有向加权复杂网络抗毁性测度研究

doi:10.3969/j.issn.1000-3428.2013.01.005

计算机工程 ›› 2013, Vol. 39 ›› Issue (1): 23-28. doi: 10.3969/j.issn.1000-3428.2013.01.005

有向加权复杂网络抗毁性测度研究

汤浩锋 ^1,2，张琨 ¹，郁楠 ²，毛兴 ^1,3

(1. 南京理工大学计算机科学与技术学院，南京 210094；2. 73683部队，福州 410073； 3. 73678部队，福建厦门 361009)

收稿日期:2012-04-13 修回日期:2012-05-12 出版日期:2013-01-15 发布日期:2013-01-13
作者简介:汤浩锋(1984－)，男，助理工程师、硕士，主研方向：复杂网络安全，网络通信；张琨，副教授、博士；郁楠，助理工程师；毛兴，助理工程师、硕士
基金资助:
国家自然科学基金资助项目(61003210)；江苏省自然科学基金资助项目(BK2010491, BK2011023)；南京理工大学 “卓越”计划“紫金之星”基金资助项目(20100601)

Research on Invulnerability Measure of Directed and Weighted Complex Network

TANG Hao-feng ^1,2, ZHANG Kun¹, YU Nan ², MAO Xing ^1,3

(1. School of Computer Science and Technology, Nanjing University of Science and Technology, Nanjing 210094, China; 2. Unit 73683, Fuzhou 410073, China; 3. Unit 73678, Xiamen 361009, China)

Received:2012-04-13 Revised:2012-05-12 Online:2013-01-15 Published:2013-01-13

摘要/Abstract

摘要：

为有效评估有向加权复杂网络的抗毁性能，考虑网络边的有向性和权重对复杂网络拓扑层抗毁性的影响，提出一种有向加权复杂网络抗毁性测度算法(IMADW)。IMADW利用最短调和距离度量节点之间以及整个网络节点对之间的连接紧密度，采用节点环路系数反映节点可选的路径数，由此得到网络拓扑层的全局抗毁性测度值。通过算法分析和实验仿真验证了该算法的准确性。

关键词: 复杂网络, 有向, 加权, 拓扑层, 抗毁性, 测度算法

Abstract:

To evaluate the invulnerability of directed and weighted complex network effectively, considering the impact of edge’s directionality and weighted to the topology of complex network invulnerability, the algorithm which is used to measure the invulnerability of directed and weighted complex network is proposed——Invulnerability Measure Algorithm of Directed and Weighted Complex Network(IMADW). This algorithm uses the shortest harmonic distance of two nodes and the whole network node to measure the nodes tightness, uses the node loop coefficients to reflect the optional paths, and gets gobal invulnerability measure value of network topology layer. The proposed algorithm is proved accurately through the algorithm analysis and experiment simulation.

Key words: complex network, directed, weighted, topology layer, invulnerability, measure algorithm

中图分类号:

N941.4

汤浩锋, 张琨, 郁楠, 毛兴. 有向加权复杂网络抗毁性测度研究[J]. 计算机工程, 2013, 39(1): 23-28.

SHANG Gao-Feng, ZHANG Kun, YU Nan, MAO Xin. Research on Invulnerability Measure of Directed and Weighted Complex Network[J]. Computer Engineering, 2013, 39(1): 23-28.

