CN111835567A - 基于瓶颈节点识别的数据链网络可靠性优化方法及系统 - Google Patents

Abstract

本发明涉及一种基于瓶颈节点识别的数据链网络可靠性优化方法及系统。该方法包括获取数据链的层次结构、任务的运行流程及实时运行状态；根据所述层次结构、任务的运行流程及实时运行状态，结合超网络理论，建立数据链超网络模型；对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果；根据所述测试结果进行瓶颈节点的挖掘，得到数据链网络可靠性瓶颈节点；对所述数据链网络可靠性瓶颈节点进行优化；根据优化后的数据链网络可靠性瓶颈节点，确定优化后的数据链超网络模型；并返回所述对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果的步骤。本发明实现数据链网络的可靠性优化，提高数据链的整体可靠性。

Description

基于瓶颈节点识别的数据链网络可靠性优化方法及系统

技术领域

本发明涉及数据链优化领域，特别是涉及一种基于瓶颈节点识别的数据链网络可靠性优化方法及系统。

背景技术

现代战争体现的是信息化、网络化条件下的以战场感知与精确打击为核心的高科技战争，需要依托军用网络联合作战网络信息体系，将各种作战要素、作战单元和作战数据链有机融合为一个功能完整、有序运行的整体，确保节点畅通、相互衔接、高度聚合的作战力量。数据链网络作为复杂军用网络的未来趋势，主要用于保障军队联合作战的战术活动，是连通战术资源、提供战术服务、支撑战术应用的信息数据链。数据链深度铰链战术级指控平台，预警机、警戒机、电子对抗侦察机等传感器平台，以及飞机、无人机、舰船、潜艇、导弹、电子干扰机等武器平台，形成贯穿预警探测、指挥控制、火力打击、电子对抗的战术信息保障链路，为各级指挥员、战斗员提供精准态势共享、精确指挥控制、自主战术协同、辅助武器控制与体系电子对抗的实时高效可靠手段。

随着作战理念的不断变化和技术的不断发展，数据链网络为了满足不断变化的作战需求也在不断发展，网络结构不断完善，功能日趋强大。然而，数据链网络在实际作战(训练)使用过程中仍存在拓扑连通性不稳定、关键指控信息无法确保成功送达率、情报信息融合较差等问题，受攻击时甚至会发生数据链网络大规模级联失效最终导致整个战术数据链瘫痪的情况。

因此，需要对数据链网络进行可靠性建模分析并基于分析结果对网络中各部分加以调整和改进，以达到数据链网络可靠性优化的目的。由于网络电磁环境复杂、异构链路种类繁多、空中平台具有高机动性等原因，传统的可靠性建模和优化方法难以挖掘数据链网络的瓶颈节点，无法满足数据链在应对复杂多变的战场环境时对可靠性的优化需求。

发明内容

本发明的目的是提供一种基于瓶颈节点识别的数据链网络可靠性优化方法及系统，实现数据链网络的可靠性优化，提高数据链的整体可靠性。

为实现上述目的，本发明提供了如下方案：

一种基于瓶颈节点识别的数据链网络可靠性优化方法，包括：

获取数据链的层次结构、任务的运行流程及实时运行状态；

根据所述层次结构、任务的运行流程及实时运行状态，结合超网络理论，建立数据链超网络模型；所述数据链超网络模型是以时间为序的数据链网络的超网络的集合；

对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果；

根据所述测试结果进行瓶颈节点的挖掘，得到数据链网络可靠性瓶颈节点；

对所述数据链网络可靠性瓶颈节点进行优化；

根据优化后的数据链网络可靠性瓶颈节点，确定优化后的数据链超网络模型；并返回所述对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果的步骤。

