多状态网络可靠度的d-最小割（路）集转换算法*

为寻求计算多状态网络系统可靠度更为简明的方法,提出了一种d-最小割、路集转换算法。该算法在已知d-最小割（路）集的基础上,基于逻辑代数理论,通过展开和之积表达式获得d-最小路（割）集,再基于两者中数量较少的一个运用容斥原理,得到网络可靠度。同时,分别利用容量未取最大和不为0的边及对应取值组成的集合对表示d-最小割(路),基于集合之间的隶属关系及将集合运算中正常的先取逆再合并的运算顺序变为先合并再取逆的思想,提出相关引理,简化算法。通过复杂度分析,证明算法有效。算例证明了算法的有效性和适用性。     

两端多状态网络可靠度的研究

摘 要：对带流量的大型网络,利用状态空间截尾的思想,在ORDER-M算法的基础上构造了一种新的算法:ORDER-M-π 算法,利用该算法产生多状态网络前K个最可能出现的状态, 且所产生的前K个状态发生的概率能覆盖整个网络状态空间的95％以上。对所产生的K个网络状态分别应用流量网络中的最大流算法计算其所能产生的最大流量,累计能成功传输给定流量的网络状态发生的概率,由给出的多状态网络两端可靠度的定义,可得其可靠度。实验结果表明,ORDER-M-π算法不但能大大地节约计算成本,且所产生的可靠度具有良好的精确度。     

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。     

计算网络可靠度的容斥原理算法

已知网络的割集,利用容斥原理求网络可靠度时,公式中会出现很多相互抵消的项.本文从割集出发,利用容斥原理中相消项的一个非常简单的性质给出一个求网络可靠度的简单而有效的容斥原理算法,证明了算法恰好给出了容斥原理表达中的不相消项,并且通过例子对算法的有效性进行了说明.     

联合多层注意力网络矩阵分解的推荐算法

许多推荐算法如基于矩阵分解因无法充分挖掘用户对项目的偏好信息而无法取得令人满意的推荐效果.为了解决上述问题,该文设计了两个模块,首先,利用多层感知机技术学习输入的信息以获得较好的特征表示,在原始输入时通过点积操作得到关系信息,并将其命名为深度矩阵分解(DeepMF);其次,在多层感知机中加入多层注意力网络,这样能够得到...     

网络系统可靠度的连接矩阵逻辑扩展算法

针对网络性能优化技术,着重研究无线网络传输可靠性问题,为有效提高3-状态无圈有向设备网络系统二终端可靠度仿真算法效率;采用网络的连接矩阵表示形式,在定义了连接矩阵列变换后,依据连接矩阵逻辑扩展技术对连接矩阵实施连续的代数变换,得到了求3-状态设备网络二终端可靠度的一个有效快速算法。仿真示例表明,使网络系统可靠度符号表达式中项数大幅度减少,算法效率显著提高。由于算法使用了网络系统的代数化表示方法,结合了消除冗余项存储及简化技术,算法具有节约存储空间、执行效率高特点。对复杂网络系统可靠度评估具有重要参考价值。     

计算具有不可靠结点分布式网络可靠度的一个因子分解算法

1 引言随着计算机技术的迅速发展,计算机已在各个领域得到广泛的应用。越来越多的部门,象通讯、金融、国防、工业控制等领域,对计算机产生了很强的依赖性。这些系统的计算机一旦发生故障,将带来不可估量的损失。分布式网络以其可靠、坚固、快速响应、易于修改和扩充、资源共享等优点,而被广泛应用,其可靠度的计算成为人们关注的重要课题。目前,国内外学者对一般网络可靠度进行了较多的研究,但对于具有不可靠结点的分布式网络的分布程序可靠度(Distribut-ed Program Reliability,DPR)的研究还不多见。所谓分布程序可靠度是指分布计算网络中一个给定的程序可以被成功实现的概率,一个程序被成功实现是指执行该程序所需要的所有数据文件已从网络的各结点处得到。文[6]给出一个可靠     

基于路集矩阵与布尔运算的网络可靠度算法

分析基于路集矩阵与布尔运算的网络可靠度算法,指出其存在组合爆炸问题。为此,提出一种改进算法,引入位矢量以减少内存需求,对特殊路集进行预处理并统计全1位矢量。实验结果表明,改进算法可提高内存利用率、减少冗余运算,能在一定程度上缓解组合爆炸问题。     

基于矩阵分解的二分网络社区挖掘算法

二分网络社区挖掘对复杂网络有重要的理论意义和应用价值。提出了一个基于矩阵分解的二分网络社区挖掘算法。该算法首先将二分网络分为两个部分,每个部分尽可能保存完整的社区信息,然后分别对两个部分进行递归的拆分,直至不能拆分为止。在拆分的过程中,应用矩阵分解,使得到的分解能与网络的相关矩阵的行空间尽可能接近,即尽可能保持原图的社区信息。实验结果表明,该算法在不需任何额外参数的情况下,不但能较准确地识别实际网络的社区个数,而且可以获得很好的划分效果。     

