CN106685720A - 基于层次竞价机制的网络安全资源分配方法 - Google Patents

基于层次竞价机制的网络安全资源分配方法 Download PDF

Info

Publication number
CN106685720A
CN106685720A CN201611262997.3A CN201611262997A CN106685720A CN 106685720 A CN106685720 A CN 106685720A CN 201611262997 A CN201611262997 A CN 201611262997A CN 106685720 A CN106685720 A CN 106685720A
Authority
CN
China
Prior art keywords
antibacterial
value
network security
fitness
security resource
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201611262997.3A
Other languages
English (en)
Other versions
CN106685720B (zh
Inventor
徐雷
姜殷伟
李千目
牟甲鹏
涂亮
周迅钊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201611262997.3A priority Critical patent/CN106685720B/zh
Publication of CN106685720A publication Critical patent/CN106685720A/zh
Application granted granted Critical
Publication of CN106685720B publication Critical patent/CN106685720B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/28—Restricting access to network management systems or functions, e.g. using authorisation function to access network configuration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/18—Negotiating wireless communication parameters
    • H04W28/20—Negotiating bandwidth
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明公开了一种基于层次竞价机制的网络安全资源分配方法，步骤如下：收集网络中可用的带宽资源，带宽资源为异构网络中无线频率资源的总流量带宽；收集用户设备的安全资源使用申请；采用细菌觅食优化算法对网络安全资源进行分配：将细菌按运动方式分为游动和旋转；计算细菌的适应度值，并且存储细菌当前适应度值为最适应值；每只细菌在原位置进行搜索并且计算新位置上的适应度值，若新位置的适应度值大于原位置，则代替原位置；判断搜索次数如果达到阈值，则随机产生一个新位置；若小于等于则进行下一步；记录适应度值最大的位置及相应的适应度函数值；重复多次数，得到网络安全资源分配资源的最大值。本发明能够提高网络安全资源的利用效率，并减少其能量消耗。

