面向信息物理系统鲁棒性的增强策略及优化研究
发布时间:2021-10-12 04:00
信息物理系统,是一种融合了计算组件、互联网和物理设备等网络,并为实现特定功能目标而无缝集成到应用环境中的一种相互依赖网络架构。相互依赖网络的性态特点,决定了单一网络内节点的失效会传播到整个系统,严重影响系统的鲁棒性,从而形成级联失效的效应。级联失效的过程对相互依赖网络中的影响,会远比在单一网络中造成的影响更大,从而具有更大的系统破坏力,使整个相互依赖的系统更易发生崩溃。同时可以看到,越来越多的信息物理系统在社会生活中得到了更广泛的应用。为此,如何保证信息物理系统的安全运行,变得越来越重要和必要。因此,研究如何增强信息物理系统鲁棒性,是一个重要且值得研究的科学问题。目前,对信息物理系统安全性的研究主要是面向单一网络类型或单一网络节点规模等应用场景,但是系统中子网络间的耦合关系研究没有得到大量关注。为真实表达不同信息物理系统的结构特性,本文构建了一对一、一对多等耦合方式的相互依赖网络模型,并基于上述模型构建了耦合信息物理融合系统。其次,在构建的模型基础上,提出了增加网络内部连接边和交换网络间依赖边等安全策略实现增强系统鲁棒性的机制。具体来说,基于不同的增强策略,对相互依赖的信息物理系统中的...
【文章来源】:浙江师范大学浙江省
【文章页数】:56 页
【学位级别】:硕士
【部分图文】:
(a)随机网络图(b)小世界网络图(c)无标度网络图
级联失效通常是由单一网络中少量节点的失效引起的,这些节点的失效可能会造成整个相互依赖网络中大规模节点失效甚至是整个网络的崩溃[20]。在级联失效过程中,仍可以保持正常功能的节点需要同时满足以下两个条件[2,20]:(i)该节点必须与保持正常功能的节点间存在至少一条依赖边;
通过对现实中的信息物理系统的研究,我们发现信息物理系统一般由物理子网络与信息子网络耦合而成的。一般情况下,信息物理系统网络的节点数量会多于物理系统网络的节点数量,比如电网系统中,发电站的数量少于供给设备的数量。因此,在本章中,我们构建了一个异构信息物理系统网络模型,该模型由网络A和网络B耦合构成,网络A的节点数NA为1500,网络B的节点数NB是500,两个网络的耦合比为3:1,即网络A中1个节点与网络B中个节点通过依赖边相连接,而网络B中的1个节点与网络A中3个节点相连接。网络A和网络B分别是以下两种网络类型之一:1.ER网络;2.SF网络。所以,我们会得到4种信息物理系统模型,分别是:ER网络与ER网络耦合模型,ER网络与SF网络耦合模型,SF网络与ER网络耦合模型和SF网络与SF网络耦合模型。我们设置ER网络和SF网络的平均度均为?k?=4,SF网络的λ系数为3,因此我们可以确定ER网络图GER=(1500,6000),SF网络图GSF=(500,2000),相互依赖网络的依赖边数是1500。在已构建模型的基础上,我们进行有策略增加连接边的操作,对初级模型进行修改,形成新的模型。fA表示对整个信息物理系统模型增加连接边的比例,它可以用下面的公式计算:
本文编号:3431845
【文章来源】:浙江师范大学浙江省
【文章页数】:56 页
【学位级别】:硕士
【部分图文】:
(a)随机网络图(b)小世界网络图(c)无标度网络图
级联失效通常是由单一网络中少量节点的失效引起的,这些节点的失效可能会造成整个相互依赖网络中大规模节点失效甚至是整个网络的崩溃[20]。在级联失效过程中,仍可以保持正常功能的节点需要同时满足以下两个条件[2,20]:(i)该节点必须与保持正常功能的节点间存在至少一条依赖边;
通过对现实中的信息物理系统的研究,我们发现信息物理系统一般由物理子网络与信息子网络耦合而成的。一般情况下,信息物理系统网络的节点数量会多于物理系统网络的节点数量,比如电网系统中,发电站的数量少于供给设备的数量。因此,在本章中,我们构建了一个异构信息物理系统网络模型,该模型由网络A和网络B耦合构成,网络A的节点数NA为1500,网络B的节点数NB是500,两个网络的耦合比为3:1,即网络A中1个节点与网络B中个节点通过依赖边相连接,而网络B中的1个节点与网络A中3个节点相连接。网络A和网络B分别是以下两种网络类型之一:1.ER网络;2.SF网络。所以,我们会得到4种信息物理系统模型,分别是:ER网络与ER网络耦合模型,ER网络与SF网络耦合模型,SF网络与ER网络耦合模型和SF网络与SF网络耦合模型。我们设置ER网络和SF网络的平均度均为?k?=4,SF网络的λ系数为3,因此我们可以确定ER网络图GER=(1500,6000),SF网络图GSF=(500,2000),相互依赖网络的依赖边数是1500。在已构建模型的基础上,我们进行有策略增加连接边的操作,对初级模型进行修改,形成新的模型。fA表示对整个信息物理系统模型增加连接边的比例,它可以用下面的公式计算:
本文编号:3431845
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3431845.html