基于廣義mesh魯棒生長的網絡魯棒性研究.pdf

1、移動互聯網時代的來臨，使得我們對互聯網的依賴正在與日俱增。在人類和互聯網的關系越來越密不可分的同時，人們對互聯網的安全意識也必須有所提升，因此建構魯棒性更強的網絡就顯得尤為重要。本文在此應用背景下做了進一步的深入研究。
　　對網絡的研究離不開用圖論工具建模，現存的網絡模型有復雜網絡模型和規(guī)則網絡模型。本文基于mesh網絡（規(guī)則網絡）這一模型，將mesh網絡的概念推廣至廣義mesh（GM）網絡，在此概念基礎上提出了一個GM網絡的應用

2、場景，GM的魯棒生長。即通過一次只添加一個節(jié)點的方式向當前的GM網絡中添加節(jié)點，從而生成一個更大的GM，在此過程中同時要保證每一個狀態(tài)下的 GM網絡均為魯棒性能最優(yōu)的網絡。魯棒性指標是用來確保網絡魯棒性的重要工具。本文在 GM網絡的應用場景下也提出了一種新的工具——啟發(fā)式算法Proximity-Growth來衡量網絡的魯棒性。
　　本文的主要內容如下：
　　①從課題的研究背景和意義入手，分析了該課題目前的研究現狀。并有針對性

3、的研究了目前研究該課題需要的工具及常用的網絡模型和魯棒性指標。
　?、趯V義mesh魯棒生長的問題進行了詳細的解釋說明，然后基于這一問題提出的Proximity-Growth算法的相關理論及算法設計都給出了相應的分析，并簡單分析了該啟發(fā)式算法的性能。最后對該算法可以擴充的方式給出了兩個樣例。
　　③用Proximity-Growth算法解決GM的魯棒生長問題，得出一個最優(yōu)解序列（魯棒性最好）。然后換用另外四種網絡魯棒性指標（

4、代數連通度，有效阻抗，平均邊介數，效率）分別得出了四種相應的解序列。
　　④對比分析五種不同的解序列，發(fā)現本文提出的啟發(fā)式算法Proximity-Growth能夠較好地刻畫網絡魯棒性，而且在計算效率上略勝一籌。
　?、輰Ρ确治鏊姆N傳統(tǒng)的魯棒性指標發(fā)現，計算代數連通度得到的最優(yōu)解很快就偏離了啟發(fā)式算法的解序列，而且明顯得到的網絡魯棒性不是最優(yōu)的，說明代數連通度能夠較好地刻畫網絡魯棒性是值得懷疑的；計算有效阻抗和平均邊介數均得出