基于边状态枚举计算多状态网络可靠度动态界

为降低计算多状态网络可靠度的复杂性,综合考虑网络中具有多态性的边处于各中间状态的概率及从某中间状态转换到相邻状态对网络性能的影响,提出了一种基于边状态枚举计算多状态网络可靠度上下界的算法.该算法首先令网络中各边仅取完全工作和完全失效两种状态,将处于中间状态的概率分别叠加到完全工作和完全失效状态的概率上,得到可靠度上下界的初始值;而后按照对可靠度影响递减的顺序迭代枚举边的中间状态,通过集合间的比较,计算可靠度上下界的改变值,同时获得不断减小的可靠度上界和不断增加的可靠度下界,使其最终收敛于可靠度精确值.该算法不需提前求取网络d-最小割(路)集,且枚举较少的网络状态即可得到紧凑的可靠度上下界.相关引理的证明及算例分析验证了该算法的正确性和有效性.     

计算节点不可靠网络可靠度的一种MDD算法

节点或边不可靠网络的可靠度分析问题是NP-hard问题,网络节点和边都不可靠的假设更接近现实。基于网络节点和边二元状态的假设,构建了节点和边不可靠网络的形式化模型,给出了分析节点和边不可靠网络可靠度的NEF_MDD算法。该算法将单个节点与其未访问邻接边划分为一个集合,通过枚举节点和边的不同组合,合并导致子网同构的冗余状态,获得简化后的状态向量和可靠度向量,并用一个多值决策图变量来表述。通过使用自定义的MDD操作算子,构建整个网络的MDD,遍历MDD节点,计算网络的可靠度。与二元决策图方法相比,该方法能够降低决策图层数和节点规模,有助于节点和边不可靠网络的可靠度分析。     

基于网络化简和向量集分解的网络两终端可靠度算法*

可靠度是衡量网络性能最重要的指标之一,不交和算法和因子分解算法是计算网络可靠度最重要的两种方法。不交和算法需要提前枚举网络所有极小路或极小割,因子分解算法虽然不需要枚举极小路或极小割,但每次只能分解一条边的状态。为了克服这两种算法的不足,基于网络化简和向量集分解,提出一个计算网络可靠度的高效、实用算法。该算法具有如下特点：a）算法首先求得网络的不可靠度,进而可得网络的可靠度;b）算法不需要提前枚举网络所有极小路和极小割;c）通过引入网络化简操作和向量集分解方法,算法每次可以分解多条边的状态,从而能更快速、     

基于无效状态空间的多状态网络可靠性评估

在应用d-最小割(路)集计算多状态网络可靠度精确值算法中,运用容斥原理求解d-最小割(路)集较为复杂。为此,提出一种不需d-最小割(路)集直接计算多状态网络可靠度精确值的算法。该算法按一定规则分割状态空间,在此基础上生成无效状态空间,通过迭代计算直接获得可靠度精确值,同时通过定义边的容量下界及剩余网络。实例分析结果表明,运用该算法可减少计算量,并能精确求解d-最小割(路)集。     

多状态网络可靠度下界的矩阵分解算法

为减少计算多状态网络可靠度精确值的复杂性,提出基于分解计算多状态网络不可靠度精确值的思想,在此基础上提出一个求解多状态网络不可靠度动态上界(对应于可靠度动态下界)的算法.算法先通过分解运算去除某些边引起的d-最小割集之间的相关性,将网络不可靠度转化为多个互斥事件的概率之和,再应用MESP界求取这些事件的概率,计算网络不可靠度上界,对应得到可靠度下界,并计算了得到的可靠度下界与精确值间的绝对误差界.通过定义d-最小割集矩阵,利用矩阵分解实现算法,结构清晰、便于编程计算.相关引理的证明及算例分析表明随着分解的深入,算法能够得到满足精度要求的可靠度下界.     

基于截断边扩展图的网络可靠度近似分析

小型网络可以快速计算出可靠度精确值,但对于大型网络,可靠性精确值的计算非常困难,因此提出一种基于截断边扩展图的网络可靠性近似分析算法。实验结果证明,该算法能够在生成较小边扩展图和等价BDD(Binary Decision Diagrams)的基础上得到误差较小的近似值。     

计算网络两终端可靠度的新分解算法

网络可靠度是衡量网络性能的一个核心指标,随着网络模型被广泛应用于现实生活,人们对网络可靠度的研究也越来越重视。针对不交和算法和因子分解算法在计算网络可靠度方面存在的不足,给出一个计算网络两终端可靠度的新分解算法。该算法具有如下的优点：不需要提前枚举网络的所有极小路和所有极小割;通过引入网络化简操作和新的分解技术。该算法每次可以分解多条边的状态,从而它能够更快速、更高效地去分解网络的状态向量集,使得网络可靠度的计算更简单,更高效。通过实例以及和其他算法的比较验证了所提出算法的正确性和有效性。     

