CN110650050A - 一种采用效率依赖矩阵评估机会网络关键节点的方法 - Google Patents

一种采用效率依赖矩阵评估机会网络关键节点的方法 Download PDF

Info

Publication number
CN110650050A
CN110650050A CN201910914074.9A CN201910914074A CN110650050A CN 110650050 A CN110650050 A CN 110650050A CN 201910914074 A CN201910914074 A CN 201910914074A CN 110650050 A CN110650050 A CN 110650050A
Authority
CN
China
Prior art keywords
node
efficiency
nodes
network
matrix
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
CN201910914074.9A
Other languages
English (en)
Other versions
CN110650050B (zh
Inventor
王伟
刘琳岚
舒坚
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.)
Nanchang Hangkong University
Original Assignee
Nanchang Hangkong University
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 Nanchang Hangkong University filed Critical Nanchang Hangkong University
Priority to CN201910914074.9A priority Critical patent/CN110650050B/zh
Publication of CN110650050A publication Critical patent/CN110650050A/zh
Application granted granted Critical
Publication of CN110650050B publication Critical patent/CN110650050B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/24Connectivity information management, e.g. connectivity discovery or connectivity update
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12Discovery or management of network topologies
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种采用效率依赖矩阵评估机会网络关键节点的方法。针对机会网络动态变化的特点的同时,考虑节点的全局属性和局部属性,提出一种采用效率依赖矩阵评估机会网络关键节点的方法。该方法包括:S1,对机会网络进行采样,并采用时间聚合图模型建立机会网络表征;S2,计算传输效率和节点效率,并依次构建传输效率矩阵和效率依赖矩阵;S3,计算节点强度和节点重要度,并根据节点重要度对节点进行排序。本发明通过采样和聚合处理将机会网络表征为静态网络,消除了时间对机会网络结构的影响,通过综合考虑传输效率、节点效率和节点强度3个指标,全面而准确地对节点重要度进行评估,满足实际应用的需求。