可选的，所述根据所述层次结构、任务的运行流程及实时运行状态，结合超网络理论，建立数据链超网络模型，之后还包括：

根据所述数据链超网络模型确定可靠性指标体系；所述可靠性指标体系包括网络拓扑连通性指标和数据链性能参数指标。

可选的，所述对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果，具体包括：

获取所述数据链网络的节点和连边的失效模式以及加载应力；

根据所述节点和连边的失效模式以及加载应力确定数据链网络可靠性测试；

对所述数据链超网络模型进行数据链网络可靠性测试，得到测试后的平均网络拓扑连通性指标和数据链性能参数指标；

对所述测试后的平均网络拓扑连通性指标和数据链性能参数指标进行拟合，得到所述数据链网络的可靠性指标曲线组；

根据所述可靠性指标曲线组，确定测试结果。

可选的，所述根据所述测试结果进行瓶颈节点的挖掘，得到数据链网络可靠性瓶颈节点，具体包括：

根据所述测试结果进行基于度中心性的瓶颈节点挖掘；

根据所述测试结果进行基于介数中心性的瓶颈节点挖掘；

根据所述测试结果进行基于残余接近中心性的瓶颈节点挖掘；

确定所有挖掘出的瓶颈节点的综合识别指标；

保留所述综合识别指标大于指标阈值的瓶颈节点；

将保留后的瓶颈节点确定为数据链网络可靠性瓶颈节点。

一种基于瓶颈节点识别的数据链网络可靠性优化系统，包括：

数据链网络参数获取模块，用于获取数据链的层次结构、任务的运行流程及实时运行状态；

数据链超网络模型建立模块，用于根据所述层次结构、任务的运行流程及实时运行状态，结合超网络理论，建立数据链超网络模型；所述数据链超网络模型是以时间为序的数据链网络的超网络的集合；

测试结果确定模块，用于对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果；

数据链网络可靠性瓶颈节点确定模块，用于根据所述测试结果进行瓶颈节点的挖掘，得到数据链网络可靠性瓶颈节点；

数据链网络可靠性瓶颈节点优化模块，用于对所述数据链网络可靠性瓶颈节点进行优化；

优化后的数据链超网络模型确定模块，用于根据优化后的数据链网络可靠性瓶颈节点，确定优化后的数据链超网络模型；并返回所述对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果的步骤。

可选的，还包括：

可靠性指标体系确定模块，用于根据所述数据链超网络模型确定可靠性指标体系；所述可靠性指标体系包括网络拓扑连通性指标和数据链性能参数指标。

可选的，所述测试结果确定模块具体包括：

数据链网络的节点和连边的失效模式以及加载应力获取单元，用于获取所述数据链网络的节点和连边的失效模式以及加载应力；

数据链网络可靠性测试确定单元，用于根据所述节点和连边的失效模式以及加载应力确定数据链网络可靠性测试；

平均网络拓扑连通性指标和数据链性能参数指标确定单元，用于对所述数据链超网络模型进行数据链网络可靠性测试，得到测试后的平均网络拓扑连通性指标和数据链性能参数指标；

数据链网络的可靠性指标曲线组确定单元，用于对所述测试后的平均网络拓扑连通性指标和数据链性能参数指标进行拟合，得到所述数据链网络的可靠性指标曲线组；

测试结果确定单元，用于根据所述可靠性指标曲线组，确定测试结果。

可选的，所述数据链网络可靠性瓶颈节点确定模块具体包括：

基于度中心性的瓶颈节点挖掘单元，用于根据所述测试结果进行基于度中心性的瓶颈节点挖掘；

基于介数中心性的瓶颈节点挖掘单元，用于根据所述测试结果进行基于介数中心性的瓶颈节点挖掘；

残余接近中心性的瓶颈节点挖掘单元，用于根据所述测试结果进行基于残余接近中心性的瓶颈节点挖掘；

综合识别指标确定单元，用于确定所有挖掘出的瓶颈节点的综合识别指标；

保留单元，用于保留所述综合识别指标大于指标阈值的瓶颈节点；

数据链网络可靠性瓶颈节点确定单元，用于将保留后的瓶颈节点确定为数据链网络可靠性瓶颈节点。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明所提供的一种基于瓶颈节点识别的数据链网络可靠性优化方法及系统，通过数据链的层次结构、任务的运行流程及实时运行状态建立数据链超网络模型，体现了网络结构的动态性、异质性和耦合性，满足数据链网络拓扑结构随时间和任务动态变化的需求，可以从覆盖任务场景的多种层次、多个维度下实现数据链网络的瓶颈节点挖掘和可靠性优化，更加贴合数据链的客观实际。在数据链超网络模型的基础上，实施数据链网络的可靠性测试，通过分析测试结果并结合多种网络瓶颈节点挖掘方法，综合识别数据链网络的可靠性瓶颈节点并实施优化措施，并且实现迭代优化的模式，满足了实际可靠性需求的数据链网络可靠性优化，具有可迭代、视角全、易分析等特点。解决了传统的数据链网络可靠性建模忽视了在具体场景和具体任务剖面下，数据链网络运行时的动态性、异质性和耦合性，无法覆盖数据链多层次的任务视角，难以挖掘数据链网络中存在的各种类型、不同维度下的可靠性瓶颈节点，不能满足数据链网络可靠性优化的实际需求的问题。进而实现数据链网络的可靠性优化，提高数据链的整体可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的一种基于瓶颈节点识别的数据链网络可靠性优化方法流程示意图；

图2为本发明所提供的一种基于瓶颈节点识别的数据链网络可靠性优化系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种基于瓶颈节点识别的数据链网络可靠性优化方法及系统，实现数据链网络的可靠性优化，提高数据链的整体可靠性。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