Description

基于层次竞价机制的网络安全资源分配方法
技术领域
本发明属于计算机网络技术领域，特别是一种基于层次竞价机制的网络安全资源分配方法。
背景技术
随着网络的日益复杂化，拥有所有制结构。这意味着，传统的模型和使用分配机制的原业主和最终用户之间的安全资源交换不再总是相关的。中间商越来越多，经营者买原业主的网络安全资源再卖给最终用户。虽然中间商在城市配送通道匹配的供应和需求发挥重要作用，但也导致网络安全资源配置效率低下。
考虑带宽分配方案。网络带宽主要是由1级ISP(互联网服务供应商)拥有，再分配给各2级ISP。2级ISP进一步分配给3级ISP等等。中间阶段的存在可能影响网络安全资源的分配。从社会资源资源的角度来看,这导致效率低下。类似地，在无线频谱的情况下，初级用户从联邦通信委员会获得频谱，租赁的一些二级用户也发挥了作用，中间商在二级频谱市场。另一个例子，考虑作为云计算服务供应商IBM，谷歌，亚马逊和其他企业的终端用户(例如，具有小的计算或数据中心需求的企业)。Gartner预测，随着云服务的更广泛的采用，会有云服务的公司(例如，Appirio)将作为供应商和最终用户之间的中间人。这就引发了一个关于激励兼容的关键问题或有效的分层机制可用于中间商的存在,以及是否可以实现这两个在一起。
近年来，以拍卖为机制的网络安全资源分配机制受到了广泛关注。根据Kelly提出了网络效用模型，Johari和Tsitsiklis表明，Kelly机制(每个链接出价)可以表现出25％的效率损失。这导致了在设计高效的网络安全资源分配机制的一系列活动,包括Maheshwaran和Basar,Johari和Tsitsiklis,杨和Hajek,Jain和Walrand,Jia和Caines。Semret和Lazar的大部分的工作集中在单边拍卖分割的安全资源和开发双面网络拍卖可分割的安全资源的相关的方法。Jain和Varaiya是为数不多的关注不可分割的网络安全资源的人，他们提出一个纳什实现组合双向拍卖。这也是迄今为止已知的唯一的工作，提出了一个不完整的信息分析的组合市场机制。所有这些机制涉及网络安全资源分配由拍卖人在多个买家,或在多个买家和卖家之间的安全资源交换。
大部分的机制是由纳什提出实现的,纳什均衡并不一定是一个“优势战略”均衡。然而在现实中,市场网络安全资源通常涉及中间商。通常情况下，他们令市场信息不对称的现象不再出现，但也可能导致低效率。然而，并没有研究太多模型与中间商，主要是由于设计适当的机制。即使在经济和博弈论文学,最相关的模型是一个涉及转售拍卖后在同一组玩家,获胜者可以将获得的安全资源转卖给失败者。
在一般拓扑结构中，网络定价确实存在一些博弈论工作。研究了节点形成一个网络游戏,希望形成一个图路由流量。研究了运输和客户的价格和服务质量是如何建立在一个三层网络。然而，这样的工作集中在定价均衡，并没有研究如机制设计的问题。
发明内容
本发明的目的在于提供一种高效、可靠的基于层次竞价机制的网络安全资源分配方法，以提高网络安全资源的利用效率，并减少其能量消耗。
实现本发明目的的技术解决方案为：一种基于层次竞价机制的网络安全资源分配方法，包括以下步骤：
步骤1，智能集中控制器收集网络中可用的带宽资源，带宽资源为异构网络中无线频率资源的总流量带宽；
步骤2，智能集中控制器收集用户设备的安全资源使用申请；
步骤3，智能集中控制器采用细菌觅食优化算法对网络安全资源进行分配。
进一步地，步骤2中所述的安全资源使用申请包括用户设备所需的时间比例、用户设备所需的最小速率。
进一步地，步骤3所述的智能集中控制器采用细菌觅食优化算法对网络安全资源进行分配，具体步骤如下：
步骤3.1，智能集中控制器初始化细菌觅食优化算法的参数；
步骤3.2，将细菌按运动方式分为游动和旋转，每个细菌对应一个原位置；
步骤3.3，计算细菌i的适应度值，并且存储细菌i当前适应度值为最适应值，即最好的值；
步骤3.4，每只细菌在原位置进行搜索并且计算新位置上的适应度值，若新位置的适应度值大于原位置，则代替原位置；