Description

一种采用效率依赖矩阵评估机会网络关键节点的方法
技术领域
本发明涉及机会网络关键节点评估技术领域,主要涉及一种采用效率依赖矩阵评估机会网络关键节点的方法。
背景技术
机会网络是通过节点移动在源节点和目的节点之间建立一条临时链路的自组织网络,节点之间的连接具有高动态、时序性和稀疏性等特点。由于机会网络不需要稳定连接和全连接的特点,它适用于环境恶劣下的网络通讯,能够满足环境监测、军事勘测和森林防火等众多应用的需求。机会网络不管是理论还是应用都有着十分重要的研究意义和价值,相关的研究得到越来越多的相关行业及研究人员的广泛关注。
关键节点是对机会网络的功能和结构能够造成较大影响的节点。关键节点的失效能够较大程度的破坏网络,甚至使网络崩溃,从而造成重大损失。识别网络的关键节点具有广泛的实际应用价值,包括选择合适的网络部署方案,减小网络失效的风险;对网络进行优化,增强网络的鲁棒性;重点监测网络的关键节点,减小网络的维护时延等。然而现有技术中对机会网络关键节点进行评估的方法都存在无法全面、准确地对机会网络节点重要度进行排序的问题,影响了关键节点的评估效果。
发明内容
本发明的目的在于,针对现有方法的不足,提出一种采用效率依赖矩阵评估机会网络关键节点的方法。本发明采用时间聚合图模型建立机会网络表征。结合传输效率Tij和节点效率Ii构建传输效率矩阵,并对节点重要度进行评估。考虑了局部属性(节点强度)对全局属性(效率)的依赖关系,从而能够全面而准确地对机会网络节点重要度进行排序。
本发明采用的技术方案如下:时间聚合图不但能够反映节点对连接的难易程度,而且可以体现机会网络的结构和功能。在时间聚合图的基础上,综合考虑机会网络节点的全局属性和局部属性,构建效率依赖矩阵,对节点重要度进行评估。该采用效率依赖矩阵评估机会网络关键节点的方法包括以下步骤:
S1,对机会网络进行采样,并采用时间聚合图模型建立机会网络表征;
S2,计算传输效率Tij和节点效率Ii,并依次构建传输效率矩阵TE和效率依赖矩阵ER;
S3,计算节点强度Si和节点重要度Di,并根据节点重要度对节点进行排序。
其中,步骤S1具体包括:
在采样周期T内,以Δt为采样时间间隔,对机会网络进行采样,得到个时间子图,用表示第m个时间子图,其中,
Figure BDA0002215561200000023
是第m个时间子图的节点的集合,
Figure BDA0002215561200000024
是第m个时间子图的边的集合。
其中,步骤S1中,对个时间子图进行聚合,得到时间聚合图,用G=(V,E,W)表示时间聚合图,其中,V是节点的集合,E是边的集合,W是边权值的集合。将时间聚合图记为邻接矩阵W=(wij)n×n,其中,
Figure BDA0002215561200000026
Figure BDA0002215561200000027
是从节点vi到节点vj的边的权值,如果
Figure BDA0002215561200000028
则wij=∞,
Figure BDA0002215561200000029
是第m个时间切片中从节点vi到节点vj的连接情况,如果
Figure BDA00022155612000000210
则第m个时间切片中从节点vi到节点vj的连接存在,反之,不存在。
其中,步骤S2中,计算传输效率Tij的公式为:
其中,dij是从节点vi到节点vj的最短距离。
其中,步骤S2中,计算节点效率Ii的公式为:
Figure BDA0002215561200000031
其中,Tij是从节点vi到节点vj的传输效率。
其中,步骤S2中,采用下式构建传输效率矩阵TE:
Figure BDA0002215561200000032
其中,步骤S2中,采用下式构建效率依赖矩阵ER:
具体的,步骤S3中,计算节点强度Si的公式为:
Figure BDA0002215561200000034
其中,wij是节点vi和节点vj之间边的权值。
具体的,步骤S3中,计算节点重要度Di的公式为:
Di=Si*∑j≠i,1≤j≤nTjiIj (6)
进而根据节点的重要度对节点进行排序。
本发明的有益效果:时间聚合图不但能够反映节点对连接的难易程度,而且可以体现机会网络的结构和功能。在时间聚合图的基础上,综合考虑机会网络节点的全局属性和局部属性,构建效率依赖矩阵,对节点重要度进行评估。因此,使用时间聚合图建立机会网络表征,避免了时间对机会网络结构的影响,降低了计算维度,从而降小了时间复杂度;综合考虑了节点的全局属性和局部属性,从而全面而精确地对机会网络节点重要度进行评估。
附图说明
图1为机会网络场景示意图。
图2为t1-t3的时间子图。
图3为t1-t3的时间聚合图。
具体实施方式
本发明的实施方式提供一种采用效率依赖矩阵评估机会网络关键节点的方法。通过采样和聚合处理将机会网络表征为静态网络,消除了时间对机会网络结构的影响,通过综合考虑传输效率、节点效率和节点强度3个指标,旨在全面而准确地对节点重要度进行评估。下面将结合附图、理论分析对本发明作进一步的详细说明。
请参阅图1和图2,在采样周期T内,以Δt为采样时间间隔,对机会网络进行采样,得到
Figure BDA0002215561200000041
个时间子图,用
Figure BDA0002215561200000042
表示第m个时间子图,其中,
Figure BDA0002215561200000043
是第m个时间子图的节点的集合,
Figure BDA0002215561200000044
是第m个时间子图的边的集合。
请参阅图3,对
Figure BDA0002215561200000045
个时间子图进行聚合,得到时间聚合图(如图3),用G=(V,E,W)表示时间聚合图,其中,V是节点的集合,E是边的集合,W是边权值的集合。将时间聚合图记为邻接矩阵W=(wij)n×n,其中,
Figure BDA0002215561200000046
Figure BDA0002215561200000047
是从节点vi到节点vj的边的权值,如果
Figure BDA0002215561200000049
是第m个时间切片中从节点vi到节点vj的连接情况,如果
Figure BDA00022155612000000410
则第m个时间切片中从节点vi到节点vj的连接存在,反之,不存在。
根据空间自相关理论——事物之间的联系的紧密程度往往与他们之间的距离成负相关的关系,易知节点重要度与一个节点到另一个节点之间的距离成反比,即节点对之间的距离越大,节点对之间的传输效率也就越低,两个节点的重要度之间的依赖性也就越小。从节点vi到节点vj的传输效率Tij是从节点vi到节点vj的最短距离dij的倒数,计算传输效率Tij的公式为:
Figure BDA0002215561200000051
其中,dij是从节点vi到节点vj的最短距离。
节点效率是节点到网络中其他节点的平均传输效率,即节点到网络中其他节点的最短距离倒数的平均数,反映了节点到网络中其他节点的难易程度,从全局的角度考虑节点的重要性。计算节点效率Ii的公式为:
Figure BDA0002215561200000052
其中,Tij是从节点vi到节点vj的传输效率。
节点的连接会引起节点重要度的变化,节点通过连接对与它产生连接的节点的重要度产生影响,节点对之间的传输效率越大,产生的影响的比例也就越大,反映了最短距离对节点重要度的影响。构建传输效率矩阵TE:
Figure BDA0002215561200000053
将节点效率Ii作为网络中其他节点的重要度对节点vi的依赖程度的初始值在传输效率矩阵TE的基础上,构建效率依赖矩阵ER:
Figure BDA0002215561200000054
节点强度综合考虑了节点的邻居数量和节点与邻居关系的紧密程度。在采用相似权的情况下,与节点相连的边的权值越小,节点对的连接也就越紧密,故而使用与节点相连的边的权值的倒数之和表示节点强度。计算节点强度Si的公式为:
其中,wij是节点vi和节点vj之间边的权值。
在效率依赖矩阵考虑全网节点对待评估节点重要度影响的基础上,结合待评估节点自身的局部属性(节点强度)。计算节点重要度Di的公式为:
Di=Si*∑j≠i,1≤j≤nTjiIj (6)
进而,根据节点的重要度对节点进行排序。
综上,时间聚合图不但能够反映节点对连接的难易程度,而且可以体现机会网络的结构和功能。在时间聚合图的基础上,综合考虑机会网络节点的全局属性和局部属性,构建效率依赖矩阵,对节点重要度进行评估。因此,使用时间聚合图建立机会网络表征,避免了时间对机会网络结构的影响,降低了计算维度,从而降小了时间复杂度;综合考虑了节点的全局属性和局部属性,从而全面而精确地对机会网络节点重要度进行评估。