超网络理论作为复杂网络理论的一个分支，可以用来描述和表示单个网络内部个体间交互规律以及网络之间的相互作用和影响，为数据链运行时状态的网络化抽象与建模提供了理论基础。

数据链种类大致可分为三类：

1)态势感知数据链，用于各军兵种平台之间交换不同类型的最新信息、满足多样化任务需求，一般工作在低频，波长较长，数据率较低，主要是传输格式化报文信息，包括Link4A、Link11、Link16和Link22等；

2)情报、监视和侦察(ISR)数据链，用于传输各种图像情报和信号情报信息，一般工作在高频，波长较短、数据率较高，能实现视频和高分辨率图像的高速传输，包括通用数据链(CDL)和战术通用数据链(TCDL)等；

3)专门为完成某一特定作战任务(如防空导弹)而设计的功能与信息交换形式较为单一的专用数据链，包括JSTARS专用的监视与控制数据链(SCDL)和增强型位置定位和报告数据链(EPLRS)等。

图1为本发明所提供的一种基于瓶颈节点识别的数据链网络可靠性优化方法流程示意图，如图1所示，本发明所提供的一种基于瓶颈节点识别的数据链网络可靠性优化方法，包括：

S101，获取数据链的层次结构、任务的运行流程及实时运行状态。

S102，根据所述层次结构、任务的运行流程及实时运行状态，结合超网络理论，建立数据链超网络模型；所述数据链超网络模型是以时间为序的数据链网络的超网络的集合。即针对数据链网络中存在的层次间耦合故障、故障动态传播等问题，从整体数据链运行时的视角分析数据链网络的可靠性建立所述数据链超网络模型。

对所研究的数据链，考虑数据链在具体任务下的运行时状态，在每一个运行时间切片内，将数据链运行时的单层动态网络模型和跨层次间的耦合关系激活状态抽象为超网络，构建一组以时间为序的超网络集合，即为数据链超网络模型，为后续步骤中可靠性优化的实施提供模型基础。

S102之后还包括：

根据所述数据链超网络模型确定可靠性指标体系；所述可靠性指标体系包括网络拓扑连通性指标和数据链性能参数指标。

根据所研究数据链的特点、组成内容和结构及其所需要的技术体制，对已知可分为l层的数据链，首先定义数据链网络的基本组成部分，即网络的节点和连边。数据链网络每层中可视为最小组成单元的即为数据链网络的节点，设数据链网络的第i层节点集为V_i，则整个数据链网络的节点集为

数据链网络中的连边能分为同层连边和层间耦合连边。同层连边可定义为每层网络的节点间存在的信息传递、流程关系等交互行为；层间耦合连边可定义为不同层的节点间存在的信息传递、映射关系等交互行为。对于存在l层结构的数据链网络，设数据链网络的第i层同层连边集为E_ii，第i层与第j层的层间耦合连边集为E_ij，则整个数据链网络的连边集为

对所研究的数据链，选取具体任务使数据链进入运行状态，运行过程中在线采样动态运行数据直至整个任务流程结束，离线处理动态运行数据并选取时间间隔T对数据进行切片划分，提取第k个时间切片下的节点集V_D(k)和连边集E_D(k)(由于运行时只激活整个网络的部分节点和连边，故

构建第k个时间切片下的超网络G_D(k)(V_D(k),E_D(k))；对于共有m(m≥1)个时间切片的动态运行数据，得到运行时的数据链动态超网络集合应为G_D＝{G_D(k)|k＝1,...,m}。

对于网络拓扑连通性，基于数据链超网络模型，分析该模型得到网络拓扑连通性指标。网络拓扑连通性基于运行时的数据链超网络模型，使用网络的最大连通子团规模对每一时间切片下的网络拓扑连通性进行分析。连通子团是指在网络中的一个子团，其内部两个任意节点间至少存在一条连通路径，最大连通子团G′是指包含节点数量最多的连通子团，且

每一时间切片下的网络拓扑连通性指标即为对数据链超网络实施不同应力的可靠性测试下相较于正常运行状态下最大连通子团规模的差值，设运行初始化时施加单元应力加载强度为S，应力加载单元比例为P，则对某一具体任务的数据链运行状态，第k个时间切片下施加应力失效后的动态网络为G_D(k,S,P)，则R_D(k,S,P)＝Scare(G′_D(k))-Scare(G′_D(k,S,P))为网络拓扑连通性指标，其中，Scare(G′_D(k))为第k个时间切片下正常运行状态的最大连通子团规模，Scare(G′_D(k,S,P))为第k个时间切片下施加给定应力加载强度和加载单元比例下的最大连通子团规模，对于共有m个时间切片的动态超网络模型，网络拓扑连通性指标时序集合为R_D(S,P)＝{R_D(k,S,P)|k＝1,...,m,m≥1}，并计算R_D(S,P)的均值和方差，其中，R_D(S,P)的均值可以表征在整个任务执行过程中所受扰动的影响，R_D(S,P)的方差可以表征在整个任务执行过程中的运行状态波动。

