内容概要：高级仿真、集成和建模框架（AFSIM）是一款由美国空军研究实验室开发的仿真工具，旨在评估新型军事系统及其在任务环境中的表现。AFSIM支持构造仿真和交互式仿真，能够模拟平台（如飞机、卫星、导弹等）及其组件（如传感器、通信、武器系统等）的交互。AFSIM采用基于组件的架构（CBA），允许用户添加或修改平台组件，从而灵活地扩展和定制仿真模型。此外，AFSIM还提供了多种仿真服务，如脚本语言、地形和视线管理、事件记录、扩展和插件支持，以及分布式仿真接口。AFSIM特别强调了电子战（EW）功能，包括电子攻击（EA）和电子保护（EP）技术，并支持复杂的任务管理和行为建模。 适合人群：具备一定编程基础，尤其是对军事系统仿真、电子战仿真、任务规划和行为建模感兴趣的工程师、分析师和研究人员。 使用场景及目标：①评估新型军事系统（如飞机、导弹、传感器等）在复杂战场环境中的性能；②模拟电子战效果，测试电子攻击和电子保护技术的有效性；③进行任务规划和行为建模，优化作战策略和资源配置；④支持分布式仿真和协同作战训练。 其他说明：AFSIM提供了详细的文档和技术参考，用户可以通过AFSIM集成开发环境（IDE）和想定准备和想定分析可视化环境（VESPA）进行高效的仿真设计和结果分析。此外，AFSIM支持多种操作系统（如Linux和Windows），并可通过分布式仿真接口与其他仿真工具集成。

LibSystemCTLM-SoC 该库包含各种SystemC / TLM-​​2.0模块，可以对Xilinx QEMU，SystemC / TLM-​​2.0模型和RTL进行共同仿真。 QEMU通过libremote-port连接。 它通过序列化/反序列化QEMU事务和TLM通用有效载荷来实现基于套接字的事务协议。 需要通过诸如Verilator之类的工具或等效的商业工具将RTL转换为与SystemC接口的东西。 快速开始 有两种方法可以运行示例 使用Docker映像 docker run --hostname builder -it xilinxset/eri-july-2019:full 可以在此处找到有关如何运行示例的完整说明： : 在本地设置环境 假设您已经安装了并创建了文件。 要运行示例，请将目录更改为测试目录并运行： cd tests/ make exampl

CloudSim云仿真框架介绍，是本人翻译的一篇关于CloudSim非常棒的一篇英文论文

记忆火炬 MemTorch是用于忆阻式深度学习系统的仿真框架，它与著名的PyTorch机器学习（ML）库直接集成，该库在MemTorch：忆阻式深度学习系统的开源仿真框架中进行了介绍，该库已在发布。 MemTorch：用于忆阻式深度学习系统的开源仿真框架 科里·拉米（Corey Lammie），魏向（Wei Xiang），伯纳贝·利纳雷斯（BernabéLinares-Barranco）和莫斯塔法·拉希米（Mostafa Rahimi Azghadi） 摘要：忆阻器件已显示出极大的希望，可以促进深度学习（DL）系统的加速并提高其电源效率。 使用这些电阻式随机存取存储器（RRAM）器件构造的纵横制架构可用于有效地实现各种内存中计算操作，例如乘法累加（MAC）和展开卷积，这些运算在深度神经网络（DNN）中得到了广泛使用和卷积神经网络（CNN）。 但是，忆阻器件面临老化和不理想的问题，这会限

Omnet 4.0 WSN 简单的仿真框架，可自己扩展

利用OPNET 提出一个通用的仿真框架用来测试不同的MAC 层网络层和节点移动性

#资源达人分享计划#

转矩和磁通独立控制，观察电流和速度闭环。 控制器为普通PI控制器，控制参数修改。 方便您进行电机控制器的仿真或设计过程。

自己写的一个轻量级的无线网络adhoc 仿真框架，包含节点移动模型和拓扑维护。可以在其上加入其它功能。

请引用为： Mechalikh，C.，Taktak，H.，Moussa，F .： PureEdgeSim：一种用于云，边缘和雾计算环境性能评估的仿真框架。 计算机科学与信息系统 要么 Mechalikh，C.，Taktak，H.，Moussa，F .： PureEdgeSim：用于评估云，雾和Pure Edge计算环境的性能的仿真工具包。 2019高性能计算与仿真国际会议（2019）700-707 想要查询更多的信息 在此处阅读维基： 可以在找到模拟教程 其他使用PureEdgeSim的出版物可以在找到 如有任何疑问，请通过与我联系。 基于PureEdgeSim和扩展的作品： SatEdgeSim：用于在卫星边缘计算环境中进行性能评估的建模和仿真的工具包，在了解更多信息。 1.背景 Edge and Mist（Extreme Edge）计算是两个新兴的计算范例，旨在通过将其应用程序引入网络边缘来克服云计算的局限性。 因此，减少了延迟和云工作量，并导致了更具扩展性的网络。 然而，在这些分布式环境中，许多设备需要彼此分担任务（以延长其寿命或最小化任务完成延迟），必须解决许多问题，例