Claims (9)

1.一种采用效率依赖矩阵评估机会网络关键节点的方法,其特征在于:包括以下步骤:
S1,对机会网络进行采样,并采用时间聚合图模型建立机会网络表征;
S2,计算传输效率Tij和节点效率Ii,并依次构建传输效率矩阵TE和效率依赖矩阵ER;
S3,计算节点强度Si和节点重要度Di,并根据节点重要度对节点进行排序。
2.根据权利要求1所述的采用效率依赖矩阵评估机会网络关键节点的方法,其特征在于,步骤S1具体包括:
在采样周期T内,以Δt为采样时间间隔,对机会网络进行采样,得到
Figure FDA0002215561190000011
个时间子图,用
Figure FDA0002215561190000012
表示第m个时间子图,其中,
Figure FDA0002215561190000013
是第m个时间子图的节点的集合,
Figure FDA0002215561190000014
是第m个时间子图的边的集合。
3.根据权利要求2所述的采用效率依赖矩阵评估机会网络关键节点的方法,其特征在于,步骤S1中,对
Figure FDA00022155611900000110
个时间子图进行聚合,得到时间聚合图,用G=(V,E,W)表示时间聚合图,其中,V是节点的集合,E是边的集合,W是边权值的集合,将时间聚合图记为邻接矩阵W=(wij)n×n,其中,
Figure FDA0002215561190000015
是从节点vi到节点vj的边的权值,如果
Figure FDA0002215561190000016
则wij=∞,
Figure FDA0002215561190000017
是第m个时间切片中从节点vi到节点vj的连接情况,如果
Figure FDA0002215561190000018
则第m个时间切片中从节点vi到节点vj的连接存在,反之,不存在。
4.根据权利要求1所述的采用效率依赖矩阵评估机会网络关键节点的方法,其特征在于,步骤S2中,计算传输效率Tij的公式为:
Figure FDA0002215561190000019
其中,dij是从节点vi到节点vj的最短距离。
5.根据权利要求1所述的采用效率依赖矩阵评估机会网络关键节点的方法,其特征在于,步骤S2中,计算节点效率Ii的公式为:
Figure FDA0002215561190000021
其中,Tij是从节点vi到节点vj的传输效率。
6.根据权利要求1所述的采用效率依赖矩阵评估机会网络关键节点的方法,其特征在于,步骤S2中,采用下式构建传输效率矩阵TE:
7.根据权利要求1所述的采用效率依赖矩阵评估机会网络关键节点的方法,其特征在于,步骤S2中,采用下式构建效率依赖矩阵ER:
Figure FDA0002215561190000023
8.根据权利要求1所述的采用效率依赖矩阵评估机会网络关键节点的方法,其特征在于,步骤S3中,计算节点强度Si的公式为:
Figure FDA0002215561190000024
其中,wij是节点vi和节点vj之间边的权值。
9.根据权利要求8所述的采用效率依赖矩阵评估机会网络关键节点的方法,其特征在于,步骤S3中,计算节点重要度Di的公式为:
Di=Si*∑j≠i,1≤j≤nTjiIj
CN201910914074.9A 2019-09-25 2019-09-25 一种采用效率依赖矩阵评估机会网络关键节点的方法 Active CN110650050B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910914074.9A CN110650050B (zh) 2019-09-25 2019-09-25 一种采用效率依赖矩阵评估机会网络关键节点的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910914074.9A CN110650050B (zh) 2019-09-25 2019-09-25 一种采用效率依赖矩阵评估机会网络关键节点的方法

Publications (2)

Publication Number Publication Date
CN110650050A true CN110650050A (zh) 2020-01-03
CN110650050B CN110650050B (zh) 2020-10-23