对于数据链性能参数，基于所研究数据链的分层结构和功能特性，结合数据链网络的实际运行和应用需求，通过相应的硬件和软件监测不同层次内与层间交互的性能参数，最终反映数据链整体的性能表现及故障影响情况。已知数据链分为l层，则对某一具体任务的数据链运行状态，设初始化时施加单元应力加载强度为S，应力加载单元比例为P，第i层层内交互的性能参数集为A_ii(k,S,P)，第i层与第j层的层间交互性能参数集为A_ij(k,S,P)(i≠j)，则

是整个数据链网络的性能参数集，其中，任意的

为任意一种数据链网络性能参数，根据对应层次及实际需求确定，常见的数据链网络性能参数有：传输速率、传输误码率、丢包率、延迟时间，数据链路性能参数不局限于以上四种，因属于公知部分，不予赘述；对于共有m个时间切片的动态超网络模型，数据链性能参数指标时序集合为

S103，对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果。

S103具体包括：

获取所述数据链网络的节点和连边的失效模式以及加载应力。其中，对所研究的数据链，在某一特定任务剖面和具体运行环境下，能对数据链网络产生潜在或实际功能影响的输入，应力可以加载到数据链网络中的各个单元，方便实际工程中大规模测试开展；由于数据链主要应用于复杂电磁对抗环境下的战术末端，数据链网络节点/边的可加载应力主要为电磁环境下的扫频干扰、脉冲干扰诸其他干扰信号，物理打击下的单元局部损毁，任务剖面下的单元通讯传输流量。

对所研究的数据链，在某一特定任务剖面和具体运行环境下，分析具体的任务流程和运行环境下，对数据链网络中不同层次节点或链接产生影响的潜在输入，例如，对于数据链网络物理层的节点或连接，加载应力主要为电磁干扰信号、单元局部损毁率、单元通讯传输流量；设每一单元归一化后的可加载应力初始强度，即任务剖面和运行环境下的最低应力强度为S₀，设强度极限，即任务剖面和运行环境下所能承受的应力强度极限为S_max。

对于数据链网络的节点失效模式，将数据链网络的每一层节点划分为一类，分析组成对应层次网络的节点失效模式，对于部分节点间差异较大的层次可单独分析节点失效模式或进行简化处理；对于数据链网络的连边失效模式，将数据链网络的每一层连边划分为一类，分析组成对应层次网络的连边失效模式，将不同层次间的耦合连边分别划分为一类，分析层间耦合连边的失效模式。

根据所述节点和连边的失效模式以及加载应力确定数据链网络可靠性测试。据链网络可靠性测试对数据链网络施加应力让网络中的局部产生不同程度的失效，通过不断增加所施加应力的强度等级，使整个数据链产生级联失效和大规模故障。

数据链网络可靠性测试具体为：设置可靠性测试中对每一单元的初始应力加载强度S₀与强度极限S_max，设置初始应力加载单元比例P₀，即加载应力的单元占总单元数的比例；分别对网络中的单元按照一定优先级顺序实施应力加载，应力加载优先级设置主要考虑结合所研究数据链的任务功能执行情况，设置攻击层次优先级、层内节点优先级、层间耦合连边优先级。

对所述数据链超网络模型进行数据链网络可靠性测试，得到测试后的平均网络拓扑连通性指标和数据链性能参数指标。对所研究的数据链，选取某一具体场景下的特定任务使整个数据链进入运行时状态，同时开始实施数据链网络可靠性测试流程。

首先设置初始单元应力加载强度S₀，即此时的单元应力加载强度S＝S₀。应力加载单元比例按固定间隔从初始应力加载单元比例P₀开始逐渐增加，每次增加ΔP，若数据链未发生崩溃或规定测试任务仍能继续完成，则继续增加应力加载单元比例，否则，停止失效注入，通过软件监控或硬件监控的方式，记录所有实验数据。更改单元应力加载强度，按固定间隔增加ΔS，即设置S＝S+ΔS。

