對復(fù)雜網(wǎng)絡(luò)節(jié)點進行合理有效的感知分類,有利于改善網(wǎng)絡(luò)運行的可靠性,增強對關(guān)鍵節(jié)點的保護�，F(xiàn)有方法大多采取單一指標(biāo)評估節(jié)點,在網(wǎng)絡(luò)產(chǎn)生波動時易出現(xiàn)全局或者局部影響,導(dǎo)致感知性能存在局限,為此提出了加權(quán)融合感知分類方法。方法首先在復(fù)雜網(wǎng)絡(luò)節(jié)點無向圖模型基礎(chǔ)上,針對單一評價指標(biāo)可能出現(xiàn)的弊端,分析了節(jié)點度、抗破壞能力,以及介數(shù)三種指標(biāo),并改進了連通度算法;然后將節(jié)點指標(biāo)采取層次標(biāo)記,利用初始判斷矩陣計算出加權(quán),并構(gòu)造節(jié)點的評價矩陣;最后根據(jù)緊密度公式計算所有節(jié)點的近似度,從而實現(xiàn)對節(jié)點的感知分類。通過仿真證明加權(quán)融合感知分類方法能夠有效提高復(fù)雜網(wǎng)絡(luò)節(jié)點的感知準(zhǔn)確性與高效性,具有良好的魯棒性。 

【文章來源】：計算機仿真. 2020,37(08)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

根據(jù)該網(wǎng)絡(luò)模型,對節(jié)點采取加權(quán)融合感知仿真,得出節(jié)點重要度的感知結(jié)果,并引入文獻[9]與文獻[10]中的方法進行性能比較,如圖2所示。從感知的重要度結(jié)果可以看出,各種方法對于網(wǎng)絡(luò)節(jié)點重要程度的判斷基本相似,但是本文方法的節(jié)點感知更加平緩,表明多指標(biāo)融合后分辨率更加細(xì)膩。另外在個別節(jié)點的判斷上,文獻方法由于只考慮單一指標(biāo),沒有考慮到對應(yīng)節(jié)點其它方面對網(wǎng)絡(luò)性能的影響,從而出現(xiàn)節(jié)點感知結(jié)果不合理。為了進一步驗證加權(quán)融合感知方法的性能,增加網(wǎng)絡(luò)拓?fù)涞膹?fù)雜性,將節(jié)點數(shù)量提升至1000,仿真過程中,通過逐漸取消節(jié)點的方式模擬網(wǎng)絡(luò)攻擊效果,令節(jié)點失效,失效節(jié)點的選取為感知重要度的前10%。從而分別得到連通性和網(wǎng)絡(luò)效率者與失效節(jié)點間的關(guān)系。

圖3所示為逐漸增加失效節(jié)點數(shù)量時,網(wǎng)絡(luò)連通性的仿真結(jié)果。根據(jù)結(jié)果對比可知,在失效節(jié)點增加的過程中,連通分支上的節(jié)點會隨之變少。其中,加權(quán)融合感知對應(yīng)的變化速度最快,在失效節(jié)點增加至5%左右的時候,分支上的節(jié)點已經(jīng)無法支撐網(wǎng)絡(luò)正常運行,進而導(dǎo)致網(wǎng)絡(luò)達到崩潰狀態(tài)。由于重要節(jié)點的變化會對網(wǎng)絡(luò)的魯棒特性產(chǎn)生嚴(yán)重擾動,因此,根據(jù)失效重要節(jié)點的增加導(dǎo)致分支節(jié)點的急劇減少,表明加權(quán)融合方法感知到的節(jié)點關(guān)鍵程度更加準(zhǔn)確,同時也說明該方法能夠很好應(yīng)對大量節(jié)點的復(fù)雜網(wǎng)絡(luò)環(huán)境。圖4所示為逐漸增加失效節(jié)點數(shù)量時,網(wǎng)絡(luò)效率的仿真結(jié)果。根據(jù)結(jié)果對比可知,在失效節(jié)點增加的過程中,網(wǎng)絡(luò)效率會隨之降低,且會出現(xiàn)階段性驟降現(xiàn)象。其中,加權(quán)融合感知方法的降低速度最快,當(dāng)失效節(jié)點達到5%時,網(wǎng)絡(luò)效率基本處于穩(wěn)定狀態(tài)。該結(jié)果也表明了加權(quán)融合感知方法具有更為準(zhǔn)確的節(jié)點感知分類性能,對于節(jié)點重要程度的感知更加有效。

【參考文獻】：
期刊論文
[1]指揮信息系統(tǒng)通信網(wǎng)絡(luò)節(jié)點重要度評估方法[J]. 胡托任,王睿,黃興河.  指揮信息系統(tǒng)與技術(shù). 2019(05)
[2]基于合度的裝備保障網(wǎng)絡(luò)節(jié)點重要性評估[J]. 張強,曹軍海,宋太亮,閆旭.  系統(tǒng)仿真學(xué)報. 2019(12)
[3]基于復(fù)雜網(wǎng)絡(luò)分析的通信網(wǎng)絡(luò)節(jié)點重要度評估方法[J]. 梁德軍,宋廣寧,趙明.  通信技術(shù). 2019(03)
[4]基于復(fù)雜網(wǎng)絡(luò)動力學(xué)模型的無向加權(quán)網(wǎng)絡(luò)節(jié)點重要性評估[J]. 孔江濤,黃健,龔建興,李爾玉.  物理學(xué)報. 2018(09)
[5]基于多屬性評估與刪除的節(jié)點重要度排序方法[J]. 趙志遠(yuǎn),孟相如,孫瑞男.  計算機工程. 2018(06)
[6]基于TOPSIS的裝備保障網(wǎng)絡(luò)節(jié)點重要性綜合評價方法[J]. 邢彪,曹軍海,宋太亮,陳守華,董原生.  裝甲兵工程學(xué)院學(xué)報. 2017(03)
[7]復(fù)雜網(wǎng)絡(luò)節(jié)點重要度評估及網(wǎng)絡(luò)脆弱性分析[J]. 程光權(quán),陸永中,張明星,黃金才.  國防科技大學(xué)學(xué)報. 2017(01)
[8]基于多重影響力矩陣的有向加權(quán)網(wǎng)絡(luò)節(jié)點重要性評估方法[J]. 王雨,郭進利.  物理學(xué)報. 2017(05)
[9]一種基于改進K-shell的節(jié)點重要性排序方法[J]. 鄧凱旋,陳鴻昶,黃瑞陽.  計算機應(yīng)用研究. 2017(10)
[10]網(wǎng)絡(luò)節(jié)點重要性的多指標(biāo)綜合評價方法[J]. 張惠玲,張蒙.  西安郵電大學(xué)學(xué)報. 2016(01)



本文編號：3256085