Family

ID=69011329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910914074.9A Active CN110650050B (zh) 2019-09-25 2019-09-25 一种采用效率依赖矩阵评估机会网络关键节点的方法

Country Status (1)

Country Link
CN (1) CN110650050B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111865690A (zh) * 2020-07-21 2020-10-30 南昌航空大学 基于网络结构和时序的机会网络链路预测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120283948A1 (en) * 2011-05-03 2012-11-08 University Of Southern California Hierarchical and Exact Fastest Path Computation in Time-dependent Spatial Networks
CN106533742A (zh) * 2016-10-31 2017-03-22 天津大学 基于时间序列模式表征的加权有向复杂网络建网方法
CN108039987A (zh) * 2017-12-19 2018-05-15 北京航空航天大学 基于多层耦合关系网络的关键基础设施脆弱性测评方法
CN108601047A (zh) * 2018-08-02 2018-09-28 南昌航空大学 机会网络关键节点的测量方法
CN108683448A (zh) * 2018-04-24 2018-10-19 中国民航大学 适用于航空网络的影响力节点识别方法及系统
CN110149233A (zh) * 2019-05-23 2019-08-20 南昌航空大学 采用概要图和节点对影响值评估关键节点的方法与系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120283948A1 (en) * 2011-05-03 2012-11-08 University Of Southern California Hierarchical and Exact Fastest Path Computation in Time-dependent Spatial Networks
CN106533742A (zh) * 2016-10-31 2017-03-22 天津大学 基于时间序列模式表征的加权有向复杂网络建网方法
CN108039987A (zh) * 2017-12-19 2018-05-15 北京航空航天大学 基于多层耦合关系网络的关键基础设施脆弱性测评方法
CN108683448A (zh) * 2018-04-24 2018-10-19 中国民航大学 适用于航空网络的影响力节点识别方法及系统
CN108601047A (zh) * 2018-08-02 2018-09-28 南昌航空大学 机会网络关键节点的测量方法
CN110149233A (zh) * 2019-05-23 2019-08-20 南昌航空大学 采用概要图和节点对影响值评估关键节点的方法与系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SCHOLTES, I.等: "A. Higher-order aggregate networks in the analysis of temporal networks: path structures and centralities", 《THE EUROPEAN PHYSICAL JOURNAL B》 *
王雨等: "基于多重影响力矩阵的有向加权网络节点重要性评估方法", 《物理学报》 *
范文礼等: "基于传输效率矩阵的复杂网络节点重要度排序方法", 《西南交通大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111865690A (zh) * 2020-07-21 2020-10-30 南昌航空大学 基于网络结构和时序的机会网络链路预测方法
CN111865690B (zh) * 2020-07-21 2022-06-03 南昌航空大学 基于网络结构和时序的机会网络链路预测方法

Also Published As

Publication number Publication date
CN110650050B (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
Takaffoli et al. Incremental local community identification in dynamic social networks
Agaskar et al. A fast Monte Carlo algorithm for source localization on graphs
US20180365093A1 (en) Determining a likelihood of a resource experiencing a problem based on telemetry data
CN104199852B (zh) 基于节点隶属度的标签传播社团结构挖掘方法
Wehmuth et al. Distributed assessment of the closeness centrality ranking in complex networks
CN110650050B (zh) 一种采用效率依赖矩阵评估机会网络关键节点的方法
CN106953754A (zh) 基于作战链路熵的指控网络抗毁测度方法
CN111756587B (zh) 一种采用GraphSAGE预测时序网络链路的方法
CN106407373A (zh) 一种异质网络社团结构以及基于该结构的社团发现方法
Zhang et al. Robustness of mobile ad hoc networks under centrality-based attacks
KR101350782B1 (ko) 데이터 샘플링 방법 및 장치
Xu et al. Features for SAT
WO2016086634A1 (zh) 一种拒绝率可控的Metropolis-Hastings图抽样算法
JP5501283B2 (ja) 最大接続数推定装置及び方法及びプログラム
CN110149233B (zh) 采用概要图和节点对影响值评估关键节点的方法与系统
CN115225543B (zh) 一种流量预测方法、装置、电子设备和存储介质
Saxena et al. Rank me thou shalln't compare me
Zamil et al. Dispersion–based prediction framework for estimating missing values in wireless sensor networks
Gertsbakh et al. Network reliability Monte Carlo with nodes subject to failure
Liang et al. Robustness analysis of the complex network
Hamlili Intelligibility of Erdös-Rényi random graphs and time varying social network modeling
Zafarani et al. Network measures
Ali et al. Identification and validation of spatio-temporal associations in wireless sensor networks
Cooper et al. The cover times of random walks on hypergraphs
Farasat et al. Social network extraction and high value individual (HVI) identification within fused intelligence data

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