循环执行上述步骤，直至最终的单元应力加载强度S＝S_max，停止循环。

对所述测试后的平均网络拓扑连通性指标和数据链性能参数指标进行拟合，得到所述数据链网络的可靠性指标曲线组。

根据所述可靠性指标曲线组，确定测试结果。

在完成测试后，设数据链执行的某一具体场景下的特定任务为M，设H＝{(S,P)|S＝S₀,S₀+ΔS,...,S_max,P＝P₀,P₀+ΔP,...}为整个测试的应力条件集合，式中S为单元应力加载强度，P为应力加载单元比例。设在某一应力条件(S,P)下，通过分析实验数据，提取运行过程中所有激活的节点和连边，并通过数据处理生成该应力条件(S,P)下的运行网络，G_D(S,P)＝{G_D(k,S,P)|k＝1,...,m,m≥1}式中m为划分的时间窗数，G_D(k,S,P)为应力条件(S,P)下第k个时间窗内的运行网络。根据数据链网络可靠性指标体系，网络拓扑连通性指标R_D(S,P)＝{R_D(k,S,P)|k＝1,...,m,m≥1},式中：R_D(k,S,P)为应力条件(S,P)下的第k个时间窗内的拓扑连通性指标；计算网络组集合中每一应力条件下的R_D(S,P)，为降低测评随机性带来的误差，可将测试重复N次对测试结果取平均，

为第k个时间窗下的平均拓扑连通性指标，

为第i次测试中第k个时间窗下的拓扑连通性指标；在应力条件(S,P)下，对

和时间窗k进行回归拟合得到拟合曲线，求解应力条件集合H内所有应力条件下的数据链网络的拓扑连通性指标曲线集L₁；数据链性能参数指标A_D(S,P)＝{A_D(k,S,P)|k＝1,...,m,m≥1},式中：A_D(k,S,P)为应力条件(S,P)下第k个时间窗内的数据链性能参数指标；计算网络组集合中每一应力条件下的A_D(S,P)，为降低测评随机性带来的误差，可将测试重复N次对测试结果取平均，

为第k个时间窗下的平均数据链性能参数指标，

为第i次测试下第k个时间窗内的数据链性能参数指标；在应力条件(S,P)下，对

和时间窗k进行回归拟合得到拟合曲线，求解应力条件集合H内所有应力条件下的数据链网络的数据链性能参数指标曲线集L₂。

综合L₁和L₂，得到该次可靠性测试下数据链网络可靠性指标曲线组，进而分析数据链网络的整体可靠性、任务流程稳定性和局部故障下的鲁棒性。

S104，根据所述测试结果进行瓶颈节点的挖掘，得到数据链网络可靠性瓶颈节点。

S104具体包括：

根据所述测试结果进行基于度中心性的瓶颈节点挖掘。度中心性是衡量网络中节点重要性的一个指标，一般地，一个节点的邻居数目越多，度中心性越大，影响力越大；对于所研究的数据链网络，度中心性越大的节点对应链接更多的同层或其他层的节点，在战术数据传输、战术指令分发等任务剖面下起到中心枢纽的作用，因此在受到攻击和扰动时的单元局部或整体失效更易对数据链造成更大影响，易成为数据链网络的潜在瓶颈单元。

设在某一应力条件(S,P)下，对某一具体任务的数据链运行状态，第k个时间切片下施加应力失效后的动态网络为G_D(k,S,P)，最大连通子团为G′_D(k,S,P)；定义归一化度中心性指标为

式中，n为最大连通子团G′_D(k,S,P)的节点总数，

若第i个节点和其他任意一个节点j之间存在连边，则a_ij＝1，否则，a_ij＝0；计算k个时间切片下所有节点的度中心性，得到该时间切片下的节点度中心性集合为DC(k)＝{DC_i(k)|k＝1,...,n}。

根据所述测试结果进行基于介数中心性的瓶颈节点挖掘。介数中心性刻画了节点对网络传输的重要性；一般地，一个节点被任意节点对的最短路径经过次数越多，介数中心性越大，影响力越大；对于所研究的数据链网络，介数中心性越大的节点会作为更多同层节点对和不同层节点对之间数据传输的桥梁，数据传输负载大；介数中心性越大的节点在发生单元局部或整体失效时更易造成数据链内部的级联失效，直接影响整个数据链的抗毁性，易成为数据链网络的潜在瓶颈单元。

设在某一应力条件(S,P)下，对某一具体任务的数据链运行状态，第k个时间切片下施加应力失效后的动态网络为G_D(k,S,P)，最大连通子团为G′_D(k,S,P)；定义归一化介数中心性指标为

式中，n为最大连通子团G′_D(k,S,P)的节点总数，g_st为从节点v_s到v_t的所有最短路径的数目，

为从节点v_s到v_t的g_st最短路径中经过v_i的最短路径数目；计算k个时间切片下所有节点的介数中心性，得到该时间切片下的介数度中心性集合为BC(k)＝{BC_i(k)|k＝1,...,n}。

