针对轻量级基于学习的拥塞控制算法在某些场景下性能表现会出现断崖式下滑的问题，提出了一种基于场景变化的传输控制协议拥塞控制切换方案。首先，该方案模拟实时的网络环境；然后，根据实时的环境参数来识别场景；最后，将当前的拥塞控制算法切换至该场景下相对最优的轻量级基于学习的拥塞控制算法。实验结果表明，所提方案相较于原来使用单个拥塞控制算法的方案，例如测量瓶颈链路带宽和时延的拥塞控制（BBR）方案、面向性能的拥塞控制（PCC）方案等，可以使不同场景下的网络性能得到显著提升，总吞吐量增幅达到5%以上，总时延降幅达到10%以上。
针对寄存器交换方法在降低寄存器软错误率过程中,未考虑寄存器分配过程对软错误所带来影响的问题,提出一种基于活跃变量对于软错误影响的静态寄存器重分配方法。首先,引入活跃变量权值来评估其对寄存器软错误的影响；然后,提出两条规则,在进行寄存器交换后对活跃变量进行寄存器的重新分配。该方法在更小粒度的活跃变量层次,进一步降低了寄存器软错误率。实验和分析表明,相对于寄存器交换方法,该策略能进一步降低30%的寄存器软错误率,增强了寄存器的可靠性。
