基于启发式算法的无标度和相互依存网络鲁棒性优化方法研究

发布时间：2021-07-22 21:50

现实世界系统和自然界系统中的结构大部分都可以使用网络结构来表示,例如电力系统、交通系统、社交网络以及通信网络等等,这些系统大部分可以认为是一个单层的无标度网络。同时随着当今科技的不断发展,网络之间的相依关系越发显著,多个单层网络之间相互依存构成了相互依存网络。网络鲁棒性是目前网络研究中的一个非常热门的方向,网络鲁棒性即网络在遭受攻击或者故障时,网络保持自身系统完整性的能力。目前已经有很多文章证明无标度网络在遭受蓄意攻击时非常脆弱,在关键节点被攻击后网络就会迅速崩溃,同时对于相互依存网络因为节点的相依关系将会导致其他网络的崩溃,导致严重后果。所以如何优化网络的鲁棒性是解决网络稳定性的一个关键问题。首先本文介绍了复杂网络的背景以及研究网络鲁棒性的意义,然后分单层网络和多层网络介绍了国内外研究的现状,并介绍了常用的一些启发式算法。然后针对目前主流的网络模型和攻击策略进行了介绍,包括4种单层网络,以及根据这4个网络结构相互依存构成的相互依存网络,攻击策略包含基于节点度分布的和基于节点介数的两种攻击方式,同时给出了网络鲁棒性的计算方法。接着在考虑到目前基于度分布不变的前提下,大部分提升网络鲁棒性的方法本质上是随机进行边交换,没有考虑到网络的构成,提升网络的鲁棒性效果有限,本文提出了一种划分网络边的方式,在此基础上提出了一个优化网络鲁棒性的启发式算法,并在人工合成网络以及真实世界网络中进行了验证,相较其他算法表现出了更好的效果。接着针对多层相互依存网络,本文根据多层网络在遭受蓄意攻击下被攻击层和其他层所展现的不同特点,设计了一种包含两个局部搜索算子的文化基因算法,算法在7种不同类型的相互依存网络中进行了验证,对比传统算法获得了更好的效果,然后介绍了基于k邻近节点的度分布理论,并基于此分析了多层网络在优化前后其结构变化特点,其被攻击层和其他层在优化后的邻近节点度表现出了相反分布。最后针对电力运输网络,设计了基于梯度下降算法的电力运输网络优化算法,算法通过为每一个节点对之间设计一个最优连接率来表示该节点间连接对网络鲁棒性的影响,然后使用梯度下降算法更新最优连接率,然后基于最优连接率设计了一个搜索算子,并结合使用一个传统的贪婪算子前期进行快速搜索,算法最后在真实世界网络中进行了仿真。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：O157.5

文章目录

摘要

ABSTRACT

符号对照表

缩略语对照表

第一章绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 单层网络研究现状

1.2.2 多层网络研究现状

1.3 启发式算法介绍

1.4 论文内容结构编排

第二章复杂网络模型及鲁棒性定义

2.1 主流复杂网络模型结构

2.1.1 ER随机网络

2.1.2 SF无标度网络

2.1.3 WS小世界网络

2.1.4 NW小世界网络

2.1.5 相互依存网络

2.2 网络攻击策略

2.2.1 基于节点度攻击策略

2.2.2 基于节点介数中心性攻击策略

2.3 网络鲁棒性计算

第三章基于边分类的优化无标度网络鲁棒性的启发式算法

3.1 边分类策略

3.2 算法设计思路

3.2.1 调整算子Ⅰ

3.2.2 调整算子Ⅱ

3.2.3 调整算子Ⅲ

3.2.4 复原算子Ⅰ

3.2.5 复原算子Ⅱ

3.2.6 算法框架

3.3 EC-RSFMA算法实验结果

3.3.1 与其他算法对比结果

3.3.2 在真实世界网络中的实验结果

3.4 结论

第四章基于文化基因算法的优化相互依存网络鲁棒性算法

4.1 文化基因算法介绍

4.2 MA-RINMaA

4.2.1 交叉算子

4.2.2 局部搜索算子Ⅰ

4.2.3 局部搜索算子Ⅱ

4.2.4 算法框架

4.3 仿真实验结果

4.3.1 与其他算法对比结果

4.3.2 单层网络算法在相互依存网络中的效果

4.3.3 拓扑结构分析

4.4 结论

第五章基于梯度下降算法的电力运输网络优化算法

5.1 梯度下降算法

5.2 算法详细步骤

5.3 仿真实验结果

5.4 结论

第六章总结与展望

6.1 总结

6.2 展望

参考文献

致谢

作者简介

【相似文献】