根据所述测试结果进行基于残余接近中心性的瓶颈节点挖掘。残余接近中心性衡量了节点的移除对网络带来的影响，一般地，一个节点的删除使得网络变得更加脆弱，该节点就越重要，残余接近中心性越大；对于所研究的数据链网络，残余接近中心性大的节点在战时环境和任务剖面下的局部或整体失效将对整个数据链网络造成较大影响，提高网络脆弱性，易成为数据链网络的潜在瓶颈单元。

设在某一应力条件(S,P)下，对某一具体任务的数据链运行状态，第k个时间切片下施加应力失效后的动态网络为G_D(k,S,P)，最大连通子团为G′_D(k,S,P)；定义归一化度中心性指标为

式中d_st(-i)为删除节点v_i之后，节点v_s与v_t的最短距离；计算k个时间切片下所有节点的残余接近中心性，得到该时间切片下的节点度中心性集合为RCC(k)＝{RCC_i(k)|k＝1,...,n}。

确定所有挖掘出的瓶颈节点的综合识别指标。

保留所述综合识别指标大于指标阈值的瓶颈节点。

将保留后的瓶颈节点确定为数据链网络可靠性瓶颈节点。

根据所研究的数据链网络，由于数据链在运行时往往受到多个维度的影响，因此需要综合多种因素识别数据链网络可靠性瓶颈节点；根据测试结果，设在某一应力条件(S,P)下，对某一具体任务的数据链运行状态，定位数据链在大规模崩溃前的运行时间切片设为k*，则在第k*个时间切片下施加应力失效后的动态网络为G_D(k^*,S,P)，最大连通子团为G′_D(k^*,S,P)；数据链网络瓶颈节点的挖掘，确定网络瓶颈节点的综合识别指标为：

式中，DC′_i(k^*)、BC′_i(k^*)和RCC′_i(k^*)分别为第i个节点在第k*个时间切片下归一化处理后的度中心性、介数中心性和残余接近中心性，β₁、β₂和β₃为DC′_i(k^*)、BC′_i(k^*)和RCC′_i(k^*)对应的权重，由于需要对三个指标进行归一化处理，故三个指标权重的和为1，即：

用于后续步骤中的可靠性迭代优化；计算第k*个时间切片下所有节点的综合识别指标，得到综合识别指标集合R(k^*)＝{R_i(k^*)|i＝1,...,n}，式中，n为最大连通子团G′_D(k^*,S,P)的节点总数；对集合R(k^*)进行降序排列，最终得到数据链网络可靠性瓶颈节点的识别排序，为后续步骤中的优化提供瓶颈节点的识别定位。

S105，对所述数据链网络可靠性瓶颈节点进行优化。根据所研究的数据链网络，针对综合识别指标集合

根据实际需求和工程成本确定优化单元比例

对集合R(k^*)按照降序排列后取前百分比为

的节点进行分析和优化，针对节点的优化主要为提升单元抗干扰性能、调配单元传输流量、加强单元防护诸措施。

S106，根据优化后的数据链网络可靠性瓶颈节点，确定优化后的数据链超网络模型；并返回所述对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果的步骤。进行“优化—测试—评估—优化”的迭代，直至满足数据链网络可靠性需求。

由于数据链网络本身多层耦合、结构复杂，数据链网络可靠性优化结果也存在一定的不确定，同时新的优化改进策略也可能引入新的故障甚至降低整体可靠性，因此需要对优化后的数据链网络进行测试和评估，将评估分析结果与优化策略结合，反馈到新的优化策略中，并基于数据链网络可靠性需求导向，实现数据链网络可靠性的迭代优化。

本发明所提供的一种基于瓶颈节点识别的数据链网络可靠性优化方法的优点：

1、可迭代：本发明首先通过建立数据链网络的可靠性模型和实施可靠性测试对数据链网络进行基本分析，之后在根据测试数据的基础上挖掘可靠性瓶颈节点并优化，再通过对比分析优化前后的网络可靠性进一步迭代优化，实现“优化—测试—评估—优化”的闭环迭代模式。

2、维度广：本发明在建立数据链网络可靠性模型时，分别从拓扑连通性和数据链性能参数两个角度建立可靠性指标体系，使可靠性指标更贴合对实际数据链运行的描述；识别数据链网络可靠性瓶颈节点时，从度中心性、介数中心性和残余介数中心性三个维度综合识别可靠性瓶颈节点，识别覆盖面更广。

3、易分析：本发明中所提出的运行可靠性指标基于复杂网络理论和数据链基本运行状态，分析对象明确；数据链网络的可靠性瓶颈挖掘基于实际的加载应力，在通过将实际测试数据转换成运行时的动态超网络后，结合超网络理论，能够从不同的维度对已有瓶颈进行挖掘和改进，优化方向更加明确，易于分析。

