基于反向PageRank的影响力最大化算法

针对社会网络上的影响力最大化算法在大规模网络上难以同时满足传播范围、时间效率和空间效率要求的问题,提出一种混合PageRank和度中心性的启发式算法（MPRD）。首先,基于PageRank,引入一种反向PageRank思想来评估节点影响力;然后,结合局部指标度中心性,设计一种混合的指标来评估节点的最终影响力;最后,通过相似性方法去掉影响力重合严重的节点,选出种子节点集。在6个数据集和两种传播模型上进行实验,实验结果表明,所提的MPRD在传播范围上优于现有的启发式算法,在时间效率上比贪心算法快四、五个数量级,在空间效率上优于基于反向抽样的IMM算法。所提的MPRD在处理大规模网络上的影响力最大化问题时能够取得传播范围、时间效率和空间效率的平衡。     

节点局部Fiedler向量中心性差值社区发现算法

社区结构是复杂网络最重要的一种结构特征。复杂网络中的社区结构研究主要包括社区发现与关键节点发掘两个重要问题。基于节点中心性的社区发现算法可同时进行关键节点发掘与社区发现。针对传统局部Fiedler向量中心性(LFVC)算法存在关键节点识别准确率低,进行社区发现时易出现孤立节点等问题,提出了节点局部Fiedler向量中心性差值社区发现算法(CDDN),设计了新的关键节点识别与边移除策略,并分析了算法性能。选择3种具有代表性的社区发现算法分别在4个真实复杂网络数据集上进行对比实验。实验结果表明,改进的算法既保持了局部中心性度量方法的效率,也防止了错误识别关键节点和关键边对划分结果的负面影响,避免了孤立点所带来的社区结构信息损失,能够快速、准确地发现真实社区。     

考虑级联失效影响的复杂网络关键节点识别

针对传统的关键节点识别方法以网络的一种或几种特征作为判定指标,存在片面性而不能普遍适用,且识别过程中很少考虑网络的动态特性的问题,提出采用优化算法进行网络关键节点识别,考虑网络的动态性引入网络级联失效模型,基于此构造网络鲁棒性测度用以衡量网络性能,以此为目标函数,采用以佳点集、趋化行为及列维飞行策略改进的人工鱼群算法进...     

考虑级联失效的有向WSNs节点重要度评估模型

针对无线传感器网络中关键节点失效引发网络快速崩溃的问题,考虑节点之间存在相互作用且相互作用具有方向性的特征,建立有向网络级联失效模型,推导节点失效后引起的负载震荡状态值.基于经典的PageRank算法,利用失效节点引发的邻居节点平均负载震荡状态值定义节点的初始重要度值,建立节点度择优的分配规则改进PageRank算法的平均分配规则,结合节点层级结构,建立考虑级联失效的有向传感器网络节点重要性分析方法.最后,通过仿真实验验证算法的有效性.实验证明,该方法能有效地评估了有向无线传感器网络节点的重要性,而且当对判定出的关键节点进行保护时,该方法判定关键节点的网络抗毁性明显较强.     

基于社交关系的移动机会网络路由算法

在基于节点社交信息移动机会网络路由算法的设计中,存在不能有效平衡数据的传输成功率与平均传输时延的问题。为此,提出一种基于社交关系的路由算法。利用改进的桥接中心度重新评价节点的异质中心性,通过引入社区内的转发判别因子加快社区内消息的转发,结合带有老化机制的Simple社区识别算法选择转发节点。仿真结果表明,与经典算法Bubble Rap及其改进算法BiBubble、BridgingCom相比,该算法能够有效提高消息投递成功率并减小消息平均传输时延。     

基于能量控制的无线传感网络最优化算法研究

无线传感网络是当前无线网络研究的热点领域.控制节点能量、提高网络生存时间是实现在无线传感网络中传输高效业务的关键.本文首先使用基于泊松点过程的布尔传感模型确定了覆盖率与单位面积内传感器节点密度的函数关系,进而求得达到区域覆盖要求的节点数量;然后利用基于Prim算法的贪心策略,找到具有最大权值的生成树,构造一个最小连通支...     

