CN106780069A - 一种基于节点社团重要度的局部动态路径选择机制方法 - Google Patents

Abstract

一种基于节点社团重要度的局部动态路径选择机制方法，提出了一种复杂网络的局部动态路径选择机制。随着复杂网络在众多领域的广泛应用，如何提高网络的传输效率成为了其进一步应用的关键问题。本发明整合局部静态信息（节点社团重要度）和动力学信息（节点的排队长度），提出了一种局部动态路径选择机制，首先应用复杂网络社团探测算法，将网络划分为不同社团（局部），然后计算每个节点的节点社团重要度，最后，根据节点的节点社团重要度和排队长度这两者的大小确定从源节点出发选择邻接节点的概率。

Description

一种基于节点社团重要度的局部动态路径选择机制方法

技术领域

本发明属于计算机软件计算方法的技术领域。

背景技术

Barabási和Albert的无标度网络模型和Watts和Strogatz的小世界网络模型揭示了网络结构的本质规律，在过去的10多年，推动了复杂网络研究的迅速发展。进一步的研究发现，多数现实网络是不均匀的，由许多子网络组成。子网络内节点之间的连接比较紧密，而子网之间节点的连接比较稀疏，这一现象在人工网络和自然网络中都比较常见，称之为网络中的社团结构(community structure)。社团结构成为了继小世界和无标度特性之后复杂网络中最普遍和最重要的拓扑结构属性之一。随着复杂网络理论的不断成熟，研究者对很多复杂的互连系统，包括社会网络、Internet和World Wide Web(WWW)等各种网络，都从复杂网络的视角去研究其统计特征和实际应用。现代社会处在一个大数据、大流量的时代，高度依赖于这些网络系统的正常高效运行。然而，在处于拥塞的情况下，这些网络的传输效率会大大降低并可能造成网络系统的瘫痪，极大地影响人们的工作与生活。如何提高这些网络的传输效率从而避免拥塞，具有很重要的现实意义。目前在提高网络传输效率方面大多数都集中于寻找新的路径选择机制，而全部最优路径选择策略是一个NP难题，包括静态的全局和局部策略以及一系列的动态机制。本发明整合局部静态信息(节点社团重要度)和动力学信息(节点的排队长度)，提出了一种局部动态路径选择机制，首先应用复杂网络社团探测算法，将网络划分为不同社团(局部)，然后计算每个节点的节点社团重要度，最后，根据节点的节点社团重要度和排队长度这两者的大小确定从源节点出发选择邻接节点的概率。

发明内容

本发明基于整合局部静态信息(节点社团重要度)和动力学信息(节点的排队长度)，提出了一种新的局部动态路径选择机制。下面分别从社团、节点社团重要度、路径选择概率的定义等方面来说明本发明提出的机制方法。

本发明的技术方案为：

一、社团：在同一社团内部，节点之间连接相对紧密，而在社团之间的节点之间的连接相对稀疏，以网络中模块度最小为原则划分将网络划分为不同社团，其中Nc表示网络中社团的数目，M表示网络中连接的总数，m_c表示社团c内节点之间的连接数，d_c表示社团c内所有节点度数之和。

二、节点社团重要度：基于网络邻接矩阵中表示社团的特征值，以此来量化网络节点社团重要度，如公式(1)

其中v_i表示第i个特征向量，v_ik表示特征向量v_i中的第k个元素。为使测量参数的和为1，对于n个节点，c个社团的网络，有定义I_k＝P_k/c,满足

三、路径选择概率的定义：数据包从节点x传递到节点i的概率p_x→i为公式(2)。

其中，I_i表示节点i的节点社团重要度，n_i表示节点i处的排队长度，j遍历了节点x的所有邻居节点，β≤0表示可调变量。

附图说明

图1为基于节点的节点社团重要度和排队长度确定局部动态路径的流程。

具体的实施方式

本发明的实施流程示意图如图1所示。

Step1：在网络中应用复杂网络社团探测算法，将大型复杂网络划分为不同的社团；

Step2：计算每个节点的节点社团重要度，计算方法如下：

基于网络邻接矩阵中表示社团的特征值，以此来量化网络节点社团重要度，如公式(1)

其中v_i表示第i个特征向量，v_ik表示特征向量v_i中的第k个元素。为使测量参数的和为1，对于n个节点，c个社团的网络，有定义I_k＝P_k/c,满足

Step3：根据节点的节点社团重要度和排队长度这两者的大小确定从源节点出发选择邻接节点的概率，计算方法如下：

数据包从节点x传递到节点i的概率p_x→i为公式(2)。

其中，I_i表示节点i的节点社团重要度，n_i表示节点i处的排队长度，j遍历了节点x的所有邻居节点，β≤0表示可调变量。

Claims (2)

1.一种基于节点社团重要度的局部动态路径选择机制方法，其特征是技术方案为：

一、社团：在同一社团内部，节点之间连接相对紧密，而在社团之间的节点之间的连接相对稀疏，以网络中模块度最小为原则划分将网络划分为不同社团，其中Nc表示网络中社团的数目，M表示网络中连接的总数，m_c表示社团c内节点之间的连接数，d_c表示社团c内所有节点度数之和；

二、节点社团重要度：基于网络邻接矩阵中表示社团的特征值，以此来量化网络节点社团重要度，如公式(1)

$P_k=\underset{k=1}{\overset{c}{\Σ}}\frac{{v_{ik}}^2}{v_i^T{v}_i}---\left(1\right)$

其中v_i表示第i个特征向量，v_ik表示特征向量v_i中的第k个元素。为使测量参数的和为1，对于n个节点，c个社团的网络，有定义I_k＝P_k/c,满足

三、路径选择概率的定义：数据包从节点x传递到节点i的概率p_x→i为公式(2)。

$p_{x\→i}=\frac{I_i{(n_i+1)}^{\mathrm{\β}}}{\underset{j}{\Σ}{I}_j{(n_j+1)}^{\mathrm{\β}}}---\left(2\right)$

其中，I_i表示节点i的节点社团重要度，n_i表示节点i处的排队长度，j遍历了节点x的所有邻居节点，β≤0表示可调变量。

2.根据权利要求1所述的基于节点社团重要度的局部动态路径选择机制方法，其特征是：

Step1：在网络中应用复杂网络社团探测算法，将大型复杂网络划分为不同的社团；

Step2：计算每个节点的节点社团重要度，计算方法如下：

基于网络邻接矩阵中表示社团的特征值，以此来量化网络节点社团重要度，如公式(1)

$P_k=\underset{k=1}{\overset{c}{\Σ}}\frac{{v_{ik}}^2}{v_i^T{v}_i}---\left(1\right)$

其中v_i表示第i个特征向量，v_ik表示特征向量v_i中的第k个元素。为使测量参数的和为1，对于n个节点，c个社团的网络，有定义I_k＝P_k/c,满足

Step3：根据节点的节点社团重要度和排队长度这两者的大小确定从源节点出发选择邻接节点的概率，计算方法如下：

数据包从节点x传递到节点i的概率p_x→i为公式(2)；

$p_{x\→i}=\frac{I_i{(n_i+1)}^{\mathrm{\β}}}{\underset{j}{\Σ}{I}_j{(n_j+1)}^{\mathrm{\β}}}---\left(2\right)$

其中，I_i表示节点i的节点社团重要度，n_i表示节点i处的排队长度，j遍历了节点x的所有邻居节点，β≤0表示可调变量。