综上，这种基于瓶颈节点识别的数据链可靠性优化方法为工程应用中的数据网络可靠性优化提供了一种很好的解决方案。

图2为本发明所提供的一种基于瓶颈节点识别的数据链网络可靠性优化系统结构示意图，如图2所示，本发明所提供的一种基于瓶颈节点识别的数据链网络可靠性优化系统，包括：数据链网络参数获取模块201、数据链超网络模型建立模块202、测试结果确定模块203、数据链网络可靠性瓶颈节点确定模块204、数据链网络可靠性瓶颈节点优化模块205和优化后的数据链超网络模型确定模块206。

数据链网络参数获取模块201用于获取数据链的层次结构、任务的运行流程及实时运行状态。

数据链超网络模型建立模块202用于根据所述层次结构、任务的运行流程及实时运行状态，结合超网络理论，建立数据链超网络模型；所述数据链超网络模型是以时间为序的数据链网络的超网络的集合。

测试结果确定模块203用于对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果。

数据链网络可靠性瓶颈节点确定模块204用于根据所述测试结果进行瓶颈节点的挖掘，得到数据链网络可靠性瓶颈节点。

数据链网络可靠性瓶颈节点优化模块205用于对所述数据链网络可靠性瓶颈节点进行优化。

优化后的数据链超网络模型确定模块206用于根据优化后的数据链网络可靠性瓶颈节点，确定优化后的数据链超网络模型；并返回所述对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果的步骤。

本发明所提供的一种基于瓶颈节点识别的数据链网络可靠性优化系统，还包括：可靠性指标体系确定模块。

可靠性指标体系确定模块用于根据所述数据链超网络模型确定可靠性指标体系；所述可靠性指标体系包括网络拓扑连通性指标和数据链性能参数指标。

所述测试结果确定模块203具体包括：数据链网络的节点和连边的失效模式以及加载应力获取单元、数据链网络可靠性测试确定单元、平均网络拓扑连通性指标和数据链性能参数指标确定单元、数据链网络的可靠性指标曲线组确定单元和测试结果确定单元。

数据链网络的节点和连边的失效模式以及加载应力获取单元用于获取所述数据链网络的节点和连边的失效模式以及加载应力。

数据链网络可靠性测试确定单元用于根据所述节点和连边的失效模式以及加载应力确定数据链网络可靠性测试。

平均网络拓扑连通性指标和数据链性能参数指标确定单元用于对所述数据链超网络模型进行数据链网络可靠性测试，得到测试后的平均网络拓扑连通性指标和数据链性能参数指标。

数据链网络的可靠性指标曲线组确定单元用于对所述测试后的平均网络拓扑连通性指标和数据链性能参数指标进行拟合，得到所述数据链网络的可靠性指标曲线组。

测试结果确定单元用于根据所述可靠性指标曲线组，确定测试结果。

所述数据链网络可靠性瓶颈节点确定模块204具体包括：基于度中心性的瓶颈节点挖掘单元、基于介数中心性的瓶颈节点挖掘单元、残余接近中心性的瓶颈节点挖掘单元、综合识别指标确定单元、保留单元和数据链网络可靠性瓶颈节点确定单元。

基于度中心性的瓶颈节点挖掘单元用于根据所述测试结果进行基于度中心性的瓶颈节点挖掘。

基于介数中心性的瓶颈节点挖掘单元用于根据所述测试结果进行基于介数中心性的瓶颈节点挖掘。

残余接近中心性的瓶颈节点挖掘单元用于根据所述测试结果进行基于残余接近中心性的瓶颈节点挖掘。

综合识别指标确定单元用于确定所有挖掘出的瓶颈节点的综合识别指标；

保留单元用于保留所述综合识别指标大于指标阈值的瓶颈节点。

数据链网络可靠性瓶颈节点确定单元用于将保留后的瓶颈节点确定为数据链网络可靠性瓶颈节点。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的数据链而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于瓶颈节点识别的数据链网络可靠性优化方法，其特征在于，包括：

获取数据链的层次结构、任务的运行流程及实时运行状态；

根据所述层次结构、任务的运行流程及实时运行状态，结合超网络理论，建立数据链超网络模型；所述数据链超网络模型是以时间为序的数据链网络的超网络的集合；

对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果；

根据所述测试结果进行瓶颈节点的挖掘，得到数据链网络可靠性瓶颈节点；

对所述数据链网络可靠性瓶颈节点进行优化；

根据优化后的数据链网络可靠性瓶颈节点，确定优化后的数据链超网络模型；并返回所述对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果的步骤。

2.根据权利要求1所述的一种基于瓶颈节点识别的数据链网络可靠性优化方法，其特征在于，所述根据所述层次结构、任务的运行流程及实时运行状态，结合超网络理论，建立数据链超网络模型，之后还包括：

