矿井通风网络最小割集不交和可靠度的计算

运用可靠性工程理论及不交型积之和定律,在大型网络系统可靠度计算的基础上,提出了矿井通风网络系统最大线性无关最小割集予以真子集涤除的不交和可靠度算法及其实现步骤.根据此算法,当最小割集按所含网络分支的多少进行升序排列时,还可进一步减少中间过程的计算量,从而达到最佳不交和简化计算的效果.实例分析表明:采用升序排列的最小割集并按不交型积之和定理予以真子集涤除的不交和处理后,不仅计算值等同于一般网络分析中用全概率公式计算的矿井通风网络系统可靠度,而且计算中具有所含网络分支布尔积的代数和项数少,计算工作量大为简化等特点.图2,表1,参9.     

一种计算网络可靠度的不交和算法

给出了一种计算网络可靠度的不交和算法,该算法的最大特点是操作简便,易于在计算机上实现,从而适用于大型网络可靠度的计算。     

网络可靠度一种新的不交和算法

给出网络可靠度一种新的不交和算法，对两终端可靠度而言，当给出两终端道路集合后，撮一种排列道路顺序的新原则，利用不交和算法，在计算中借助布尔代数，定理进行简化，使得算法步骤较少而可靠度的符号表达式更加紧凑。     

网络可靠度分析的改进最小割递推分解算法

在网络连通可靠度分析的最小割递推分解算法基础上,充分利用分解过程中获得的信息,采用合并节点以及合并并联边的方法,有效地简化了分解出来的子网,大幅度降低了算法分解出来的不交最小割和不交最小路数量,从而大幅度地减少了计算时间.3个网络实例计算分析表明,与最小割递推分解算法相比,改进最小割递推分解算法能更高效地计算得到网络系统的连通可靠度,为生命线工程网络的抗震可靠性提供了1种更加有效的分析工具.     

利用逻辑扩展计算二终端网络可靠度

利用布尔代数和不交和等方法提出了计算二终端网络可靠度的一个有效算法．运用简单方法将矩阵逻辑扩展中出现的大量的相同矩阵,进行合并,减少了矩阵数,从而有效地减少了运算时间．该算法推广和改进了S.Rai等在文献[1]中给出的计算二终端网络可靠度的算法．     

链路失效情况下网络点对联通可靠度的近似计算

基于连通性的网络可靠性分析是网络可靠性研究中的经典问题,根据具体问题的不同而采用的最小枚举、最小生成树枚举、边割集枚举、容斥原理、不交和方法等都是随机性网络可靠性指标的精确计算方法.这些计算方法在网络可靠性分析研究中具有重要的作用和意义,它们构成了网络可靠性分析计算的重要理论依据.然而对任意网络的k终端可靠度、全终端可靠度以及剩余边连通可靠度和点对联通可靠度,都已经证明他们的精确计算属于NP-hard问题[1][10].因此网络可靠性的估计是获得以上可靠性测度的重要手段.同时在网络的拓扑优化设计中,追求高可靠性的代价就是费用的无限增加,因此在一般商用的设计中,网络可靠性测度只要满足给定的标准即可,需要对不同的网络拓扑估计有关的可靠性值.     

复杂装置网络可靠性评估模型与算法

研究了多状态、全终端复杂网络系统可靠性分析问题,通过使用结构函数设计了网络可靠性评估模型,并利用生成树的特性和网络图的环和理论,给出了多状态、全终端复杂装置网络可靠性分析的新算法·本算法并不需要全体生成树和全体割集作为前提条件,也不需要两次使用不交和运算,仅仅从一颗生成树开始,就可确定该网络的可靠性·该方法与传统方法比较,不仅降低了该类问题算法的计算复杂性,而且提高了评估过程的准确性、可操作性·大量实例计算表明了模型与算法的可行性与有效性·     

一种大规模网络端端可靠度上下界的快速计算方法

在网络可靠性研究的基础上,针对大规模网络中精确计算端端可靠度这一难题,提出了一种快速计算大规模网络端端可靠度上下界的方法。算法分别基于最小割集和最小路径计算端端可靠度的上界和下界。最后通过算例分析,验证了本文所提出算法的有效性。     

可靠性分析的并行不交和算法

不交和算法是计算网络可靠性的有效方法，到目前为止，基于这一方法已经开发出多种算法，提出了对这些不交和算法实行并行化的通用框架。基于这个框架，在工作站网络上实现了CAREL不交和算法的并行化版本。实验结果表明，这种方法效果很好，几乎得到线性加速。     