步骤3.5，判断搜索次数是否大于最大搜索次数，若大于则放弃步骤3.3中产生的位置，并在未被分配的网络安全资源范围内随机产生一个新位置；若小于等于则转步骤3.6；
步骤3.6，记录适应度值最大的位置以及该位置相应的适应度函数值；
步骤3.7，重复步骤3.2～3.6Ng次，最大的适应度函数值即为网络安全资源分配资源的最大值，Ng表示细菌觅食优化算法的最大迭代次数。
进一步地，步骤3.1所述细菌觅食优化算法的参数包括：
细菌种群的大小S，细菌游动的步长单位C，各个种群细菌之间传送信号的影响值趋向性操作、复制操作和迁徙操作的执行次数Nc、Nre、Ned，以及细菌每次可以向前游动的最多步长数Ns和迁徙概率ped；
收集的参数还包括：实体层数K，安全资源个数C，用户个数N，第i个用户的收入πi、支出ci(xi)、利润vi(xi)、预计支出βi、预计收入αi；
初始化细菌，利用公式(1)随机产生个人细菌觅食优化算法的初始解S(x)，S(x)表示从第1层到第K层的社会资源，其中i∈[1,S]，S(x)max是社会资源的上限，S(x)min是社会资源的下限，S(x)初始解需要满足公式(2)、(3)和(4)，
其中，初始化迭代次数序号gen＝1，xi表示第i个用户的需求量，τ(i)为第i个用户的等级，ch(0)为所有用户的集合，ch(i)为第i个用户的子集合。
进一步地，步骤3.3所述计算细菌i的适应度值，并且存储细菌i当前适应度值为最适应值，即最好的值，具体过程为：
利用公式(5)计算第i个细菌适应度函数值的大小，将函数值从小到大排列，取函数值排名前Ne的解看做第gen次循环的原位置，每个原位置对应一个细菌，其余的解则对应于细菌更新后所在位置，其中fi(xi)gen表示第i个细菌在第gen次循环时的适应度函数值：
J(i,j,k,l)，i∈[1,S] (5)。
进一步地，步骤3.4所述每只细菌在原位置进行搜索并且计算新位置上的适应度值，若新位置的适应度值大于原位置，则代替原位置，具体过程为：
(3.4.1)设定搜索次数j＝0，采用公式(6)产生第i个细菌在第j次循环的新位置θi(j+1,k,l)，其中θi(j,k,l)表示第i只细菌在第j次循环的原位置，
θi(j+1,k,l)＝θi(j,k,l)+C(i)φ(i)， (6)
其中，C(i)＞0则说明细菌向前游动，C(i)的数值表示步长单位，φ(i)表示旋转后选择的一个随机游动方向；
(3.4.2)计算第j次循环中第i只细菌的新位置的适应度函数值J(i+1,j,k,l)，比较J(i+1,j,k,l)与J(i,j,k,l)大小；若J(i+1,j,k,l)＞J(i,j,k,l)，θi(j+1,k,l)则取代原位置，令搜索次数j＝0；否则，舍弃新位置，令j←j+1。
进一步地，步骤3.5所述判断搜索次数是否大于最大搜索次数，若大于则放弃步骤3.3中产生的位置，并在未被分配的网络安全资源范围内随机产生一个新位置；若小于等于则转步骤3.6；具体过程为：
(3.5.1)利用公式(7)计算第j次循环中第i个细菌迁徙的概率P(i,j)，并将P(i,j)与rand比较，如果rand＜P(i,j)，就将第i个细菌死亡，并随机产生新的细菌i在附近搜索，rand∈(0,1)之间的随机数，
(3.5.2)采用公式(8)确定在第j次循环中由第i只细菌灭亡后的新位置：
J(i,j+1,k,l)＝J(i,j,k,l)+Jcc(θi(j+1,k,l),P(j+1,k,l)) (8)
其中，J(i,j,k,l)表示细菌i在第j次趋向性操作第k次复制操作和第l次迁徙操作之后的新位置的适应度函数值，P(j,k,l)＝{θi(j,k,l)(i＝1,2,...,S}表示种群中细菌个体的位置；
(3.5.3)利用步骤3.3的方法计算第j次循环中θi(j+1,k,l)对应的适应度函数值J'(i,j+1,k,l)，比较适应度函数值J'(i,j+1,k,l)与步骤3.4产生的新位置适应度函数值的大小；若J'(i,j+1,k,l)大于步骤3.4产生的新位置适应度函数值，则取代步骤3.4产生的新位置，令搜索次数j＝0；否则，舍弃细菌灭亡后产生的新位置，令搜索次数j←j+1。