一种估计网络可靠性的蒙特卡洛方法

将K—终端剩余连通可靠度的概念推广到链路存在失效状态的网络模型上,并提出了计算该可靠度的基于RVR的蒙特卡洛方法。首先对网络链路的状态进行抽样。在网络所有链路状态确定的前提下计算网络的K—终端剩余连通可靠度,即等价于计算相同拓扑结构,链路完全可靠网络的K—终端剩余连通可靠度,对于后者可采用H.Cancela等提出的基于RVR的蒙特卡洛算法。实践证明该估计方法是无偏的,且与原始的蒙特卡洛方法相比具有较小的方差。     

超网络的全终端可靠性分析

网络的可靠性是复杂网络研究的一个重要领域,能有效刻画某些复杂系统的超网络属于复杂网络的研究范畴。基于超网络的拓扑结构——超图,提出了超网络在边失效下的全终端可靠度的定义,并给出了计算可靠度的两种基本方法,即状态枚举法和因式分解法,依据因式分解法对一些具有特殊结构的超网络进行化简。作为超网络可靠性的应用,研究了连通生成子网络的数目;在与普通复杂网络的对比中可以得知,超网络的可靠性研究不能用其转换后的普通复杂网络可靠性作替代研究,该研究是对超网络可靠性研究的初步探索,有着广阔的研究空间和应用前景。     

基于二元决策图的节点不可靠网络可靠度计算

针对节点不可靠网络可靠度计算效率较低的问题,提出一种基于二元决策图的网络可靠度计算方法.通过因子分解得到节点可靠网络的有序二元决策图(OBDD),根据节点和边的关系对边的变量节点执行边替换操作,生成节点不可靠网络的OBDD,并利用其高效存储结构提高不可靠节点的处理效率.在遍历OBDD计算可靠度时,引入Hash表以避免对同一节点的重复访问,从而减少冗余计算,进一步提高计算效率.在基准网络中的对比实验结果表明,该方法不仅能正确计算网络可靠度,而且能快速分析大型网络.     

基于粗糙集和Petri网的随机流网络可靠性评价方法

针对随机流网络可靠性建模难的问题,提出一种基于粗糙集和Petri网相结合的随机流网络可靠性评价方法.建立了随机流网络在确定网络状态下的Petri网模型,并利用粗糙集方法求得网络中各边状态对系统状态的重要度;然后以此作为随机流网络的Petri网模型中各变迁的优先因子来控制模型中变迁的激发;最后通过蒙特卡罗仿真求得随机流网络可靠度的估计值.仿真结果表明,该方法是一种计算随机流网络可靠性的有效方法.     

优先级边排序策略及其性能分析

网络可靠度BDD分析的计算复杂度与BDD尺度线性相关,而BDD尺度依赖边排序策略,边排序问题是BDD网络可靠度分析的重要问题。从网络结构特性出发,设计了优先级边排序策略并深入研究了在该策略下不同排序起点对BDD尺度的影响。实验结果表明:源点和网络中心不是高性能排序起点,最佳排序起点分布在网络边缘,网络中心点为最差排序起点。该结论可为揭示边排序影响BDD尺度的本质以及研究高效启发性边排序策略提供重要参考依据。     

基于多层Bayes估计的战略协同网络供应链可靠性研究

对战略协同网络中供应链可靠性进行分析和判定.得到了可靠度计算公式,并以此为依据收集定时截尾数据.根据战略协同网络供应链可靠性统计特性,建立两种Bayes估计方法和一种多层Bayes估计方法,分别应用于样本供应链可靠性评估中.在估计供应链失效率的基础上,对供应链町靠度进行估计.仿真结果显示,应用多层Bayes估计方法效果较好.     

基于递推分解的Torus网络可靠性研究

为解决大规模Torus网络可靠度计算中遇到的NP难问题,引入递推分解和组合模型的思想对Torus网络的可靠性进行分析研究.递推分解的算法降低了计算网络可靠度的复杂性,组合模型的方法则降低了网络的结构复杂度.对于大规模的Torus网络,通过采用可靠度上下界逐步逼近的方法,可以得到较高精度的可靠度近似值.实验结果表明,在结点失效概率均小于0.10%时,对多达上千个结点的Torus网络仍超过90%的可靠度,而且提出的方法也适合其它并行体系结构网络的可靠度计算.     

