贵阳公交复杂网络抗毁性分析

城市公共交通系统可以抽象为由公交线路和停靠站点构成的网络,公交网络构成了一个典型的复杂网络。复杂网络的研究在过去几年得到了迅速发展,其中复杂网络的抗毁性是研究焦点之一。在本文中,以贵阳市的公共汽车交通系统中的停靠站点网络为研究对象,测试了网络在随机攻击和选择性攻击情况下的抗毁性。结果表明,该网络对节点的随机攻击具有较强的抗击能力,而对选择性攻击的抗击能力较弱。     

不同攻击模式下城市公交网络抗毁性分析

为了保证城市公交网络的安全运营、提高整个交通网络运行效率,以成都市公交网络为例,分析了该网络的拓扑结构特性,研究了该网络在随机攻击和蓄意攻击下的抗毁性。仿真结果表明,网络在随机攻击和基于节点度的攻击下连续移除节点的数目几乎不对网络的抗毁性产生影响,而在基于节点介数和效率的攻击下连续移除的节点个数越少,网络的抗毁性越差;基于节点介数的攻击对网络抗毁性产生的影响要比随机、基于节点度和效率更为显著。     

交通网络抗毁性实证研究

以武汉市公交换乘网络为实证研究对象,攻击的策略包括随意去除节点和蓄意去除节点,以平均最短路径、最大连通成分的相对大小和平均聚类系数为度量网络的抗毁性的参量研究交通网络的抗毁性。研究结果表明实证网络对随意攻击具有很强的抗毁性,对蓄意攻击具有很弱的抗毁性,原因是因为网络度分布的不均匀性。     

基于复杂网络的车载自组织网络抗毁性分析

针对车载自组织网络（VANET）的抗毁性问题,分析了其在随意攻击和蓄意攻击下网络的抗毁性特征。首先,提出以最大连通度、连通分支平均规模、临界点移除比例及网络效率为评价指标的VANET拓扑抗毁性参数;然后,基于带有车辆换道功能的智能驾驶员模型,应用VanetMobisim仿真软件建立VANET;最后,通过仿真实验分析了网络节点数、通信半径以及攻击模式对VANET抗毁性的影响。实验结果表明由于车辆节点度分布的不均匀性,VANET对随意攻击具有较强的抗毁性,而在蓄意攻击下显得比较脆弱;基于节点介数的蓄意攻击对网络的破坏更快、更强。这些规律为优化VANET拓扑控制、网络协议开发和网络管理提供新的指导。     

基于社团划分的复杂网络级联抗毁攻击策略

为研究在社团划分基础上复杂网络的级联抗毁攻击策略,采用节点及其邻居节点介数定义初始负荷,这种定义方式综合考虑了节点的信息,采用局部择优分配策略处理故障节点负荷,研究了网络耦合强度,WS(Watts-Strogatz)小世界网络、BA(Barabási-Albert)无标度网络、ER(Erds-Rényi)随机网络、局域世界(WL)网络在社团划分攻击策略下抗毁性,以及不同攻击策略下具有重叠和非重叠社团结构网络的抗毁性。仿真结果表明,网络的耦合强度与抗毁性成负相关;不同类型网络在快速分裂算法识别社团前提下,攻击介数最大节点时网络抗毁性最弱;具有重叠社团结构的网络在集团渗流算法（CPM）识别后,采用攻击重叠部分介数最大节点的策略时网络抗毁性最弱。结论表明采用社团划分的攻击策略可以最大规模破坏网络。     

基于复杂网络的应急物流网络抗毁性研究*

基于复杂网络理论,引入平均最短路径距离和极大连通子图,研究应急物流网络的抗毁性测度模型,在最大度和介数等不同的攻击策略下分析了单点应急物流网络的抗毁性能。理论分析和实验结果表明,随机攻击的网络易毁性小于选择性攻击;在攻击较多顶点时,度攻击的抗毁性能较弱。     

复杂网络中的一种介度熵抗毁性度量方法

在复杂网络中，核心节点的损坏可能会影响到整个网络的稳定性。基于节点重要性研究了网络抗毁性度量和抗毁性能。综合考虑节点度值和介数对节点重要性的影响，提出了局部介-度中心性指标。兼顾节点的聚集系数，提出节点抗毁性度量方法。为了估量网络的抗毁性能，提出了介-度熵度量及其算法。仿真攻击实验结果表明，基于介-度中心性的攻击策略移除约20%的节点后，可将网络近似地分割为孤立节点集合，它优于传统的攻击策略，表明介-度中心性指标可以更准确地刻画节点重要性。对不同模拟网络的抗毁性评估计算结果则表明，介-度熵度量对网络抗毁性能的排序符合实际情况，在衡量网络抗毁性方面是完全合理的。     

两层复杂网络的特性及其抗毁性分析

构建并分析两层复杂网络的特性及其抗毁性.试图寻找两层复杂网络中具有较优抗毁性网络模型的层间链接方式和层内链接方式.基于不同的层内(层间)链接算法构建三类两层复杂网络模型并对其拓扑指标进行分析;基于最大剩余连通分支粒度分析三类复杂网络的抗毁性;通过数值仿真刻画出了具有较优抗毁性的网络拓扑结构及其特性.结果显示:当层间链接概率pn趋于10-3时,三类两层复杂网络的度分布特性均保持单层复杂网络的特性;层间链接概率pn趋于10-1时,无标度算法生成的两层复杂网络逐渐失去无标度性;蓄意攻击和随机攻击策略之下,随机算法构建的两层复杂网络具有较优抗毁性;蓄意攻击策略之下,通过无标度算法和小世界算法构建的两层复杂网络的抗毁性与层间链接概率成正比.     

