节点重要度贡献的复杂网络节点重要度评估方法

引入m阶邻居节点的概念,提出了一种基于m阶邻居节点重要度贡献的复杂网络节点重要度方法,并引入α和γ两个参数,用于调节节点重要度评估对节点自身特性及m阶邻居节点的依赖程度。综合考虑了节点自身及1到m阶邻居节点的重要度贡献。为检验算法的有效性,采用ARPA网络拓扑并针对算法在不同m取值条件下的节点重要度情况进行了评估。评估结果显示,与度值法、介数法、节点删除法等评估方法相比,具有更高的评估精度,能显著地区分复杂网络中节点之间的重要性差异,能准确地确定网络中关键节点,保证节点重要度评估的准确性;此外,实验结果还揭示了一个重要动力学现象,即当邻居节点所考察的深度m值大于网络的平均路径长度L时,该方法可得到可靠且精度较高的评估结果。     

复杂网络中节点重要度评估的节点收缩方法

首先定义了网络的凝聚度,在此基础上提出了一种评估复杂网络节点重要度的节点收缩方法,认为最重要的节点就是将该节点收缩后网络的凝聚度最大,其算法的时间复杂性为O(n3).该方法综合考虑了节点的连接度以及经过该节点最短路径的数目,克服了节点删除法的弊端.最后的实验分析表明该方法直观、有效且运算速度快,对于大型复杂网络可以获得理想的计算能力.     

改进的加权复杂网络节点重要度评估的收缩方法

分析了加权复杂网络的结构特点,综合考虑了边权对节点重要度评估的影响,给出了加权节点重要度的新定义,并提出了改进的适用于加权网络的节点收缩方法.该方法认为最重要的节点就是收缩后加权网络凝聚度最大的节点,其算法的时间复杂度为O(n³).该方法有助于更准确地发现复杂网络中的关键节点.最后的实验分析验证了方法的有效性和可行性.     

网络可靠性评估的演化过程重要度抽样模拟方法

针对具有高可靠度网络的连通失效概率计算问题,提出了一种重要度抽样Monte Carlo模拟方法.首先提出了考虑节点和边单元失效网络连通状态判别的演化过程算法,算法根据网络节点和边单元的可靠度,将每次模拟抽样产生的随机数转化为单元的修复时间;按照单元修复时间次序构建网络连通拓扑结构,并视为向网络连通状态转变的演化过程.然后基于重要度抽样Mont,e Carlo模拟求解高可靠度网络的2\K\All端连通失效概率,其中重要度抽样函数的计算采用基于演化过程和交叉熵模型的多准则迭代方法.高可靠度网络算例的计算结果表明,预抽样求解重要度抽样函数时,多准则迭代方法所需的预抽样次数约为其他迭代方法的1/40.因此,本文方法具有较高的计算效率.     

考虑节点失效网络可靠性计算的重要度抽样随机模拟

针对同时考虑节点和边单元失效的一般赋权网络,提出了一种考虑节点失效网络连通可靠性计算的Monte Carlo随机模拟算法.Monte Carlo随机模拟方法包含单元状态抽样、网络系统连通状态分析和连通功能函数指标统计三个阶段.在系统连通状态分析阶段,提出将一般赋权网络转换为边权网络的等效化方法,此方法无需额外增加等效节点或边;在单元状态抽样阶段,采用重要度抽样函数进行随机抽样,增加对失效概率贡献大的抽样点出现概率,利用自适应方法求解最优重要度抽样函数.算例分析中,根据模拟均值的相对误差和变异系数两个指标,说明了本文方法的正确性和有效性.     