根据所述数据链超网络模型确定可靠性指标体系；所述可靠性指标体系包括网络拓扑连通性指标和数据链性能参数指标。

3.根据权利要求2所述的一种基于瓶颈节点识别的数据链网络可靠性优化方法，其特征在于，所述对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果，具体包括：

获取所述数据链网络的节点和连边的失效模式以及加载应力；

根据所述节点和连边的失效模式以及加载应力确定数据链网络可靠性测试；

对所述数据链超网络模型进行数据链网络可靠性测试，得到测试后的平均网络拓扑连通性指标和数据链性能参数指标；

对所述测试后的平均网络拓扑连通性指标和数据链性能参数指标进行拟合，得到所述数据链网络的可靠性指标曲线组；

根据所述可靠性指标曲线组，确定测试结果。

4.根据权利要求1所述的一种基于瓶颈节点识别的数据链网络可靠性优化方法，其特征在于，所述根据所述测试结果进行瓶颈节点的挖掘，得到数据链网络可靠性瓶颈节点，具体包括：

根据所述测试结果进行基于度中心性的瓶颈节点挖掘；

根据所述测试结果进行基于介数中心性的瓶颈节点挖掘；

根据所述测试结果进行基于残余接近中心性的瓶颈节点挖掘；

确定所有挖掘出的瓶颈节点的综合识别指标；

保留所述综合识别指标大于指标阈值的瓶颈节点；

将保留后的瓶颈节点确定为数据链网络可靠性瓶颈节点。

5.一种基于瓶颈节点识别的数据链网络可靠性优化系统，其特征在于，包括：

数据链网络参数获取模块，用于获取数据链的层次结构、任务的运行流程及实时运行状态；

数据链超网络模型建立模块，用于根据所述层次结构、任务的运行流程及实时运行状态，结合超网络理论，建立数据链超网络模型；所述数据链超网络模型是以时间为序的数据链网络的超网络的集合；

测试结果确定模块，用于对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果；

数据链网络可靠性瓶颈节点确定模块，用于根据所述测试结果进行瓶颈节点的挖掘，得到数据链网络可靠性瓶颈节点；

数据链网络可靠性瓶颈节点优化模块，用于对所述数据链网络可靠性瓶颈节点进行优化；

优化后的数据链超网络模型确定模块，用于根据优化后的数据链网络可靠性瓶颈节点，确定优化后的数据链超网络模型；并返回所述对所述数据链超网络模型进行数据链网络可靠性测试，得到测试结果的步骤。

6.根据权利要求5所述的一种基于瓶颈节点识别的数据链网络可靠性优化系统，其特征在于，还包括：

可靠性指标体系确定模块，用于根据所述数据链超网络模型确定可靠性指标体系；所述可靠性指标体系包括网络拓扑连通性指标和数据链性能参数指标。

7.根据权利要求6所述的一种基于瓶颈节点识别的数据链网络可靠性优化系统，其特征在于，所述测试结果确定模块具体包括：

数据链网络的节点和连边的失效模式以及加载应力获取单元，用于获取所述数据链网络的节点和连边的失效模式以及加载应力；

数据链网络可靠性测试确定单元，用于根据所述节点和连边的失效模式以及加载应力确定数据链网络可靠性测试；

平均网络拓扑连通性指标和数据链性能参数指标确定单元，用于对所述数据链超网络模型进行数据链网络可靠性测试，得到测试后的平均网络拓扑连通性指标和数据链性能参数指标；

数据链网络的可靠性指标曲线组确定单元，用于对所述测试后的平均网络拓扑连通性指标和数据链性能参数指标进行拟合，得到所述数据链网络的可靠性指标曲线组；

测试结果确定单元，用于根据所述可靠性指标曲线组，确定测试结果。

8.根据权利要求5所述的一种基于瓶颈节点识别的数据链网络可靠性优化系统，其特征在于，所述数据链网络可靠性瓶颈节点确定模块具体包括：

基于度中心性的瓶颈节点挖掘单元，用于根据所述测试结果进行基于度中心性的瓶颈节点挖掘；

基于介数中心性的瓶颈节点挖掘单元，用于根据所述测试结果进行基于介数中心性的瓶颈节点挖掘；

残余接近中心性的瓶颈节点挖掘单元，用于根据所述测试结果进行基于残余接近中心性的瓶颈节点挖掘；

综合识别指标确定单元，用于确定所有挖掘出的瓶颈节点的综合识别指标；

保留单元，用于保留所述综合识别指标大于指标阈值的瓶颈节点；

数据链网络可靠性瓶颈节点确定单元，用于将保留后的瓶颈节点确定为数据链网络可靠性瓶颈节点。

Images