层次网络中的拓扑压缩算法及性能比较

随着Internet规模的迅速扩大,QoS路由面临复杂度过高的问题。在大规模网络中实现QoS路由的主要困难在于链路QoS信息的频繁更新和QoS最优路径的计算。链路QoS信息(带宽和时延)处于不断变化的状态,需要将这些变化及时地扩散出去以使路由程序做出正确的计算。然而频繁地更新QoS信息无疑会增加网络负载,降低了可扩展性,因此尽量减少链路QoS信息的更新对于提高QoS路由算法的可扩展性起到至关重要的作用。减少链路QoS信息更新的措施包括;减少信息量和减少     

基于模糊层次分析法的网络节点安全评价研究

为提升网络节点安全态势评价的效果,提出基于模糊层次分析法的网络节点安全评价方法。首先,建立模糊层次分析模型,运用标度法构造判断矩阵进行量化分析;其次,建立评价模型,根据决策准测对判断结果进行赋值;最后,运用模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)计算隶属度向量的单因素,根据条件因素设定阈值。实验结果表明,所设计方法的评价结果在300～320,可实时评估节点攻击态势。     

基于SALSA的社交网络重要节点发现算法

社交网络中重要节点的发现研究具有较大的实际意义与价值。考虑社交网络中用户作为节点所包含一些特有的属性,通过将用户的社交行为划分强/弱关系的方式对社交网络拓扑结构的关系边进行补充,提出一种基于SALSA算法的加权算法WSALSA来发现社交网络中的重要节点。采用部分新浪微博真实数据进行实验及验证,对比PageRank、HITS和SALSA算法得到的节点影响力排序结果在SIR模型中的传播能力,结果表明WSALSA算法与SIR排序结果的斯皮尔曼相关系数值更高,对社交网络中节点重要性的评估更加准确。     

基于节点重要度的复杂网络可靠性研究

为研究复杂网络的节点重要度及其可靠性,在随机网络、小世界网络和无标度网络模型下,理论分析度值中心性、半局部中心性、介数中心性和PageRank算法在节点重要度评估上的准确性,通过仿真模拟方法,对网络理论模型和实际复杂网络分别进行研究,采用逐步移除节点和重复计算的方式,考察网络最大连通子图和节点移除比例的关系,同时对数值仿真结果进行合理分析。研究结果说明基于网络全局信息的介数中心性和PageRank算法对节点重要度评估的效果更好,同时说明网络的可靠性与网络拓扑结构有关,实际复杂网络一般同时具备多种拓扑特性。     

基于传播属性的社交网络重要节点发现

节点重要性排序在复杂网络领域中有着广泛的应用。基于节点传播属性的迭代资源分配改进算法（improved iterative resource allocation,IIRA）通过引入节点传播属性,提升了节点重要性排序的准确性,但该算法并未考虑节点相似性对节点资源分配的影响,存在局限性。针对其不足,提出了一种以节点相似性为输入指标的资源分配算法（similarity-based resource allocation,SBRA）,使得资源分配策略更加符合真实的社交网络;在SBRA算法的基础上借鉴LeaderRank算法中背景节点的思想,引入高阶邻居节点间的资源流动,提出了一种基于节点相似度和高阶流动资源分配算法（LeaderRank similarity-based resource allocation,L-SBRA）;基于传播动力学的SIR模型,通过各算法之间的对比实验,验证了相似性作为资源分配依据以及引入背景节点的合理性,并且证明了改进算法的有效性和优越性。     

基于H运算的动态网络重要节点识别方法

传统K-shell网络重要节点识别方法迭代时需网络全局拓扑信息,而且难以应用于动态网络。为解决该问题,提出基于邻域优先异步H运算的动态网络重要节点识别方法。首先,证明该算法收敛于Ks值,其次以各节点的度作为h指数初始值;然后,通过节点h指数排序和邻居节点h指数变化选择更新节点,同时针对动态网络节点的增减数目和最大度,修改h指数适应拓扑变化,直至算法收敛并找到重要节点。仿真实验结果表明,该方法通过邻居节点局部信息且以更高效率找到动态网络的重要节点,收敛时间在静态网络中较随机选择更新节点法与变化邻居选点法分别下降77.4%和28.3%,在网络拓扑变化后分别下降84.3%和38.8%。     