进一步地，步骤3.6所述记录适应度值最大的位置以及该位置相应的适应度函数值，具体为：记录步骤3.2至步骤3.5中所有适应度函数值中最大值所对应的位置，记为θi(j,k,l)best，以及该位置相应的适应度函数值J(i,j,k,l)。
进一步地，步骤3.7所述重复步骤3.2～3.6Ng次，最大的适应度函数值即为网络安全资源分配资源的最大值，即：令j←j+1，重复步骤3.2～3.6Ng次，从J(i,j,k,l)中选取最大值对应的位置，记为θi(j,k,l)best，θi(j,k,l)best对应的适应度函数值J(i,j,k,l)即为网络安全资源分配资源的最大值。
本发明与现有技术相比，其显著优点在于：(1)网络安全资源基于细菌觅食优化算法进行虚拟安全资源分配，满足网络最优安全资源分配要求；(2)充分挖掘了网络中可用的频率资源，保障了网络安全资源最大化分配；(3)为减少网络能源消耗、明显提高网络能源的利用效率提供技术支持。
下面结合说明书附图详细描述本发明提供的基于层次竞价机制的网络安全资源分配方法。
附图说明
图1为本发明按照层次竞价机制的网络安全资源分配方法的流程图；
图2为趋向性操作流程图；
图3为复制操作流程图；
图4为迁徙操作流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
结合图1，本发明基于层次竞价机制的网络安全资源分配方法，包括以下步骤：
步骤1，智能集中控制器收集网络中可用的带宽资源，带宽资源为异构网络中无线频率资源的总流量带宽；
步骤2，智能集中控制器收集用户设备的安全资源使用申请；
所述的安全资源使用申请包括用户设备所需的时间比例、用户设备所需的最小速率。
步骤3，智能集中控制器采用细菌觅食优化算法对网络安全资源进行分配。
结合图2、3、4，步骤3所述智能集中控制器采用细菌觅食优化算法对网络安全资源进行分配，具体过程如下：
步骤3.1，智能集中控制器初始化细菌觅食优化算法的参数；
所述细菌觅食优化算法的参数包括：
细菌种群的大小S，细菌游动的步长单位C，各个种群细菌之间传送信号的影响值趋向性操作、复制操作和迁徙操作的执行次数Nc、Nre、Ned，以及细菌每次可以向前游动的最多步长数Ns和迁徙概率ped；
收集的参数还包括：实体层数K，安全资源个数C，用户个数N，第i个用户的收入πi、支出ci(xi)、利润vi(xi)、预计支出βi、预计收入αi；
初始化细菌，利用公式(1)随机产生个人细菌觅食优化算法的初始解S(x)，S(x)表示从第1层到第K层的社会资源，其中i∈[1,S]，S(x)max是社会资源的上限，S(x)min是社会资源的下限，S(x)初始解需要满足公式(2)、(3)和(4)，
其中，初始化迭代次数序号gen＝1，xi表示第i个用户的需求量，τ(i)为第i个用户的等级，ch(0)为所有用户的集合，ch(i)为第i个用户的子集合。
步骤3.2，将细菌按运动方式分为游动和旋转，每个细菌对应一个原位置；
步骤3.3，计算细菌i的适应度值，并且存储细菌i当前适应度值为最适应值，即最好的值，具体过程为：
利用公式(5)计算第i个细菌适应度函数值的大小，将函数值从小到大排列，取函数值排名前Ne的解看做第gen次循环的原位置，每个原位置对应一个细菌，其余的解则对应于细菌更新后所在位置，其中fi(xi)gen表示第i个细菌在第gen次循环时的适应度函数值：
J(i,j,k,l)，i∈[1,S] (5)
步骤3.4，每只细菌在原位置进行搜索并且计算新位置上的适应度值，若新位置的适应度值大于原位置，则代替原位置，具体过程为：
(3.4.1)设定搜索次数j＝0，采用公式(6)产生第i个细菌在第j次循环的新位置θi(j+1,k,l)，其中θi(j,k,l)表示第i只细菌在第j次循环的原位置，
