CN112580217A - 基于复杂网络的通信体系结构参数化建模方法 - Google Patents

Abstract

本发明提供了一种基于复杂网络的通信体系结构参数化建模方法，包括：S1、通过对基于复杂网络的典型海战场概念级通信体系结构复杂性进行分析，获取典型海战场概念级通信体系结构的基本特征与交互关系；S2、创建基于复杂网络的海战场概念级通信体系结构参数化模型；S3、构建面向作战环的装备体系网多维度能力分析与评估的指标库；S4、在测试平台上使用模拟数据集进行建模与分析。本发明所述的基于复杂网络的通信体系结构参数化建模方法基于复杂网络的理论对各武器装备系统间的协同关系和动力学行为进行综合研究，不仅可以刻画武器装备系统个体，而且可对武器装备体系整体的复杂性及涌现性进行描述。

Description

基于复杂网络的通信体系结构参数化建模方法

技术领域

本发明属于军事信息化技术领域，尤其是涉及一种基于复杂网络的通信体系结构参数化建模方法。

背景技术

当前科学技术的飞速发展尤其是信息技术的发展，引发了新的军事变革，信息战逐渐成为未来战场上一种新的作战方式。由于战争的形态和运行规律发生了巨大的变化，传统的战争研究方法已经很难适应信息化时代的要求，在高技术条件下的局部战争中，战场将在陆、海、空、天、电(磁)多维空间展开；部队的战场机动性空前增强、活动空间增大、指挥协同关系更为复杂。而实现信息准确、快速地传输是充分发挥一体化作战威力的基本要素，这对信息传输提出了更高要求，从而使得作为信息传输载体的概念级通信体系结构，在现代信息化战争中，具有越来越明显的举足轻重的作用。概念级通信体系模型作为作战模拟系统中的底层支撑平台，是作战模拟系统中连接各作战单元的纽带和桥梁，是系统的神经网络，负责迅速、准确、安全和可靠地传递各种指挥、控制和情报信息，把各种作战要素连接成一个有机的整体。要实现信息化条件下体系对抗的作战模拟，必须首先研究典型海战场模拟系统中概念级通信体系结构的建模。因此典型海战场概念级通信体系结构参数化建模算法研究具有重要的理论意义和应用价值。

纵观当前国内外关于武器装备体系建模的研究，可以发现当前的武器装备体系建模研究主要是基于DoDAF等体系结构框架，即利用DoDAF多视图的方法描述武器装备体系，然后将投资组合等决策方法用于武器装备体系规划。然而，DoDAF只提供了各种视图产品的框架以及描述标准，主要起到从宏观层次上对体系进行描述的作用，对微观层次上的体系内部的装备关联描述和分析不足，成为制约装备体系建模与能力评估进一步发展的瓶颈问题。

复杂网络是具有复杂拓扑结构和动态演化特性的大规模网络，基于复杂网络的武器装备体系建模可对各武器装备系统间的协同关系和动力学行为进行综合研究，不仅可以刻画武器装备系统个体，而且可对武器装备体系整体的复杂性及涌现性进行描述。采用复杂网络理论与智能技术对装备体系进行参数化建模，为实现对装备体系进行抗毁性、可用性等多维度分析及拓扑结构优化重构提供了一条可行途径。通过对装备体系特性及交互关系进行概念建模，建立基于复杂网络和智能优化技术的大规模异种装备体系的参数化模型并进行多维度指标分析，形成基于超网络表示学习与高阶模糊认知图的装备体系结构参数化建模理论方法体系与面向海战场大规模多域作战装备体系的多维度分析评估体系模板，实现对装备体系的系统化、科学化、实用化评估，为装备体系优化改进奠定基础。

发明内容

有鉴于此，本发明旨在提出一种基于复杂网络的通信体系结构参数化建模方法，以解决采用沙盘作业需要采用比例尺较小的沙盘，不能详细地显示作战区域的具体情况，对战役指挥员及其指挥机关的使用有一定限制的问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于复杂网络的通信体系结构参数化建模方法，包括：

S1、通过对基于复杂网络的典型海战场概念级通信体系结构复杂性进行分析，获取典型海战场概念级通信体系结构的基本特征与交互关系；

S2、创建基于复杂网络的海战场概念级通信体系结构参数化模型；

S3、构建面向作战环的装备体系网多维度能力分析与评估的指标库；

S4、在测试平台上使用模拟数据集进行建模与分析；

S5、获取对该数据集的各项指标进行评估后的结果。

进一步的，所述步骤S1中，海战场概念级通信体系结构的基本特征及其含义如下：

A.介数

节点i的介数定义为网络中节点对最短路径中通过节点i的个数占所有最短路径数的比例，用于反映节点对网络中信息流动的影响力；

B.平均距离

网络两个节点i和j之间的距离dij定义为连接这两个节点的最短路径上的边数；网络的平均距离L定义为任意两个节点之间的距离的平均值；

C.网络效率

平均距离和直径衡量的是网络的连通性能和效率；网络效率解决了当网络不连通时平均最短路径长度不再适用的问题；

D.最大簇大小

定义为最大簇的节点数；

E.簇参数

定义为最大簇中所有节点对的平均最短路径长度，簇参数是度量网络联通性能的重要参数，簇参数越小，表示网络连接越紧密，反之越稀疏；

F.网络连接度

连接度即点连通度，指为使网络不连通至少需要移除的节点数；对于一个连通网络，定义CNij为断开一对节点(i,j)之间所有通路所需去掉的最少节点数；

G.网络结合度

结合度即边连通度，指为使网络不连通至少需要移除的边；对于一个连通网络，定义CHij为断开一对节点(i,j)之间所有通路所需去掉的最少链路数。

进一步的，所述步骤S2的具体方法如下：

定义由节点集合V＝{v1,v2,…,vn}和边集合E＝{e1,e2,…,em}所组成的网络图；其中vi代表各作战装备，其数量n＝|V|；边ej描述各作战装备间的交互关系，若某两个装备节点存在交互信息流，则认为这两个节点间有边相连，否则无边。