基于VIKOR模型的复杂网络节点重要度评估

复杂网络重要节点在遭受敌方蓄意攻击时往往会造成网络的大范围瘫痪,评估出重要节点对网络的可靠性和网络安全具有重要意义。现有的评估重要节点的中心性准则仅针对某一测度,具有局限性,因此,文章提出了一种结合现有中心性准则对复杂网络节点进行重要度排序的方法。该方法结合度中心性、中介中心性、接近中心性和特征向量中心性准则,从多角度多方位评估节点重要性。该方法借助熵权法求得每项准则的权重,避免了人为因素带来的偏差。采用多准则妥协解排序法(VIKOR)对节点的重要度进行排序,在3个典型的复杂网络上利用病毒传播模型(SI)对传播过程进行仿真。结果表明,与单一的度中心性指标、中介中心性指标、接近中心性指标和特征向量中心性指标相比,VIKOR方法能更全面更准确地排序节点的重要性。     

基于结构洞指数的网络节点重要度评估

首先定义节点的限制度效率和等级度效率,由此构建节点的重要性评价矩阵,从而提出一种利用节点间的结构来判断通信网中节点重要性的方法.该方法通过考虑三个节点之间的关系结构来确定节点的重要性,克服单独分析各个节点重要性的不足。最后,利用该算法对ARPA网的节点重要性进行分析,并与已有的节点收缩法作对比。     

利用节点传播熵识别超网络重要节点

超网络中识别重要节点是一项基础且具有挑战性的重要课题,相关研究对进一步分析网络拓扑结构和功能特性具有广泛的应用价值。为了突破已有的重要节点识别方法评估的局限性,利用超图及信息熵理论,提出一种基于节点传播熵的超网络重要节点识别方法。该方法兼顾节点的局部和全局拓扑信息,利用节点聚集系数和邻居数目表征节点信息的局部传播影响,通过节点间最短路径和K壳中心性反映节点信息的全局传播影响,充分考虑节点自身及其邻域节点的影响,最终利用节点传播熵来表征节点在网络中的重要性。并通过单调性、鲁棒性以及SIR传播模型评价标准,在六个来自不同领域的真实网络上与其他方法进行比较,实验结果表明,该方法能够准确有效地识别网络中的重要节点。     

基于加权改进节点收缩法的供应链网络节点重要度评估*

针对供应链网络节点重要度评估的意义以及现有节点收缩法在加权网络节点重要度评估中的不足,设计一种赋权方法改进的加权节点收缩法,对供应链节点重要度进行评估。以三角模糊数改进连边权值的确定方法,通过节点自身重要度和邻域节点间关系重要度的加权和衡量节点重要度。通过对比分析说明了改进的方法在解决不同节点重要度相同问题上的优势。以改进的节点收缩法对煤炭供应链中各节点的重要度进行评估,结果表明下水港口在煤炭供应链中的重要度最高,符合客观实际,验证了改进方法在供应链节点重要度评估问题上的准确性与有效性。     

基于改进的局部结构熵复杂网络重要节点挖掘

识别复杂网络中的关键节点对优化网络结构以及信息的有效传播起着至关重要的作用。局部结构熵（LE）利用局部网络对整个网络的影响代替节点对整个网络的影响以识别重要节点,然而LE未考虑高聚集性网络和节点与邻居节点形成环的情况,存在一定的局限性。针对以上不足,首先,提出了改进LE的节点重要性评价方法PLE(Penalized Local structural Entropy),即在LE的基础上引入集聚系数（CC）作为惩罚项,从而适当惩罚网络中的高聚集性节点;其次,由于PLE的惩罚项对三元闭包结构上的节点惩罚力度过大,又提出了PLE的改进方法 PLEA(Penalized Local structural Entropy Advancement),即在惩罚项前引入一个控制系数,以控制惩罚力度。对5个不同规模的真实网络进行选择性攻击实验,实验结果表明,在美国西部各州电网和美国航空网两个网络中,与LE方法相比,PLEA的识别准确率分别提升了26.3%和3.2%;与K-Shell(KS)方法相比,PLEA的识别准确率分别提升了380%和5.43%;与DCL(Degree and Clustering c...     