θi(j+1,k,l)＝θi(j,k,l)+C(i)φ(i)， (6)
其中，C(i)＞0则说明细菌向前游动，C(i)的数值表示步长单位，φ(i)表示旋转后选择的一个随机游动方向；
(3.4.2)计算第j次循环中第i只细菌的新位置的适应度函数值J(i+1,j,k,l)，比较J(i+1,j,k,l)与J(i,j,k,l)大小；若J(i+1,j,k,l)＞J(i,j,k,l)，θi(j+1,k,l)则取代原位置，令搜索次数j＝0；否则，舍弃新位置，令j←j+1。
步骤3.5，判断搜索次数是否大于最大搜索次数，若大于则放弃步骤3.3中产生的位置，并在未被分配的网络安全资源范围内随机产生一个新位置；若小于等于则转步骤3.6；具体过程为：
(3.5.1)利用公式(7)计算第j次循环中第i个细菌迁徙的概率P(i,j)，并将P(i,j)与rand比较，如果rand＜P(i,j)，就将第i个细菌死亡，并随机产生新的细菌i在附近搜索，rand∈(0,1)之间的随机数，
(3.5.2)采用公式(8)确定在第j次循环中由第i只细菌灭亡后的新位置：
J(i,j+1,k,l)＝J(i,j,k,l)+Jcc(θi(j+1,k,l),P(j+1,k,l)) (8)
其中，J(i,j,k,l)表示细菌i在第j次趋向性操作第k次复制操作和第l次迁徙操作之后的新位置的适应度函数值，P(j,k,l)＝{θi(j,k,l)(i＝1,2,...,S}表示种群中细菌个体的位置；
(3.5.3)利用步骤3.3的方法计算第j次循环中θi(j+1,k,l)对应的适应度函数值J'(i,j+1,k,l)，比较适应度函数值J'(i,j+1,k,l)与步骤3.4产生的新位置适应度函数值的大小；若J'(i,j+1,k,l)大于步骤3.4产生的新位置适应度函数值，则取代步骤3.4产生的新位置，令搜索次数j＝0；否则，舍弃细菌灭亡后产生的新位置，令搜索次数j←j+1。
步骤3.6，记录适应度值最大的位置以及该位置相应的适应度函数值，具体为：记录步骤3.2至步骤3.5中所有适应度函数值中最大值所对应的位置，记为θi(j,k,l)best，以及该位置相应的适应度函数值J(i,j,k,l)。
步骤3.7，重复步骤3.2～3.6Ng次，最大的适应度函数值即为网络安全资源分配资源的最大值，Ng表示细菌觅食优化算法的最大迭代次数，具体为：令j←j+1，重复步骤3.2～3.6Ng次，从J(i,j,k,l)中选取最大值对应的位置，记为θi(j,k,l)best，θi(j,k,l)best对应的适应度函数值J(i,j,k,l)即为网络安全资源分配资源的最大值。
实施例1
本发明采用基于层次竞价机制的网络安全资源分配方法，步骤如下：
步骤1，智能集中控制器收集网络中可用的带宽资源；
收集网络中可用的带宽资源为异构网络中无线频率资源的总流量带宽，在本实施例中我们使用的无线频率资源的总流量带宽为20M。
步骤2，智能集中控制器收集用户设备的安全资源使用申请；
向使用无线频率带宽的用户提交申请收集其上网的相关信息情况。
步骤3，智能集中控制器采用细菌觅食优化算法对网络安全资源进行分配；
细菌种群的大小S＝100，细菌游动的步长单位C＝0.5，各个种群细菌之间趋向性操作、复制操作和迁徙操作的执行次数分别为Nc＝10、Nre＝10、Ned＝10，以及细菌每次可以向前游动的最多步长数Ns＝3和迁徙概率ped＝0.68；
然后根据公式随机产生个人细菌觅食优化算法的初始解S；
其次，计算第i个细菌适应度函数值的大小，将函数值从小到大排列，取函数值排名前Ne的解看做第gen次循环的原位置，每个原位置对应一个细菌，其余的解则对应于细菌更新后所在位置；
再次，迭代gen次，根据接收的函数确定在第j次循环中由第i只细菌灭亡后的新位置记做J(i+1,j,k,l)；
最后，从记录的J(i,j,k,l)中选取最大值对应的位置，网络安全资源分配资源的最大值。
综上所述，本发明是一种高效、可靠的网络安全资源分配方法，能够充分利用网络带宽资源，从多个维度最大化网络安全资源的利用率。