BBS用户回复网络的抗毁性分析

结合复杂网络理论,对网络的抗毁性进行了初步的分析。首先基于节点度和介数概念提出了J种攻击策略, 并阐述了随机网络、无标度网络以及B路用户回复网络的构建方法;其次描述了网络抗毁性的定义及其测度;最后采 用不同的攻击方法对不同的网络进行攻击,对攻击结果作了详细的分析,结果表明蓄意攻击能在短时间内使网络崩 溃,尤其是1粥S用户回复网络,杭毁能力远不及随机网络和无标度网络;但进行随机攻击时,}引弓S用户回复网络体现 了良好的容错能力。为了使BBS用户回复网络遭受蓄意攻击时受到的损害程度最低,必须对网络中的重要节点施以 保护,使其体现一定的现实意义。     

基于级联失效的复杂保障网络抗毁性仿真分析*

通过引入流量强度指数α和流量分布指数β,建立了不同网络流量下的复杂负载网络级联失效抗毁性模型。基于该模型比较分析了无标度网络、随机网络和介于这两种网络之间的特定复杂保障网络在不同流量强度和流量分布下对单个节点的随机失效与故意攻击的抗毁性。结果表明,在考虑级联失效的条件下,复杂保障网络的抗毁性随着流量强度的增加急剧下降。此外,流量分布对复杂保障网络的抗毁性也具有显著影响,在流量强度一定的条件下改变网络的流量分布能有效提高网络的抗毁性。     

基于新型免疫粒子群优化的热连轧负荷分配策略*

针对带钢热连轧精轧中的负荷分配问题,提出了一种新型的优化策略。首先提出了一种新型的免疫粒子群混合优化算法,通过克隆选择算子来调节群体的浓度,实现混合算法的个体高亲和力和群体的多样性; 然后通过提出的混合算法对负荷分配进行优化,得到优化的压下量数据,通过这些数据建立了计算负荷分配输出的人工神经网络。实验表明,提出的混合算法和负荷分配优化策略给出了很好的优化效果,能有效地指导实际生产应用。     

基于GRA-LSSVM密度法的配电网空间负荷预测方法研究

为提高配电网的规划水平,实现配电网的合理规划与改造,以有效提高供电质量和效益。针对配电网空间负荷预测,设计了一种新型的电网负荷密度预测算法,在算法中将支持向量机引入到基于灰色关联度分析的负荷预测模型。通过灰色关联度分析法筛选出更符合要求的样本并进行训练,同时,引入了混沌粒子群算法(PSO)对此模型进行优化,以提高算法的精度。通过实际数据对这种算法的性能进行实例分析,依据分析结果表明,提出的算法与其他方法相比对配电网空间负荷预测的精度有显著差异,本文方法可以有效的提高配电网负荷密度预测的精度。     

基于改进Dijkstra算法的配用电通信网流量调度策略

针对配用电通信网中数据汇聚易产生拥塞的问题,提出了一种复合边权值流量调度路由算法。首先,依据跳数建立节点分层模型;然后,划分配用电业务优先级和节点拥塞等级;最后,以跳数、流量负载率和链路利用率为综合指标计算边权值,对需要流量调度的节点根据改进的Dijkstra算法进行路由选择,同时对重度拥塞节点按照配用电业务优先级进行调度。与最短路径（SPF）算法和贪婪背压算法（GBRA）相比,在数据生成率为80 kb/s时,所提算法紧急型业务丢包率分别减少了81.3%和67.7%,关键型业务丢包率分别减少了79%和63.8%。仿真结果表明,所提算法能有效缓解网络拥塞,提高网络有效吞吐量,降低网络端到端时延和高优先级业务的丢包率。     

基于多目标粒子群优化的虚拟网络映射算法

在虚拟网络映射中,多数研究只考虑一个映射目标,不能体现多方的利益。为此,将多目标算法和粒子群算法结合,提出了一种基于多目标粒子群优化（PSO）的虚拟网络映射算法（VNE-MOPSO）。首先,在基本的粒子群算法中引入交叉算子,扩大了种群优化的搜索空间;其次,在多目标优化算法中引入非支配排序、拥挤距离排序,从而加快种群的收敛;最后,以同时最小化成本和节点负载均衡度为虚拟网络映射目标函数,采用多目标粒子群优化算法求解虚拟网络映射问题（VNMP）。实验结果表明,采用该算法求解虚拟网络映射问题,在网络请求接受率、平均成本、平均节点负载均衡度、基础设施提供商的收益等方面具有优势。     