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。     

软件可靠性混沌神经网络模型

基于经验模态分解算法、混沌分析和神经网络理论提出了一种软件可靠性建模及预测的混沌神经网络模型。首先应用经验模态分解算法把软件失效数据序列分解成不同尺度的基本模态分量,并在此基础上进一步分析,表明软件失效数据是否存在混沌特性;再经神经网络进行组合预测,提高模型对目标函数的学习能力,有效提高预测精度;最后基于两组真实软件失效数据集,将所提出的方法与基于支持向量回归机以及单纯使用神经网络的软件可靠性预测模型进行比较分析。结果表明,基于混沌分析、结合经验模态分解和神经网络的软件可靠性预测模型具有更为显著的模型拟合能力与精确的预测效果。     

网络可靠度BDD分析算法的性能改进

BDD是布尔函数的图形表示形式,被广泛应用到网络可靠度的分析计算中。为了提升网络可靠度BDD分析算法的性能,本文根据边扩展图实例,识别两类无效边扩展路径:冗余节点型无效扩展路径和ST非连通型无效扩展路径,然后基于基本的网络可靠度BDD分析算法,实现了两类无效扩展路径的消除技术。实验结果表明,两种无效扩展路径消除技术能够提前识别无效扩展路径,避免无效扩展,有效减少中间子网的数量,缩减分析时间;通过把两种技术结合起来,可以有效地消除边扩展图中的这两类无效扩展路径,从而极大提升可靠度分析的性能。     

基于改进遗传算法的可靠性网络优化设计

在可靠性条件约束下,使网络成本最低是网络规划NP-hard问题。从遗传算法的基本原理出发并对其进行改进,分析带有可靠性约束条件的通信网设计中的网络优化问题,这一方法的最大优点是可将其推广到求解一般带有约束的网络优化问题。而且结果表明无论是解的精度还是运算速度遗传算法都优于分枝定界法及其它启发式算法。     

酉对称矩阵的QR分解及其算法

该文讨论了酉对称矩阵QR分解中Q矩阵和R矩阵与母矩阵的Q矩阵和R矩阵之间的定量关系．从矩阵正交相抵的概念出发,给出了矩阵酉相抵的概念,证明了酉对称矩阵与母矩阵之间的酉相抵性,得到了酉相抵矩阵的Moore—Penrose逆等一些新的结论．同时,给出了酉对称矩阵的QR分解及其Moore—Penrose逆矩阵的算法．     

不完全量测下Cramer-Rao下界与数据丢失位置的关系

随机探测/丢失序列的引入使得状态估计中的Cramer-Rao下界(Cramer-Rao lower bound, CRLB)具有随机性; 在探测概率小于1的不完全量测系统中, 针对CRLB与数据丢失位置(Location of missing data, LMD)之间呈现出的某种关联现象, 讨论了离散随机系统中LMD对CRLB的影响; 利用Lyapunov不等式, 给出了一定条件下变形CRLB与LMD满足单调递减函数关系这一新结论; 同时在给定探测率下, 给出了一组CRLB上下界计算方法, 数字仿真表明探测率越高, 上下界越接近理论CRLB.     

Enhanced Reliability in Network Function Virtualization by Hybrid Hexagon-Cost Efficient Algorithm

In this,communication world, the Network Function Virtualization concept is utilized for many businesses, small services to virtualize the network node function and to build a block that may connect the chain, communication services. Mainly, Virtualized Network Function Forwarding Graph (VNF-FG) has been used to define the connection between the VNF and to give the best end-to-end services. In the existing method, VNF mapping and backup VNF were proposed but there was no profit and reliability improvement of the backup and mapping of the primary VNF. As a consequence, this paper offers a Hybrid Hexagon-Cost Efficient algorithm for determining the best VNF among multiple VNF and backing up the best VNF, lowering backup costs while increasing dependability. The VNF is chosen based on the highest cost-aware important measure (CIM) rate, which is used to assess the relevance of the VNF forwarding graph.To achieve optimal cost-efficiency, VNF with the maximum CIM is selected. After the selection process, updating is processed by three steps which include one backup VNF from one SFC, two backup VNF from one Service Function Chain (SFC),and two backup VNF from different SFC. Finally, this proposed method is compared with CERA, MinCost, MaxRbyInr based on backup cost, number of used PN nodes, SFC request utility, and latency. The simulation result shows that the proposed method cuts down the backup cost and computation time by 57% and 45% compared with the CER scheme and improves the cost-efficiency. As a result, this proposed system achieves less backup cost, high reliability, and low time consumption which can improve the Virtualized Network Function operation.     

一个计算网络可靠度的递归算法

给出一个计算网络可靠度的有效算法,该算法的特点是结合概率论的有关知识和布尔代数运算：递归地调用一个简单、有效的概率公式来计算网络可靠度。该算法易于在计算机上操作和实现,从而适用于大型网络可靠度的定量计算。最后通过实例验证所给算法的有效性。