Claims (9)

1.一种基于层次竞价机制的网络安全资源分配方法，其特征在于，包括以下步骤：
步骤1，智能集中控制器收集网络中可用的带宽资源，带宽资源为异构网络中无线频率资源的总流量带宽；
步骤2，智能集中控制器收集用户设备的安全资源使用申请；
步骤3，智能集中控制器采用细菌觅食优化算法对网络安全资源进行分配。
2.根据权利要求1所述的基于层次竞价机制的网络安全资源分配方法，其特征在于，步骤2中所述的安全资源使用申请包括用户设备所需的时间比例、用户设备所需的最小速率。
3.根据权利要求1所述的按照层次竞价机制的网络安全资源分配方法，其特征在于，步骤3所述的智能集中控制器采用细菌觅食优化算法对网络安全资源进行分配，具体步骤如下：
步骤3.1，智能集中控制器初始化细菌觅食优化算法的参数；
步骤3.2，将细菌按运动方式分为游动和旋转，每个细菌对应一个原位置；
步骤3.3，计算细菌i的适应度值，并且存储细菌i当前适应度值为最适应值，即最好的值；
步骤3.4，每只细菌在原位置进行搜索并且计算新位置上的适应度值，若新位置的适应度值大于原位置，则代替原位置；
步骤3.5，判断搜索次数是否大于最大搜索次数，若大于则放弃步骤3.3中产生的位置，并在未被分配的网络安全资源范围内随机产生一个新位置；若小于等于则转步骤3.6；
步骤3.6，记录适应度值最大的位置以及该位置相应的适应度函数值；
步骤3.7，重复步骤3.2～3.6Ng次，最大的适应度函数值即为网络安全资源分配资源的最大值，Ng表示细菌觅食优化算法的最大迭代次数。
4.根据权利要求3所述的基于层次竞价机制的网络安全资源分配方法，其特征在于，步骤3.1所述细菌觅食优化算法的参数包括：
细菌种群的大小S，细菌游动的步长单位C，各个种群细菌之间传送信号的影响值趋向性操作、复制操作和迁徙操作的执行次数Nc、Nre、Ned，以及细菌每次可以向前游动的最多步长数Ns和迁徙概率ped；
收集的参数还包括：实体层数K，安全资源个数C，用户个数N，第i个用户的收入πi、支出ci(xi)、利润vi(xi)、预计支出βi、预计收入αi；
初始化细菌，利用公式(1)随机产生个人细菌觅食优化算法的初始解S(x)，S(x)表示从第1层到第K层的社会资源，其中i∈[1,S]，S(x)max是社会资源的上限，S(x)min是社会资源的下限，S(x)初始解需要满足公式(2)、(3)和(4)，
S ( x ) = &Sigma; i : &tau; ( i ) = K v i ( x i ) - &Sigma; i : 1 < &tau; ( i ) < K c i ( x i ) - - - ( 1 )
&Sigma; j &Element; c h ( 0 ) x j &le; C , - - - ( 2 )
&Sigma; j &Element; c h ( i ) x j &le; x i , &ForAll; i : 1 < &tau; ( i ) < K , - - - ( 3 )
x i &GreaterEqual; 0 , &ForAll; i - - - ( 4 )
其中，初始化迭代次数序号gen＝1，xi表示第i个用户的需求量，τ(i)为第i个用户的等级，ch(0)为所有用户的集合，ch(i)为第i个用户的子集合。
5.根据权利要求3所述的基于层次竞价机制的网络安全资源分配方法，其特征在于，步骤3.3所述计算细菌i的适应度值，并且存储细菌i当前适应度值为最适应值，即最好的值，具体过程为：
利用公式(5)计算第i个细菌适应度函数值的大小，将函数值从小到大排列，取函数值排名前Ne的解看做第gen次循环的原位置，每个原位置对应一个细菌，其余的解则对应于细菌更新后所在位置，其中fi(xi)gen表示第i个细菌在第gen次循环时的适应度函数值：
J(i,j,k,l)，i∈[1,S] (5)。
6.根据权利要求3所述的基于层次竞价机制的网络安全资源分配方法，其特征在于，步骤3.4所述每只细菌在原位置进行搜索并且计算新位置上的适应度值，若新位置的适应度值大于原位置，则代替原位置，具体过程为：