基于杀伤网贡献率的动态体系节点重要度评估

针对当前作战体系节点重要度评估存在的节点功能异质性及多样性刻画、体系模型动态性构建、体系作战能力计算等研究不够充分的问题,建立了面向动态作战体系的杀伤网能力模型,提出了杀伤网能力动态计算模型方法和搜索算法。考虑杀伤链的数量和质量,提出了杀伤网能力指数和基于杀伤网能力指数贡献率的节点重要度评估模型。在仿真模拟实验中,对比了不同时空状态下,按杀伤网能力指数、度中心性等7种攻击方式对网络进行打击后的杀伤网能力指数的下降程度。仿真结果显示,所提方法明显优于其他基准方法,验证了所提算法的合理性。     

能力与权力:大规模复杂网络重要节点识别的二重异质指标及算法

为快速识别大规模复杂网络中的重要节点,本研究将人类社会普遍存在的两类不平等映射为节点在网络中的能力与权力的二重异质性,设计了评价复杂网络节点重要度的DH指标,构造了用于DH指标快速分布式计算的并行随机距离渐进(parallel random distance approach,简称PRDA)算法.通过网络最大连通率、网络均衡熵、算法有效性和算法效率的评价实验验证DH指标及PRDA算法的有效性,得出结论如下:DH指标在识别重要节点时能适应不同拓扑特征的复杂网络,识别性能优于或同于时间复杂度更高的介数;PRDA估计算法在最短路径获得概率p=1-10~(-1.5)的水平上得到的节点效率估计值■与真实值η_i的Pearson相关系数在0.975以上,且在大规模网络上进行节点效率估计结果更可靠;在Apache Spark并行内存计算环境中应用时间复杂度为O(n~2/l)的PRDA算法求解DH指标耗时远小于介数求解耗时,这表明算法的时间特性也适于大规模网络.     

面向应急管理的大图重要节点中介度高效近似计算方法

社交网络中的重要节点对于信息的传播效率有着至关重要的作用,也是近年来的研究热点问题.同时,随着新媒体时代手机、微博、微信等新兴媒介日益变快的信息传播速度,政府部门和企业已经逐渐认识到通过识别社交网络中的重要节点对于管理和控制社交网络中的信息传播,在面向应急的非常规突发事件数据获取与分析中,有着举足轻重的作用.新媒体时代也扩展了人们社会活动的信息容量与交换速度,以MapReduce为代表的分布式计算系统在应急管理的大规模社交网络数据分析中也变得越来越普遍.为了便于应急管理中的信息传播控制,针对应急管理中大规模社交网络图上重要节点识别的关键问题,本文提出了一种新颖的基于轴节点选择策略的大图重要节点中介度近似计算方法和原型系统,并通过模拟数据和真实数据(包含一个连续六个月的真实社交网络数据集)进行了验证.实验结果表明,该方法能非常有效地找出社交网络上的重要节点,对于应急管理中的信息传播控制有着重要的作用.     

基于复杂网络理论的配电网节点脆弱度评估

配电网中节点脆弱性的大小是其结构鲁棒性的重要体现,为实现对配电网节点脆弱度的评估,提出对配电网节点脆弱度大小排序的方法。首先,构建配电网的复杂网络加权模型;其次,针对节点脆弱度评估中的度值、介数、凝聚度和紧密度等几个指标,结合主观和客观两方面信息构建描述各指标重要性的权重;最后,提出综合逼近理想排序(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)和灰色关联度的方法,实现对配电网节点脆弱度大小的排序。对几种典型的中压配电网进行计算,验证了本文方法的可行性,对IEEE123系统分析,结果表明多指标综合评估较单一指标评估更符合配网的实际特点。     

卫星时变拓扑网络节点重要度评估方法

针对卫星网络拓扑结构的时变特征,通过构建时变拓扑图序列模型,将卫星时变拓扑网络分解为一系列具有稳定状态的拓扑图结构。综合考虑节点在网络中的全局性影响和局部性影响,以节点介数、节点紧密度和节点距离的重要度贡献为度量参数,提出了稳态卫星网络节点重要度评估方法,设计了卫星时变网络节点重要度评估算法,通过典型实例验证了算法的准确性和有效性。实验结果表明,该方法能够有效地区分卫星时变网络节点重要度差异,准确评价卫星节点对卫星网络资源的控制能力。     

WSN节点重要性和网络抗毁性的分析方法

无线传感器网络的一个重要设计目标是网络可靠性,无线传感器网络条件受限,节点能源有限,布置环境恶劣,使得研究无线传感器网络的节点重要性和抗毁性变得至关重要.节点的剩余能量会对网络生存时间产生影响,同样节点在拓扑结构中的位置也会对网络各个指标产生影响.通过研究节点的剩余能量和节点在拓扑结构中的贡献,综合这两种因素,提出了计算节点重要性和网络抗毁性的方法.仿真结果及对比表明该方法效果较好,且算法并不复杂.     