两状态流约束通讯网络可靠度的一种新算法

提出了计算两状态流约束通讯网络可靠度的一种快速有效算法。中算法与传统的算法有所区别，将传统的两阶段算法转化为一阶段算法。给出了两个算法，第一个算法以任何一个有效组为初始有效组，所有的有效组都可以从此初始有效组中生成。且由此生成的所有有效组彼此不交，第二个算法是第一个算法的对偶算法。     

基于大规模复杂网络社区发现的科研合著网络分析

针对基于极大团的社区发现算法,设计了适应大规模数据的MapReduce并行计算框架,提出了基于大规模复杂网络社区发现的科研合著网络分析算法,并用于对我国管理科学与工程领域2012年科研合著网络进行社区结构划分。实验结果表明,基于MapReduce的并行社区发现算法可在保证正确性的同时有效提高计算效率,适用于大规模复杂网络的社区发现。针对我国管理科学与工程领域2012年科研合著网络的社区划分结果展现了我国管理科学与工程领域科研合作的特点和问题。     

基于信息论和免疫遗传算法学习贝叶斯网络结构

提出一种新的实现贝叶斯网络(BN)结构学习的方法,即由信息论和免疫遗传算法相结合构造最优贝叶斯网络结构.首先,通过信息论迅速搜索较为可能的网络空间,构造一个候选网络,然后用免疫遗传算法进行网络精简,得到一个最优的网络结构.不仅可降低计算复杂度,提高贝叶斯网络结构学习的效率,而且避免了传统启发式算法易陷入局部最优解的问题.实例计算证明了其可行性.     

基于坐标的网络节点聚类在Internet中的实验研究

在分布式网络应用中,节点聚类是构建高效网络体系结构的有效办法. 网络坐标能够反映节点在Internet中的位置,利用网络坐标可以对网络节点之间的距离进行预测. 在测量各个节点的网络坐标的基础上,利用Triangulated heuristic方法对节点间的网络距离进行预测,提出了网络距离作为参数对网络节点进行分布式聚类的算法,并在PlanetLab分布式实验床遍布全球的156个节点上进行了实际的测量和分析. 分析结果表明,算法能够在网络规模较大的情况下对网络节点进行分布式聚类,算法有较高的可靠性和可扩展性.     

干扰状态下大规模网络数据流的分发协调技术研究

干扰状态下大规模网络数据流具有实时性、波动性、突发性等特点,当前数据流分发协调方法无法保证数据流的平稳传输及分发协调的实时性。为此,提出一种新的干扰状态下大规模网络数据流分发协调方法,通过网络数据流预测值和实际值之间的误差滤除干扰状态下的干扰数据,保证剩余数据流的纯正性。将大规模网络数据流分发协调问题转换成多目标优化问题,以提高大规模网络数据流分发协调的整体性能为目的设定一个目标函数,提出一种大规模网络数据流分发协调预测技术,通过比较处理器计算资源和未来的预期负载确定数据流分发协调策略。实验结果表明,采用所提方法对干扰状态下大规模网络数据流进行分发协调,不仅效率高、实时性好,而且CPU资源利用率很高。     

计算K-终端网络可靠度的一种新算法

讨论了由一个源点s到一个指定的点集K的网络可靠度问题。首先提出了两个网络门限变量化简原则及计算网络K-树和极小K-割的算法。然后,基于具有门限变量的布尔方程和有序二分决策图方法,给出网络K-终端可靠度算法。结果表明这种算法是有效的,改进并推广了Rauzy提出的算法。     

基于滑动窗口技术的网络节点对可靠性评估

为了有效评估网络可靠性,通过计算网络节点对的可靠性,提出了一种利用节点有序排列的随机图模型来计算网络系统中节点对可靠性的新方法.该方法使用基于滑动窗口技术的递归算法,滑动窗口由数个连续节点构成.首先通过在单步中计算出窗口包含的所有节点的连通概率,其次窗口向前滑动一个节点,此过程重复,直至窗口到达最后的节点,此时的连通概率即可计算网络系统的节点对可靠性.仿真结果表明,该方法尤其适用于邻近节点间距很小的网络.算法最主要的优点在于降低计算复杂度.     

基于软件定义网络的多路径路由算法性能研究

基于不相交多路径的路由方案在负载平衡、容错等方面具有明显优势,但存在计算复杂度高的缺点,故对应的分布式算法难以在网络中大规模部署.通过分析软件定义网络的特点,论证了在其网络中部署不相交路径路由方案的可行性.其次,基于网络流的性质与不相交路径的图论性质,设计并实现了计算不相交路径的算法.最后,通过一系列基于不同网络模型的对比实验,验证所提算法较传统最短单条路径路由算法具有更佳的负载均衡.实验结果表明,该算法的性能与网络中链路能承受的负载极限阈值有关.