(3.4.1)设定搜索次数j＝0，采用公式(6)产生第i个细菌在第j次循环的新位置θi(j+1,k,l)，其中θi(j,k,l)表示第i只细菌在第j次循环的原位置，
θi(j+1,k,l)＝θi(j,k,l)+C(i)φ(i)， (6)
其中，C(i)＞0则说明细菌向前游动，C(i)的数值表示步长单位，φ(i)表示旋转后选择的一个随机游动方向；
(3.4.2)计算第j次循环中第i只细菌的新位置的适应度函数值J(i+1,j,k,l)，比较J(i+1,j,k,l)与J(i,j,k,l)大小；若J(i+1,j,k,l)＞J(i,j,k,l)，θi(j+1,k,l)则取代原位置，令搜索次数j＝0；否则，舍弃新位置，令j←j+1。
7.根据权利要求3所述的基于层次竞价机制的网络安全资源分配方法，其特征在于，步骤3.5所述判断搜索次数是否大于最大搜索次数，若大于则放弃步骤3.3中产生的位置，并在未被分配的网络安全资源范围内随机产生一个新位置；若小于等于则转步骤3.6；具体过程为：
(3.5.1)利用公式(7)计算第j次循环中第i个细菌迁徙的概率P(i,j)，并将P(i,j)与rand比较，如果rand＜P(i,j)，就将第i个细菌死亡，并随机产生新的细菌i在附近搜索，rand∈(0,1)之间的随机数，
P ( i , j ) = &theta; i ( j , k , l ) &Sigma; i = 1 S &theta; i ( j , k , l ) - - - ( 7 )
(3.5.2)采用公式(8)确定在第j次循环中由第i只细菌灭亡后的新位置：
J(i,j+1,k,l)＝J(i,j,k,l)+Jcc(θi(j+1,k,l),P(j+1,k,l)) (8)
其中，J(i,j,k,l)表示细菌i在第j次趋向性操作第k次复制操作和第l次迁徙操作之后的新位置的适应度函数值，P(j,k,l)＝{θi(j,k,l)(i＝1,2,...,S}表示种群中细菌个体的位置；
(3.5.3)利用步骤3.3的方法计算第j次循环中θi(j+1,k,l)对应的适应度函数值J'(i,j+1,k,l)，比较适应度函数值J'(i,j+1,k,l)与步骤3.4产生的新位置适应度函数值的大小；若J'(i,j+1,k,l)大于步骤3.4产生的新位置适应度函数值，则取代步骤3.4产生的新位置，令搜索次数j＝0；否则，舍弃细菌灭亡后产生的新位置，令搜索次数j←j+1。
8.根据权利要求5、6或7所述的基于速层次竞价机制的网络安全资源分配方法，其特征在于，步骤3.6所述记录适应度值最大的位置以及该位置相应的适应度函数值，具体为：记录步骤3.2至步骤3.5中所有适应度函数值中最大值所对应的位置，记为θi(j,k,l)best，以及该位置相应的适应度函数值J(i,j,k,l)。
9.根据权利要求8所述的基于层次竞价机制的网络安全资源分配方法，其特征在于，步骤3.7所述重复步骤3.2～3.6Ng次，最大的适应度函数值即为网络安全资源分配资源的最大值，即：令j←j+1，重复步骤3.2～3.6Ng次，从J(i,j,k,l)中选取最大值对应的位置，记为θi(j,k,l)best，θi(j,k,l)best对应的适应度函数值J(i,j,k,l)即为网络安全资源分配资源的最大值。
CN201611262997.3A 2016-12-30 2016-12-30 基于层次竞价机制的网络安全资源分配方法 Expired - Fee Related CN106685720B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611262997.3A CN106685720B (zh) 2016-12-30 2016-12-30 基于层次竞价机制的网络安全资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611262997.3A CN106685720B (zh) 2016-12-30 2016-12-30 基于层次竞价机制的网络安全资源分配方法