基于装备体系韧性的作战网络链路重要度评估及恢复策略

韧性可以全面描述装备体系吸收打击或干扰、并从打击或干扰中恢复的能力, 体现了体系的综合性能。针对装备体系的韧性提出了一种量化评价方法, 以对装备体系作战网络链路进行重要度评估。首先给出了装备体系韧性的明确定义, 并建立了量化韧性的数学模型; 其次提出了基于韧性增加值的链路重要度指标, 并构建了一种基于装备体系韧性的作战网络链路重要度评估模型; 然后构建了不同的恢复策略,并分析了其对作战网络性能恢复的影响; 最后通过应用案例验证了所提方法与模型的适用性和合理性, 为优化体系结构、保障和提高体系作战性能提供了理论支撑, 也为进一步开展基于装备体系韧性的作战网络应用研究提供了参考借鉴。     

基于邻接信息熵的网络节点重要性识别算法

通过研究节点与其直接相邻和间接相邻节点之间的关联关系,提出了基于邻接信息熵的网络节点重要性识别算法,算法只需获取节点与其直接邻居及间接邻居间的关联关系,通过计算网络各节点的邻接度,进而计算各节点的信息熵,利用节点信息熵的大小表征节点在网络中的重要性.通过对一个基础网络、无向无权ARPA网络和加权有向ARPA网络进行实验仿真,证明该算法对不同类型网络的通用性;利用该算法对网络按节点重要性进行节点删除实验,研究网络形成子网络的数量与规模,证明了算法的准确性.     

基于作战环的不同节点攻击策略下的作战网络效能评估

基于作战环思想, 以作战网络抽象模型为基础, 围绕作战环的分类、定义、形式化描述、数学模型等基本问题开展了理论研究, 进一步丰富了作战环理论体系。同时, 以能否快速有效打击对方目标实体为根本依据, 建立了基于目标节点打击率和基于目标节点打击效率的作战网络效能评估指标。通过仿真实验, 将作战环相关理论运用于不同节点攻击策略下的作战网络效能评估, 为实际作战体系对抗中双方的攻击与防护提供应用指导, 也为进一步开展基于作战环的作战网络应用研究提供参考借鉴。     

Capacitated stochastic coloured Petri net-based approach for computing two-terminal reliability of multi-state network

Classical network reliability problems assume both networks and components have only binary states,fully working or fully failed states.But many actual networks are multi-state,such as communication networks and transportation networks.The nodes and arcs in the networks may be in intermediate states which are not fully working either fully failed.A simulation approach for computing the two-terminal reliability of a multi-state network is described.Two-terminal reliability is defined as the probability that d units of demand can be supplied from the source to sink nodes under the time threshold T.The capacities of arcs may be in a stochastic state following any discrete or continuous distribution.The transmission time of each arc is also not a fixed number but stochastic according to its current capacity and demand.To solve this problem,a capacitated stochastic coloured Petri net is proposed for modelling the system behaviour.Places and transitions respectively stand for the nodes and arcs of a network.Capacitated transition and self-modified token colour with route information are defined to describe the multi-state network.By the simulation,the two-terminal reliability and node importance can be estimated and the optimal route whose reliability is highest can also be given.Finally,two examples of different kinds of multistate networks are given.     

基于OBDD的通信网链路重要性评估

通信网的链路重要性评估是网络设计和维护的重要依据。在链路重要性评估方法上提出了一种基于有序二叉决策图(ordered binary decision diagram, OBDD)的新方法--BO(Birnbaum OBDD, BO)方法。该方法引入了Birnbaum测度来量化链路重要性,并采用边扩张图(edge expansion diagram,EED)来创建网络的OBDD结构,在可靠度计算基础之上,通过分析链路故障时网络可靠度得到Birnbaum测度值。BO方法将高效的OBDD结构与hash表结合起来,并通过识别计算中出现的同构子网,减少冗余状态与重复计算来提高整体计算效率。引入并对比经典可靠性文献中一些规模较大网络,通过实验验证了BO方法不仅能正确地评估网络链路重要性,而且在计算效率方面优于因子分解方法。