灰色系统理论下复杂网络可靠性度量挖掘方法

针对传统的网络可靠度挖掘精确度较低,且过程较为复杂的问题,提出一种灰色系统理论下复杂网络可靠性度量挖掘方法,首先利用优化、动态优化、量化、因素分析以及思想开发构建灰色系统理论模型,并计算复杂网络的广播与单播模式的连通可靠度,再通过周期数据延时所确定的可靠度、周期数据的正确可靠度、非周期数据的延时确认可靠度、非周期数据的确认可靠度、数据延时的确认可靠性、数据延时的确认可靠性和流数据信息的完整可靠度,利用7个可靠性参数,对复杂网络的可靠性度量挖掘.仿真结果表明,所提方法挖掘的准确度较高、过程简单,具有较好鲁棒性,可为网络安全防护工作提供有效参考.     

无线传感器网络的二终端可靠性优化

研究的问题是无线传感器网络中一些节点由于能量耗尽导致节点损坏而影响二终端网络可靠性的优化问题,提出了无线传感器网络中,m个节点被损毁情况下使得边不交道路可靠性最大的优化问题.通过引入s-t子图边不交道路可靠性的概念,本文建立了一个优化模型,在该模型中,当C0满足C0≥C(C是设计的启发式算法得到的最可靠的s-t子网中所包含的节点数),而被损毁的节点数m≤|V|-C时,给出了寻找源点与终端节点之间最大的s-t子图可靠性的启发式算法,即最大边不交道路可靠性算法,并证明了这个算法的计算复杂性是多项式时间的.仿真结果说明在损坏的节点数小于给定条件时该算法有效地处理该优化问题.此外也用类似的方法简单地处理了优化模型中C0≤C'时的最大s-t子图可靠性,其中C'是最短s-t道路中所含的点数.     

基于贝叶斯网络的多阶段系统可靠性分析模型

针对多阶段系统(PMS)的可靠性评估问题,提出了一种基于贝叶斯网络(BN)的可靠性分析模型PMS-BN.PMS-BN模型首先为每个阶段构建各自的BN,其结果命名为phase-BN.为了描述阶段之间的相关性,将所有phase-BN中表示同一部件但属于不同阶段的根节点用有向边连接,并且将所有phase-BN中的叶节点与一个新的表示PMS系统的节点用有向边连接,从而构建出用于刻画PMS系统的BN,称之为PMS-BN.将各个阶段时间离散为m个时间段,利用BN推理算法获得PMS的可靠性参数.通过2个实例详细阐述PMS-BN的建模过程.PMS-BN模型为PMS可靠性分析提供了一种新的策略,能够方便地实施系统可靠度计算、故障诊断、重要度分析等应用.若构建的PMS-BN满足所有非根节点均具有2个父节点,则PMS可靠度的求解过程仅需O(Nm3)的计算复杂度,其中N为非根节点的个数.     

EtherCAT井下监控网络可靠性分析研究

为进一步推动EtherCAT实时以太网技术在井下监控系统的应用并探寻最适宜井下实际情况、同时可靠性也最高的EtherCAT监控网络,首先通过对EtherCAT和ESC通讯技术的研究,并结合井下配电系统的实际情况,提出了EtherCAT有分站和无分站两种不同的井下监控网络,然后通过EtherCAT冗余网络可靠度计算的方法,分别对EtherCAT有分站和无分站两种监控网络可靠度进行了详细地分析、计算,并对两种监控网络可靠度的计算结果进行了对比论证,结果表明:EtherCAT无分站井下监控网络可靠性更高,可推广应用.     

3-状态k-终端复杂设备网络系统可靠度计算的k-树拆法

一般网络系统可靠度计算问题是NP困难的，研究网络系统可靠度的快速算法具有理论和实际意义。文献中研究了3-状态2-终端和全终端的可靠度计算问题，本文在给出了3-状态k-终端复杂设备网络系统可靠度定义的基础上（包含2-终端和全终端作为特殊情况），给出了把3-状态k-终端复杂设备网络系统可靠度计算问题转化为2-状态网络可靠度计算问题的几个归约定理；结合推广的分枝树技术，本文给出了3-状态复杂设备网络系统k-终端可靠度计算的一个新算法。该算法具有归约和分枝树技术的优点，即易于计算机上实现、需要存储空间小，并能一次性求得系统可靠度。     

蚁群算法在网络路径可靠性研究中的应用

用蚁群算法来解决网络可靠性优化中遍历所有节点的最短路可靠度问题和最可靠路径问题的研究中,并给出网络可靠度下界的一个估计。用MATLAB语言编程进行算法的实现和仿真。结果表明,用蚁群算法解决网络的可靠性问题是可行并有效的。