Publications (2)

Publication Number Publication Date
CN106685720A true CN106685720A (zh) 2017-05-17
CN106685720B CN106685720B (zh) 2020-08-25

Family

ID=58849988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611262997.3A Expired - Fee Related CN106685720B (zh) 2016-12-30 2016-12-30 基于层次竞价机制的网络安全资源分配方法

Country Status (1)

Country Link
CN (1) CN106685720B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107707472A (zh) * 2017-10-09 2018-02-16 天津理工大学 一种基于遗传‑细菌觅食优化策略的动态源路由方法
CN113904936A (zh) * 2021-11-04 2022-01-07 华南师范大学 一种基于组合双向拍卖的网络切片资源调整方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870317A (zh) * 2012-12-10 2014-06-18 中兴通讯股份有限公司 云计算中的任务调度方法及系统
CN104284433A (zh) * 2014-10-11 2015-01-14 南京理工大学 基于速率限制的异构网络每比特能量最小化资源分配方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870317A (zh) * 2012-12-10 2014-06-18 中兴通讯股份有限公司 云计算中的任务调度方法及系统
CN104284433A (zh) * 2014-10-11 2015-01-14 南京理工大学 基于速率限制的异构网络每比特能量最小化资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘小龙: "细菌觅食优化算法的改进及应用", 《博士学位论文》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107707472A (zh) * 2017-10-09 2018-02-16 天津理工大学 一种基于遗传‑细菌觅食优化策略的动态源路由方法
CN107707472B (zh) * 2017-10-09 2020-06-26 天津理工大学 一种基于遗传-细菌觅食优化策略的动态源路由方法
CN113904936A (zh) * 2021-11-04 2022-01-07 华南师范大学 一种基于组合双向拍卖的网络切片资源调整方法及系统
CN113904936B (zh) * 2021-11-04 2023-11-28 华南师范大学 一种基于组合双向拍卖的网络切片资源调整方法及系统

Also Published As

Publication number Publication date
CN106685720B (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
Wei Spatiality of regional inequality
CN105389332B (zh) 一种地理社交网络下的用户相似性计算方法
Bruton A reconsideration of import substitution
Khorasany et al. Enhancing scalability of peer-to-peer energy markets using adaptive segmentation method
CN103473320B (zh) 一种面向跨云平台的服务组合方法
CN106155791A (zh) 一种分布式环境下的工作流任务调度方法
CN103929379B (zh) 基于双边市场多归属结构的sdn资源分配方法
CN108182112A (zh) 基于组合拍卖的以人为中心的感知网络的资源分配机制
CN104112187B (zh) 一种体育场馆资源信息的传输系统及方法
Zhang et al. BiCrowd: Online biobjective incentive mechanism for mobile crowdsensing
Zhao Mechanism design powered by social interactions
Cernea Modernization and development potential of traditional grass roots peasant organizations
CN108881391A (zh) 一种分布式计算存储发热装置及其运行方法
Jahani et al. Green virtual network embedding with supervised self-organizing map
Li et al. Three-hop velocity attenuation propagation model for influence maximization in social networks
CN106685720A (zh) 基于层次竞价机制的网络安全资源分配方法
CN104657390B (zh) 一种问答平台实现方法和系统
CN104168570B (zh) 基于干扰信息的真实性动态双向频谱拍卖方法
Alagha et al. Influence-and interest-based worker recruitment in crowdsourcing using online social networks
Chatterjee et al. A novel meta‐heuristic approach for influence maximization in social networks
Hexmoor Computational network science: an algorithmic approach
Jokar et al. Overlapping community detection in complex networks using fuzzy theory, balanced link density, and label propagation
CN107688964A (zh) 一种用于大规模众包任务扩散的激励方法
Heng et al. The intelligent city: Singapore achieving the next lap: Practitoners forum
LIANG Application of blockchain technology in smart tourism

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200825

Termination date: 20201230

CF01 Termination of patent right due to non-payment of annual fee