http://www.ecice06.com/CN/Y2013/V39/I1/23

参考文献

[1] 谈革新. 复杂网络拓扑层抗毁性测度研究[D]. 南京: 南京理工大学, 2011.
[2] Favaron O, Kouider M, Maheo M. Edge Vulnerability and Mean Distance[J]. Networks, 1989, 19(5): 493-504.
[3] 李勇, 邓宏钟. 基于级联失效的复杂保障网络抗毁性仿真分析[J]. 计算机应用研究, 2008, 25(11): 3451-3454.
[4] 陈建国, 张永静. 通信网络拓扑抗毁性评估算法研究[J].无线电通信技术, 2006, 32(1): 6-7.
[5] 郭伟. 野战地域通信网可靠性的评价方法[J]. 电子学报, 2000, 28(1): 3-6.
[6] 魏福林. 野战地域通信网拓扑层抗毁性研究[D]. 郑州:解放军信息工程大学, 2006.
[7] 吴俊, 谭跃进. 复杂网络抗毁性测度研究[J]. 系统工程学报, 2005, 20(2): 128-131.
[8] 任连兴, 单洪. 基于效果评估的网络抗毁性研究[J].计算机与现代化, 2010, (1): 150-152
[9] 潘淑文. 加权复杂网络抗毁性及其故障恢复技术研究[D]. 北京: 北京邮电大学, 2011.
[10] Restrepo J G, Ott E, Hunt R B. Weighted Percolation on Directed Networks[J]. Phys. Rev. Lett., 2008, 100(5): 55-67.
[11] Schwartz N, Cohen R, Ben-Avraham D, et al. Percolation in Directed Scale-free Networks[J]. Phys. Rev. E, 2002, 66(1): 120-128.
[12] 钱学森, 于景元, 戴汝为. 一个科学的新领域——开放的复杂巨系统及其方法论[J]. 自然杂志, 1990, 13(1): 3-10.
[13] 朱涛, 张水平, 郭戎潇, 等. 改进的加权复杂网络节点重要度评估的收缩方法[J]. 系统工程与电子技术, 2009, 31(8): 1903-1905.
[14] 杨波, 陈忠, 段文奇. 基于个体选择的小世界网络结构演化[J]. 系统工程, 2004, 22(12): 1-5.
[15] 谭跃进, 吴俊, 邓宏钟. 复杂网络中节点重要度评估的节点收缩方法[J]. 系统工程理论与实践, 2006, 26(11): 79-83.
[16] 王桂英, 周健, 谢飏. 基于BBV的有向加权网络模型[J]. 计算机工程, 2010, 36(12): 141-143.

选择文件类型/文献管理软件名称

选择包含的内容

有向加权复杂网络抗毁性测度研究

Research on Invulnerability Measure of Directed and Weighted Complex Network

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	潘大志, 蒋妍, 刘雅文. 求解多维背包问题的双决策交互差异算法[J]. 计算机工程, 2023, 49(7): 21-33.
[2]	徐正梅, 刘华明, 毕学慧, 王亚. 基于特征优化的无参考光场图像质量评价[J]. 计算机工程, 2023, 49(7): 242-250.
[3]	靳雁霞, 史志儒, 杨晶, 刘亚变, 乔星宇, 张翎. 布料与精细建模物体间的碰撞检测算法研究[J]. 计算机工程, 2023, 49(7): 269-277.
[4]	王新迪, 杨夙, 张思源, 罗午阳, 李杰, 刘辉. 基于时空大数据与卫星图像的城市火灾风险预测[J]. 计算机工程, 2023, 49(6): 242-249.
[5]	杨立伟, 贾博宇, 王芳, 彭祥原. 可见光通信与WiFi异构网络资源管理算法[J]. 计算机工程, 2023, 49(3): 203-210,220.
[6]	温静, 杨洁. 基于场景对象注意与深度图融合的深度估计[J]. 计算机工程, 2023, 49(2): 222-230.
[7]	王朕, 李豪, 严冬梅, 竺永荣. 基于改进YOLOv5的路面病害检测模型[J]. 计算机工程, 2023, 49(2): 15-23.
[8]	王雷, 王文发, 宋慧娜, 张帅. 基于相似度评分与二级子系统的设计模式识别[J]. 计算机工程, 2023, 49(1): 210-222.
[9]	刘宇航, 尹小庆, 林云. 基于网络资源流量的链路预测方法[J]. 计算机工程, 2022, 48(9): 78-88.
[10]	吴翼腾, 于洪涛, 顾泽宇. 基于统一描述网络结构模型的链路预测方法[J]. 计算机工程, 2022, 48(7): 51-58.
[11]	曹瑞阳, 郭佑民, 牛满宇. 基于最大最小距离的多中心数据综合增强方法[J]. 计算机工程, 2022, 48(6): 174-181.
[12]	王劲松, 杨唯正, 赵泽宁, 魏佳佳. 基于有向无环图的区块链技术综述[J]. 计算机工程, 2022, 48(6): 11-23.
[13]	彭桐歆, 韩勇, 王程, 张志浩. 面向短时地铁客流量预测的混合深度学习模型[J]. 计算机工程, 2022, 48(5): 297-305.
[14]	候瑞环, 杨喜旺, 王智超, 高佳鑫. 一种基于YOLOv4-TIA的林业害虫实时检测方法[J]. 计算机工程, 2022, 48(4): 255-261.
[15]	王芙银, 张德生, 肖燕婷. 基于加权共享近邻与累加序列的密度峰值算法[J]. 计算机工程, 2022, 48(4): 61-69.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

有向加权复杂网络抗毁性测度研究

Research on Invulnerability Measure of Directed and Weighted Complex Network

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价