基于多目标优化的软件定义网络负载均衡方案

针对软件定义网络（SDN）中控制平面的负载均衡问题,提出了一种基于多目标优化的动态交换机迁移算法（M-DSMA）。该算法首先将交换机与控制器之间的映射关系转变为0-1矩阵优化问题;其次,通过基于NSGA-Ⅱ的多目标遗传算法同时优化控制平面负载均衡度和交换机迁移所产生的通信开销这两个相互冲突的目标。在多目标优化过程中,利用适应度函数选择个体进行交叉变异,随后采用快速非支配排序对种群进行精英策略,产生下一代种群,使得整个种群不断进化,搜索较优的解。仿真实验结果表示,相比于动态交换机迁移算法（DSMA）,M-DSMA在有效均衡控制平面负载的同时,降低了30%~50%的通信开销,且在提高控制平面可扩展性方面具有明显优势。     

基于无约束优化和遗传算法的贝叶斯网络结构学习方法

基于无约束优化和遗传算法,提出一种学习贝叶斯网络结构的限制型遗传算法.首先构造一无约束优化问题,其最优解对应一个无向图.在无向图的基础上,产生遗传算法的初始种群,并使用遗传算法中的选择、交叉和变异算子学习得到最优贝叶斯网络结构.由于产生初始种群的空间是由一些最优贝叶斯网络结构的候选边构成,初始种群具有很好的性质.与直接使用遗传算法学习贝叶斯网络结构的效率相比,该方法的学习效率相对较高.     

能量高效的无线传感器网络分簇路由算法研究*

针对LEACH算法中簇首分布不均及簇首与基站一跳通信能耗大的问题,提出了一种基于能量高效的无线传感器网络分簇路由算法。首先,基于节点接收信号强度与自身剩余能量的乘积及网络连通度选取簇首,计算簇首间的合理距离,使网络均匀分簇;其次,基于跳数及簇首当前剩余能量构造簇间优化路由树;然后用OMNeT++对该算法进行仿真对比分析。仿真结果表明,与LEACH等分簇路由算法相比,采用该算法,簇首分布更均匀,提高了簇的负载平衡程度,使节点的能量更为高效,延长了网络的生命周期。     

面向负载均衡的高铁路网列车开行方案优化方法

针对当前高速铁路运营过程中存在的运输需求与运力资源不匹配现象,面向负载均衡原理研究了路网条件下运能可适配的高速铁路旅客列车开行方案优化与评估方法.首先,针对路网条件下列车开行方案优化,构建以提升经济效益、社会效益和网络负载均衡为目标的非线性混合整数规划模型,并设计基于遗传算法和粒子群算法的两阶段混合搜索求解算法.在此基础上,考虑开行列车在高速铁路网中的抗干扰能力,建立了面向网络化运营场景的开行方案综合评估指标体系,揭示了故障场景下高速铁路网络性能的演化规律.最后,以实际高速铁路线路数据和运营数据为场景进行仿真实验,本文提出方法在保证运输需求和路局收益的同时能够有效地提升8.66%网络整体负载均衡性,增强发生故障时网络的抗干扰能力.     

面向负载均衡的高铁路网列车开行方案优化方法

针对当前高速铁路运营过程中存在的运输需求与运力资源不匹配现象,面向负载均衡原理研究了路网条件下运能可适配的高速铁路旅客列车开行方案优化与评估方法.首先,针对路网条件下列车开行方案优化,构建以提升经济效益、社会效益和网络负载均衡为目标的非线性混合整数规划模型,并设计基于遗传算法和粒子群算法的两阶段混合搜索求解算法.在此基础上,考虑开行列车在高速铁路网中的抗干扰能力,建立了面向网络化运营场景的开行方案综合评估指标体系,揭示了故障场景下高速铁路网络性能的演化规律.最后,以实际高速铁路线路数据和运营数据为场景进行仿真实验,本文提出方法在保证运输需求和路局收益的同时能够有效地提升8.66%网络整体负载均衡性,增强发生故障时网络的抗干扰能力.     

基于蚁群优化算法的BP神经网络的RPROP混合算法仿真的研究

本文对蚁群优化算法的BP神经网络中的RPROP混合算法进行了研究,提出了利用蚁群优化算法,结合RPROP混合算法解决无线网络传感器中如何处理信息服务点中大量的冗余数据、网络运行速度等相关问题,通过建立系统构架及信息服务点,证明该算法能够延长BP神经网络的生命周期,加快BP神经网络的收缩速度,能够将网络中信息服务点的重复数据进行有效的合并处理,并及时过滤掉非正常信息服务点的数据,减少数据服务点的能量消耗,期训练过程中迭代次数改善明显,解决BP神经网络的学习、训练时间冗余等问题,同时具有较强的计算、寻优等能力,提高了网络分类正确率和运行的效率,是一种较为实用的算法,完全能够满足日益增长的无线互联网终端的运行需要。