网络鲁棒性进化优化及其评价标准的理论估计

发布时间：2017-09-26 03:20

  本文关键词：网络鲁棒性进化优化及其评价标准的理论估计

  更多相关文章： 复杂网络 网络鲁棒性 粒子群算法 密母算法 恶意攻击

【摘要】：近年来,复杂网络研究正渗透到工程学科、数理学科以及生命科学等众多不同的领域,受到了越来越多的科研工作者的广泛关注。网络鲁棒性(Network robustness)是复杂网络的一个重要属性,也是目前研究的一个重要热点。随着实际网络对其网络鲁棒性的需求越来越高,如何有效地提高实际网络的鲁棒性逐渐成为一个亟待解决的问题。本论文首先对网络鲁棒性优化方法进行了研究,然后对文献[1]提出的网络鲁棒性评价标准进行了理论分析,最后对基于动态攻击/修复模型的网络鲁棒性演变进行了分析。主要工作总结如下:(1)将粒子群算法(Particle Swarm Optimization,PSO)应用到网络鲁棒性优化问题上,提出了基于粒子群算法的无标度网络鲁棒性优化方法,PSO_RSF(Particle Swarm Optimization for enhancing the Robustness of Scale-free networks against malicious attacks)。设计了全新的编码方式和种群更新算子,结合网络优化问题,创新性地提出了邻域自生种群算子,提高了PSO_RSF的全局搜索能力和局部搜索能力。实验结果表明,PSO_RSF能够有效解决“度分布不变”的网络鲁棒性优化问题;相比于初始网络,其网络鲁棒性有了明显的提升,并且优化后的网络结构呈现明显的“洋葱”状结构特征。(2)通过对现实需求的分析,本文提出了“度分布可变”的网络鲁棒性优化问题。针对该优化问题,本文提出了基于密母算法(Memetic Algorithms,MAs)的网络鲁棒性优化算法,MA_ROP(Memetic Algorithm for Robustness Optimization Problem)。设计了有效的交叉、变异等操作算子实现种群的全局搜索。同时,针对每一代中的若干最优个体,设计了启发式爬山算法实现局部搜索。实验结果表明,MA_ROP是一种有效且稳定的算法,并且通过对优化后网络的结构进行研究,得出猜想:规则网络的网络鲁棒性最高。(3)文献[1]提出了一种目前受到最广泛关注的网络鲁棒性评价标准R。根据已有的复杂网络研究理论,本文结合了概率统计学的方法,在网络受到恶意攻击后,对网络结构的变化进行了理论推导,代替了现有评价标准R计算过程中的模拟统计步骤,提出了一种网络鲁棒性评价标准R的理论估计方法。通过在规则网络、小世界网络、随机网络和无标度网络上的仿真测试结果表明,本文提出的理论估计方法可以有效地估计优化后网络的鲁棒性,并且从理论层面上证明了上一项工作的猜想是正确的。(4)现实中的网络存在一种更普遍的现象——在一段时期内,网络的攻击者持续破坏网络,而维护者尽最大努力对网络进行修复。针对上述的动态问题,本文研究了基于动态攻击/修复的迭代模型下的网络鲁棒性演变过程。经过大量实验结果分析得出,连接网络中点介数最小的节点的修复策略能够有效地维护网络的连通性,并且提升网络鲁棒性R,但是却不能提升网络抵抗恶意边攻击的能力。值得一提的是,在两个实际网络上,这种修复策略能够同时提升针对点攻击与针对边攻击的网络鲁棒性。
【关键词】：复杂网络 网络鲁棒性 粒子群算法 密母算法 恶意攻击
【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】：2015
【分类号】：O157.5
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 符号对照表11-12
• 缩略语对照表12-16
• 第一章 绪论16-22
• 1.1 研究背景及意义16-18
• 1.1.1 复杂网络的定义17-18
• 1.1.2 网络鲁棒性的定义18
• 1.2 进化计算18-20
• 1.2.1 进化计算的发展19-20
• 1.2.2 进化算法的原理及框架20