无线传感器网络中干扰最小化问题的后悔贪心算法

无线传感器网络是当前信息领域的一个研究热点,由于无线传感器携带的能量有限,限制了无线传感器的使用寿命,通过减少由于邻近节点同时传输信号产生的干扰可以降低节点的能耗。拓扑控制技术可在保持网络连通的情况下,调整节点传输半径,以降低干扰。以接收者为中心的干扰模型中,求解无线传感器网络中基于拓扑控制技术的干扰最小化问题是NP难问题。现有的贪心算法求解思路是依据某个贪心准则依次确定每个节点的传输半径,求解速度快,但精度有待提高。探讨了增强目前最好贪心算法精度的策略,允许部分后悔操作,即每个贪心迭代步中当前网络的最大干扰增加时,通过两个后悔策略重新调整某些节点的传输半径,力图降低当前网络的最大干扰。模拟实验结果表明,针对随机产生的算例,所提出的后悔贪心算法在略有增加的时间内有效提高了现有贪心算法的精度。     

加权有向网络中心节点识别的分解算法研究

目前复杂网络节点重要性识别算法主要集中在无权、无向网络上,不能全面地描述真实世界复杂网络的情况。例如,大部分中心性度量方法仅仅考虑单一指标,忽略了节点出度与入度的差异,且忽视了权重的重要性。基于有向加权复杂网络,综合考虑节点出度与入度的差异,以及权值在真实网络中的实际重要性,提出了一种基于出度、入度和权值的中心节点识别算法——cw-壳分解算法。为了验证该算法的有效性,利用W-SIR传播模型在真实复杂网络上进行病毒传播仿真实验,结果表明,cw-壳分解方法能够有效地对节点进行分级排序,识别出具有高扩散能力的节点。     

基于扩展目标规划图的网络攻击规划识别算法

在人工智能领域经典规划识别方法的基础上，针对网络攻防领域攻击规划识别问题的特性，对目标规划图进行进一步扩充，引入观察节点以区分规划者动作以及识别者对动作的观察，将动作节点分化为由具体动作层和抽象动作层组成的层次结构，并根据抽象攻击模式在抽象攻击层面上维护与安全状态节点的前提和后果条件，形成扩展目标规划图（Extended Goal Graph，EGG）模型；并进一步提出基于扩展目标规划图的攻击规划识别算法，该算法能够有效地从大量底层入侵报警信息中正确识别背后蕴藏的攻击者意图及规划．通过DARPA2000入侵场景关联评测数据集和在蜜网环境中捕获的实际僵尸网络攻击场景数据的实验测试以及与TIAA入侵报警关联分析系统的实验结果对比，验证了该文提出算法的完备性与有效性．     

基于重叠盒覆盖算法的节点重要度评估

由于单一的节点评估方法存在不足,在融合复杂网络的局部特征以及全局特征前提下,提出了一种基于重叠盒覆盖算法的节点重要度评估方法.该方法利用重叠中心性对网络中的节点进行重要度排序,并且与其他不同中心性方法在复杂网络数据集中的节点排序方法进行比较;利用susceptible-infected (SI)模型模拟不同中心性方法前10个节点的传播能力,在此基础上以肯德尔系数进行比较,肯德尔系数越大表明相关性越高.实验结果表明,与其他中心性方法相比,重叠中心性得到的初始节点集合的累积平均感染能力高于其他中心性方法,并且与SI模型具有较高的相关性,该方法对于节点重要度评估是有效并且可行的.     

P2P流媒体网络的关键节点识别算法

P2P流媒体网络中普遍存在一些关键节点,关键节点对网络的安全和通信性能起着重要作用,识别网络中的关键节点尤为重要,而传统方法对于大规模网络的关键节点识别时间开销很大,无法保证实时性。提出P2P流媒体网络中的关键节点识别算法,结合混合模式的网络结构特点,采用分区域的计算模型解决网络规模过大造成的巨大时间开销问题,根据节点的贡献度和传播能力差异定量化描述节点的重要性程度。仿真结果表明,所提算法可以快速获得节点重要性排序,有效识别P2P流媒体网络中的关键节点。     

