基于廣義mesh魯棒生長(zhǎng)的網(wǎng)絡(luò)魯棒性研究.pdf

1、移動(dòng)互聯(lián)網(wǎng)時(shí)代的來(lái)臨，使得我們對(duì)互聯(lián)網(wǎng)的依賴正在與日俱增。在人類和互聯(lián)網(wǎng)的關(guān)系越來(lái)越密不可分的同時(shí)，人們對(duì)互聯(lián)網(wǎng)的安全意識(shí)也必須有所提升，因此建構(gòu)魯棒性更強(qiáng)的網(wǎng)絡(luò)就顯得尤為重要。本文在此應(yīng)用背景下做了進(jìn)一步的深入研究。
　　對(duì)網(wǎng)絡(luò)的研究離不開(kāi)用圖論工具建模，現(xiàn)存的網(wǎng)絡(luò)模型有復(fù)雜網(wǎng)絡(luò)模型和規(guī)則網(wǎng)絡(luò)模型。本文基于mesh網(wǎng)絡(luò)（規(guī)則網(wǎng)絡(luò)）這一模型，將mesh網(wǎng)絡(luò)的概念推廣至廣義mesh（GM）網(wǎng)絡(luò)，在此概念基礎(chǔ)上提出了一個(gè)GM網(wǎng)絡(luò)的應(yīng)用

2、場(chǎng)景，GM的魯棒生長(zhǎng)。即通過(guò)一次只添加一個(gè)節(jié)點(diǎn)的方式向當(dāng)前的GM網(wǎng)絡(luò)中添加節(jié)點(diǎn)，從而生成一個(gè)更大的GM，在此過(guò)程中同時(shí)要保證每一個(gè)狀態(tài)下的 GM網(wǎng)絡(luò)均為魯棒性能最優(yōu)的網(wǎng)絡(luò)。魯棒性指標(biāo)是用來(lái)確保網(wǎng)絡(luò)魯棒性的重要工具。本文在 GM網(wǎng)絡(luò)的應(yīng)用場(chǎng)景下也提出了一種新的工具——啟發(fā)式算法Proximity-Growth來(lái)衡量網(wǎng)絡(luò)的魯棒性。
　　本文的主要內(nèi)容如下：
　?、?gòu)恼n題的研究背景和意義入手，分析了該課題目前的研究現(xiàn)狀。并有針對(duì)性

3、的研究了目前研究該課題需要的工具及常用的網(wǎng)絡(luò)模型和魯棒性指標(biāo)。
　?、趯?duì)廣義mesh魯棒生長(zhǎng)的問(wèn)題進(jìn)行了詳細(xì)的解釋說(shuō)明，然后基于這一問(wèn)題提出的Proximity-Growth算法的相關(guān)理論及算法設(shè)計(jì)都給出了相應(yīng)的分析，并簡(jiǎn)單分析了該啟發(fā)式算法的性能。最后對(duì)該算法可以擴(kuò)充的方式給出了兩個(gè)樣例。
　?、塾肞roximity-Growth算法解決GM的魯棒生長(zhǎng)問(wèn)題，得出一個(gè)最優(yōu)解序列（魯棒性最好）。然后換用另外四種網(wǎng)絡(luò)魯棒性指標(biāo)（

4、代數(shù)連通度，有效阻抗，平均邊介數(shù)，效率）分別得出了四種相應(yīng)的解序列。
　?、軐?duì)比分析五種不同的解序列，發(fā)現(xiàn)本文提出的啟發(fā)式算法Proximity-Growth能夠較好地刻畫網(wǎng)絡(luò)魯棒性，而且在計(jì)算效率上略勝一籌。
　?、輰?duì)比分析四種傳統(tǒng)的魯棒性指標(biāo)發(fā)現(xiàn)，計(jì)算代數(shù)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(wǎng)絡(luò)魯棒性不是最優(yōu)的，說(shuō)明代數(shù)連通度能夠較好地刻畫網(wǎng)絡(luò)魯棒性是值得懷疑的；計(jì)算有效阻抗和平均邊介數(shù)均得出