• 1.3 论文结构安排20-22
• 第二章 基于粒子群算法的无标度网络鲁棒性优化22-32
• 2.1 引言22
• 2.2 相关工作22-24
• 2.2.1 目标函数22-23
• 2.2.2 已有算法23-24
• 2.3 PSO_RSF24-27
• 2.3.1 编码方式和初始化24-25
• 2.3.2 个体更新算子25-26
• 2.3.3 邻域自生种群算子26
• 2.3.4 PSO_RSF的算法框架26-27
• 2.4 仿真实验及结果分析27-31
• 2.4.1 测试网络和算法参数设定27
• 2.4.2 PSO_RSF在BA网络上的实验结果27-29
• 2.4.3 PSO_RSF在实际网络上的实验结果29-30
• 2.4.4 实验结论30-31
• 2.5 本章小结31-32
• 第三章 基于密母算法的网络鲁棒性优化32-42
• 3.1 引言32
• 3.2 MA_ROP32-36
• 3.2.1 密母算法32
• 3.2.2 编码及种群初始化32-33
• 3.2.3 交叉和变异操作33-34
• 3.2.4 局部搜索算子34-35
• 3.2.5 选择算子35
• 3.2.6 MA_ROP的算法框架35-36
• 3.3 仿真实验与结果分析36-40
• 3.3.1 测试网络和算法参数设定36
• 3.3.2 MA_ROP对网络鲁棒性的优化结果36-38
• 3.3.3 MA_ROP对网络结构的优化结果38-39
• 3.3.4 实验结论39-40
• 3.4 本章小结40-42
• 第四章 网络鲁棒性评价标准的理论估计42-50
• 4.1 引言42
• 4.2 相关理论背景42-43
• 4.3 评价标准R的理论估计43-46
• 4.3.1 恶意攻击影响的理论推导43-44
• 4.3.2 最大连通子分量的估计方法44-46
• 4.4 验证实验和结果分析46-48
• 4.4.1 实验网络类型及参数46
• 4.4.2 R的理论值与统计值的对比验证实验46-47
• 4.4.3 四种网络模型的网络鲁棒性比较实验47
• 4.4.4 实验结论47-48
• 4.5 本章小结48-50
• 第五章 基于动态攻击/修复模型的网络鲁棒性演变分析50-62
• 5.1 引言50
• 5.2 相关工作50-52
• 5.2.1 网络鲁棒性评价标准50-51
• 5.2.2 迭代的攻击/修复模型的发展与不足51-52
• 5.3 动态攻击/修复的迭代模型52-54
• 5.3.1 基于节点的攻击和修复策略52-53
• 5.3.2 基于连接边的攻击和修复策略53-54
• 5.4 仿真实验和结果分析54-61
• 5.4.1 实验网络类型及参数55
• 5.4.2 不同的攻击/修复策略的表现55-57
• 5.4.3 迭代模型中网络鲁棒性的演变57-61
• 5.4.4 实验结论61
• 5.5 本章小结61-62
• 第六章 总结与展望62-64
• 6.1 本文工作总结62
• 6.2 未来工作展望62-64
• 参考文献64-68
• 致谢68-70
• 作者简介70-71

【相似文献】

中国期刊全文数据库 前10条

1 冯业荣;BP网络及其学习功能初探[J];广东气象;1995年01期

2 卓莹;张强;龚正虎;;网络态势预测的广义回归神经网络模型[J];解放军理工大学学报(自然科学版);2012年02期

3 岳博,焦李成;Bayes网络学习的MCMC方法[J];控制理论与应用;2003年04期

4 余振复;;N位M进制数码网络及其参数计算[J];自动化学报;1981年02期

5 王艳;李应兴;靳二辉;;复杂网络健壮社团挖掘算法[J];计算机工程与应用;2012年31期

6 孙鸿宾;吴子燕;刘书奎;;基于动态Bayes网络的结构时变可靠性分析[J];应用数学和力学;2014年01期

7 朱朝晖;滕少华;廖俊;游俊慧;黄国康;庄卿卿;;GSM网络优化支撑系统的设计与实现[J];江西师范大学学报(自然科学版);2008年04期

8 ，

本文编号：921167