一种面向城市复杂路网最短路径提取的定向收敛算法*

为提高城市复杂路网最短路径提取的效率,针对路网数据量大、结构密集等特点,研究了路网节点之间最短路径的分布特征,通过引入收敛点方式,设计并实现了一种面向复杂路网最短路径快速提取的定向收敛算法。为检验该算法的有效性,利用某城市道路交通网络进行了实验和分析,并与Dijsktra算法、A*算法等比较,证实了该算法能够提高路径搜索效率,且随着城市路网规模的扩大定向收敛算法的高效性将愈加明显。     

基于有向含权复杂网络的城市交通路网关键路段识别

针对目前基于复杂网络识别城市交通路网关键路段缺乏考虑现实影响因素和路段方向性问题,提出了一种基于有向含权复杂网络的关键路段识别方法。第一阶段利用复杂网络理论将城市交通路网构建成有向含权复杂网络模型;第二阶段利用LinkRank算法对复杂网络中边进行重要度排序,以此识别关键边,即城市交通路网关键路段;第三阶段利用变异的易感—感染（susceptible-infective,SI）模型对关键路段进行影响评估。通过对浙江省海宁市城区的城市交通路网分析,验证了方法的实用性和有效性。     

基于计数排序的最小种子集贪心算法

网络最小种子集问题与网络影响最大化问题相关,研究的是对于具有节点阈值的网络,构造网络的最小节点子集,使得如果这个子集中的节点是活的,则在给定的影响传播模型下整个网络都受到影响。为此提出了新的贪心算法,以节点的度与阈值的差为关键值对网络节点进行计数排序,然后取值最小的节点进行处理。新算法在时间复杂度上改进了基于最小堆的种子点选取算法。在简单多数阈值模型上针对经典的无标度网络得到了所构造的种子集规模上界。实验在随机生成网络和一些实际网络数据集上进行,结果表明所提方法的有效性,特别在无标度网络上生成的种子集具有比相关算法更小的规模。     

一种基于给定目标节点的个性化PageRank算法设计

以往衡量图网络节点重要性时,多基于给定源节点,计算该节点到其余目标节点的个性化PageRank值并推出重要目标节点,运算效率低且存储量大。基于此,提出了一种基于给定目标节点的个性化PageRank算法(TPPR),该算法结合本地更新与优先队列算法,通过计算从所有源节点到给定目标节点的个性化PageRank值来推出重要源节点,相较于传统算法运算精度更高,运行时间大幅减少。     

基于社区划分的节点重要性评估方法

对于PageRank方法结果过于集中,未考虑复杂网络社区结构特性的问题,提出了一种改进的,基于复杂网络社区划分的节点重要性排序方法CD-PR。根据标签传播算法（LPA）对复杂网络进行社区划分的结果,将社区的内外连接关系转化为社区选择的概率表示;按照社区选择概率,分别从各个社区提取一定比例的候选关键节点;将这些候选节点重新排序,得到关键节点排序结果。以4个真实复杂网络作为实验数据,与现有算法进行对比,进行SIR传播性能实验。实验结果表明,CD-PR算法筛选出的节点在整体传播性能上具有更好的效果,CD-PR算法可以有效地对复杂网络的节点进行重要性排序。     

基于有限节点集的网络毁伤最大化问题研究

对网络实施攻击时,人们希望在有限的资源下获得最大的毁伤效果,而节点排序策略并不能实现毁伤最大.针对这种情况,定义攻击有限节点集的网络毁伤最大化问题,并给出问题的近似求解算法.由于近似求解算法计算复杂度较高,进一步提出基于重要节点的贪婪算法(greedy algorithm based on important nodes,GABIN).对无标度网络的实验表明:GABIN算法能够有效地减少计算时间,且效果接近于近似求解算法;当无标度网络的度指数$\gamma\geqslant2.5$时,GABIN算法的效果明显优于排序算法,所得节点集中超过30%的节点不同于排序算法.对Power网络的毁伤实验表明,GABIN算法适用于较大规模的实际网络,且效果显著优于度、介数、接近度、删除节点等排序算法.实验发现,利用GABIN算法获得的关键节点集包含大量的非中心性节点,这为网络攻击或网络防护提供了一个新的思路.