基于重要度贡献的无标度网络节点评估方法

针对无标度网络的节点重要度评估问题,通过分析节点的邻居数量与其邻居间的拓扑结构,得到节点的结构洞重要性指标,再融合相邻节点的K核重要性指标值来确定相邻节点间的重要度贡献,以此表征相邻节点的局部信息;在此基础上,再结合表征节点位置信息的节点自身的K核重要性,从而提出一种基于节点间重要度贡献关系来评估无标度网络的节点重要度的方法.该方法综合考虑了节点的结构洞特征和K核中心性特征来确定节点的重要度,同时兼顾到了网络的局部和全局重要性.理论分析表明,此方法的时间复杂度仅为o（n²）.与其他几种算法仿真对比的结果表明,该方法可行有效,拥有理想计算能力,适用无标度网络.     

基于图神经网络的机会网络节点重要度评估方法

机会网络(opportunistic network)是一种利用节点移动的相遇机会实现通信的自组织网络,机会式的通信方式导致其具有时变性与动态性,节点重要度的评估是研究机会网络信息传播的关键.提出一种基于图神经网络的机会网络节点重要度评估方法.将机会网络进行时间切片,对得到的机会网络单元采用聚合图建模,以表征网络信息;采用动态网络嵌入模型提取机会网络单元间的时序变化信息、拓扑结构信息,得到网络的动态属性特征;借助图神经网络(graph neural network, GNN)在图数据处理上的优势,获得网络动态属性特征与节点重要度之间的映射关系,实现节点重要度的评估.在3个真实机会网络数据集MIT,Haggle,Asturias-er上的实验结果表明：相比于时效介数(temporal betweeness, TB)方法、时效度(temporal degree, TD)方法、时效PageRank(temporal PageRank和f-PageRank)方法以及kshell-CN方法,该方法具有更快的消息传播速率和更大的消息覆盖范围,其SIR和NDCG@10指标更优.     

基于动态贝叶斯网络的健壮报头压缩算法

空间飞行系统采用IP协议承载,相比传统的无线通信方式具有更高的数据速率和应用灵活性。为了解决低带宽、高误码率等问题,需要采用高效可靠的报头压缩算法来提高有效载荷效率。但是,由于无线环境的复杂多变,以及空间飞行系统的高速机动性,无线信道传输质量会发生动态的变化,一般的压缩算法无法很好地适应这种时变特性。为此,提出一种基于动态贝叶斯网络的健壮报头压缩算法DB-ROHC。DB-ROHC根据解压端离散的历史丢包观测序列,动态调整关键压缩参数,达到压缩率和健壮性的较好均衡。仿真结果表明,与传统的健壮压缩算法相比,该算法在复杂无线链路中健壮性更优和有效带宽更大。     

度联合信息熵的网络重要节点识别

随着网络科学的快速发展,复杂网络中重要节点识别已是一个重要的研究热点。为了突出邻节点局部结构对节点重要性的影响,本文提出度联合信息熵的网络重要节点识别算法,引入信息熵作为权重来量化各邻节点对节点重要性的贡献,并考虑节点及其邻节点的度值来反映节点在网络中的重要性。在8个真实网络上进行了大量实验。实验结果表明,DE算法相比于其他5种算法能更好地识别网络中的重要节点。     

基于非测距的无线传感器网络节点定位技术研究

无线器传感器网络是由大量低廉的微型多功能传感器节点组成的无线网络,能够广泛应用在环境、军事、生态等领域进行事件监测。在网络中节点的自身定位至关重要。主要讲述了对于定位算法中基于锚节点的非测距方法。DV-Hop算法是为了避免对节点间距离的直接测量而提出来的。详细介绍了DV-Hop算法的节点定位过程并且分析了近期提出对DV-Hop算法的一些改进策略。     

基于非凸约束信息的传感器网络节点定位方法

节点定位是无线传感器网络中的关键性问题,大多数定位方法无法评估每个节点的定位精度。该文提出一种无需测距的定位算法,将传感器节点的真实位置限定于一个区域中,使用该区域的面积评估传感器节点的位置精确度,利用网络中的非凸约束提高定位精度。仿真结果表明,在使用非凸约束的情况下,对于节点总数为250,20%为已知位置节点的传感器网络来说,90%的节点能较好地被定位。