解空間進行“開采”搜索。通過對多種群協(xié)同搜索，概率分析，證明多種群相比單種群具有更高的搜索效率，并以仿真實驗驗證算法的有效性。

2.4協(xié)同學習與訓練

針對天地一體化環(huán)境中的目標跟蹤問題，文獻23考慮到突然變化、視角差異、相機抖動以及部分遮擋等因素、基于協(xié)同訓練，粒子濾波算法的啟示，提出一種自適應目標跟蹤方法。該法采用HQG（Histogram of Oriented Gradients）和LBP（Local Binary Pattern）描述目標特征并建立分類器，通過協(xié)同訓練實現(xiàn)分類器的在線更新，有效地解決誤差累積問題。為縮小目標搜索的狀態(tài)空間，利用Icondensation運動模型和重要采樣提高粒子采樣的準確性與效率，并引入了校正因子，抑制虛假目標的干擾，從而提高了跟蹤算法的魯棒性與分類器更新的準確性。

另外，為了快速準確檢測網(wǎng)絡用戶的異常行為，如傳播蠕蟲、DDoS攻擊等，文獻24提出了一種基于多數(shù)類分布的改進Easy Ensemble方法將平衡訓練樣本劃分為平衡的樣本子集，然后使用混合擾動的生成法構造差異性成員分類器對樣本子集進行協(xié)同學習，在學習中使用選擇性集成進行置信度計算與數(shù)據(jù)更新，以減少開銷，并基于準確性選擇構建集成分類器用于實際測試，該法可獲得非平衡性復雜分布數(shù)據(jù)處理能力，并進一步提高檢測的準確性。

3　結語

隨著“互聯(lián)網(wǎng)+”技術的深入發(fā)展，基于天地一體化3C融合網(wǎng)絡架構及信息系統(tǒng)的研究正方興未艾，至今尚有多項關鍵技術仍待深入研究。其中協(xié)同計算技術在系統(tǒng)建模、控制、計算感知等諸多方面起著關鍵性作用。本文介紹了國內(nèi)外學者近年來在相關方面所取得的研究成果，以及在該領域協(xié)同計算中的應用熱點。該項技術的未來將為提供開放智能、靈活可重構的網(wǎng)絡系統(tǒng)，并支持廣域大容量服務，對我國智慧城市、航空、航天、國防軍事工程建設等具有極其重要的意義。

[1]Y.Lin,L.Shao,Z.Zhu,et al..Wireless Network Cloud:Architecture and System Requirements[J].IBMJ Res Dev,2010,54:184-187.

[2]Hu Bin.Collaborative Computing[J].Communication of the China Computer Federation,2010,6（12）:6-7.

[3]Zhou Yiqing,Tian Lin,Shi JingLin.A Super Base Stations Based on Heterogeneous Space and Terrestrial Wireless Communication Network[J].Communications of the China Computer Federation,2016,12（3）:17-21.

[4]金瑛浩，孫立鐫.協(xié)同語義特征建模技術研究[J]，計算機科學.2012,39（2）：280-296.

[5]周興社，楊亞磊，楊剛.信息-物理融合系統(tǒng)動態(tài)行為模型構建方法[J].計算機學報，2014,37（6）:1411-1423.

[6]鄭麗清，黃開枝，吉江.協(xié)同基站群的利益樹分簇算法[J].計算機科學，2012,39（1）：85-91.

[7]荊樹旭，何發(fā)智等.協(xié)同建模系統(tǒng)中的一種對象引用正確性保證方法[J].計算機研究與發(fā)展，2011,48（11）:2031-2038.

[8]葛季棟，胡海洋等.一種基于不變量的工作流協(xié)同模型分解方法[J].計算機學報,2012,35（10）:2169-2181.

[9]徐揚，李響，常宏，王月星.復雜網(wǎng)絡特性對大規(guī)模多智能體協(xié)同控制的影響[J].軟件學報，2012,23（11）:2971-2986.

[10]閆力瑗，王玥，陳晨.協(xié)同通信中繼選擇技術的研究[J].計算機科學，2011,38（10A）:380-384.

[11]Himsoon T,Siriwongpairat W P,Zhu Han,et al.Lifetime Maximization Via Cooperative Nodes and Relay Deployment in Wireless Networks[J].IEEE Journal on Selected Areas in Communications,2007,25（2）:306-317.

[12]Dai Lin,Chen Wei,Cimini L J,et al..Fairness Improves Throughput in Energy-Constrained Cooperative Ad-Hoc Networks[J].IEEE Transactions on Communications,2009,7（8）:3679-3691.

[13]童恩棟，沈強，雷君等.物聯(lián)網(wǎng)情景感知技術研究[J].計算機科學，2011,38（4）：9-20

[14]王睿智，史庭訓，焦文品.一種基于元組空間的智能傳感器協(xié)同感知機制[J].軟件學報，2015,26（4）：790-801

[15]張巍，曾亮，張會，李思昆.數(shù)字游戲中的協(xié)同—描述任務邏輯方法[J].計算機研究與發(fā)展，2012,49（7）：1507-1513

[16]楊學蕊，陳暢宇，趙罡.基于對象的協(xié)同感知模型及應用[J].計算機應用研究，2015,32（3）：771-775

[17]陳德章，唐皓，吳季達.基于Chan和Taylor的TDOA協(xié)同定位算法研究[J].計算機科學,2011,38（10A）：406-411

[18]朱悅妮，鄭征，劉偉.基于雙層主從決策的多機協(xié)同關鍵設施攻擊模型研究[J].計算機科學，2011，38（1）：210-235

[19]張杰勇，姚佩陽，滕培俊.多平臺防空體系中的協(xié)同機制研究[J].計算機科學，2011,38（9）：91-94.

[20]余洋，夏青和，王星河.基于云模型的防御代理信任評估模型[J].計算機研究與發(fā)展，2015,52（10）:2178-2191.

[21]張明清，揣迎才，唐俊，孔紅山.一種DRDoS協(xié)同防御模型研究[J].計算機科學，2013.40（9）:99-102.

[22]胡成玉，姚宏，顏雪松.基于多粒子群協(xié)同的動態(tài)多目標優(yōu)化算法及應用[J].計算機研究與發(fā)展，2013,50（6）:1313-1323.

[23]李善青，唐亮，劉科研，王磊.一種快速的自適應目標跟蹤方法[J].計算機研究與發(fā)展，2012,49（2）：383-391.

[24]陸悠，李偉等.一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法[J].計算機學報，2014,37（1）：28-40.

Collaborative Computing;Collaborative Object Modeling;Space and Terrestrial Integrated Network;Cooperative Sensing

Collaborative Computing Technology and Applications of 3C Based Space and Terrestrial Integrated Network

QIU Xiao-ping，HUANG Xiao-bing

（South China Business College,Guangdong University of Foreign Studies,Guangzhou 510545）

Introduces the correlation theory of collaborative computing technology of 3C Based space and terrestrial integrated network,includes collaborative object modeling,collaborative control,cooperative communication,cooperative sensing and object groups collaboration,and some applications of the technology.Points out the important significance of this technology in the construction of China's aviation, aerospace,smart city and national defense and military engineering.

1007-1423（2016）32-0040-05

10.3969/j.issn.1007-1423.2016.32.009

丘曉平（1954-），女，廣東潮安人，本科學士，副教授，研究方向為計算機應用

黃小兵（1975-），男，湖南保靖人，研究方向為嵌入式系統(tǒng)設計和物聯(lián)網(wǎng)

2016-09-01

2016-10-20