进一步的，所述步骤S3中，构建的指标库包括构建节点和链路重要性评估指标库；

其中针对通信节点的重要性评估包括节点度评估、节点介数评估以及簇大小评估；

其中，节点度评估方法具体为：

节点i的度di具体计算公式如下：

其中，a_ij是网络邻接矩阵的元素，表示节点i与网络中其他节点的连接关系，具体取值如下：

其中，a_ij的取值为{0,1}；

节点介数评估方法具体为：

节点介数定义为网络中经过该节点的最短路径数与全部最短路径数之比，节点的介数越大就越重要；节点介数的计算公式如下：

式中，g_jk表示节点j与节点k之间最短路径的条数，g_jk(i)表示节点j与节点k之间经过节点i的最短路径条数；

簇大小评估方法具体为：

节点i的簇大小定义为移除该节点后网络最大连通分量占原始网络规模的比值，反映了装备对网络整体结构的影响力，计算公式如下：

其中，N为通信网络中节点总数；

其中，链路重要性评估包括度乘积评估和边介数评估；

度乘积评估方法如下：

链路j的度乘积定义为链路两端节点度的乘积，基于链路两端节点的重要性来评价链路重要程度；设链路j两侧节点分别为i和k，则链路度乘积具体计算公式如下：

DP_j＝d_i×d_k

式中，d_i和d_j分别表示节点i和j的度；

边介数评估方法具体为：

与节点介数类似，链路j的介数定义为经过该条链路的最短路径数与全部最短路径数之比，链路的介数越大就越重要，反映了基于网络信息流动以评价链路重要程度。

进一步的，所述步骤S3中，构建的指标库还包括构建海战场概念级通信体系结构抗毁性评估指标库；

所述海战场概念级通信体系结构抗毁性评估指标库包括对节点鲁棒性的评估和链路鲁棒性的评估；

其中，节点鲁棒性指标R计算公式如下：

其中，N为网络规模，Q表示为移除节点(装备)的数量，s(Q)定义为当前网络最大连通分量与网络节点个数的比值，R值越大越好，表示网络在遭受攻击时结构变化不明显；

链路鲁棒性指标R_l计算与节点鲁棒性R计算类似，具体公式如下：

其中，E为网络链路数，R_l值越大越好，表示网络在遭受攻击时结构变化不明显。

进一步的，所述步骤S4的具体方法如下：

将D_Te中第i个测试数据集D_i,test作为系统的输入，对读取到的系统进行参数化建模与分析，得到各项评估指标结果序列

进一步的，所述步骤S的具体方法如下：

对各项评估指标结果序列

进行解析，得到针对每一个具体指标的计算结果

其中，

为评估的第i个指标针对当前网络的评估结果。

相对于现有技术，本发明所述的基于复杂网络的通信体系结构参数化建模方法具有以下优势：

(1)本发明所述的基于复杂网络的通信体系结构参数化建模方法基于复杂网络的理论对各武器装备系统间的协同关系和动力学行为进行综合研究，不仅可以刻画武器装备系统个体，而且可对武器装备体系整体的复杂性及涌现性进行描述。相较于传统的利用DoDAF多视图的方法描述武器装备体系方法，可以从微观层次建模分析体系内部的装备关联及关键环节，更加真实反映装备体系结构并进行能力评估。

(2)本发明所述的基于复杂网络的通信体系结构参数化建模方法从微观到宏观多维度分析装备体系能力。分析装备和链路的重要性是从微观角度评估，而体系的结构稳定性、功能可用性则是从宏观角度评估。相较于现有的单一网络结构评价方法，可以更加全面、细致地反映体系整体作战情况。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明流程图；

图2为数据导入界面图；

图3为节点重要性评估界面图；

图4为链路重要性评估界面图；

图5为抗毁性评估示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，首先对基于复杂网络的典型海战场概念级通信体系结构复杂性进行分析，得到海战场装备体系特性及交互关系，基于以上内容结合作战背景形成基于复杂网络的海战场概念级通信体系结构参数化模型，然后构建面向作战环的装备体系网多维度能力分析与评估的指标库，最后在测试平台上使用真实数据集进行建模与分析评估，根据作战需求得到各个指标的分析评估结果，为装备体系优化改进提供参考。

根据上述技术思路，实现本发明目的采取的技术方案包括如下步骤：

(1)获取典型海战场概念级通信体系结构基本特征与交互关系：

(1a)通信网络是军队为实施指挥，运用通信工具或其他方法传递信息的网络，是围绕战争这个特殊的环境和任务发展起来的一种人工功能网络。战场及相关区域内的各个通信实体，由于彼此之间信息的传输与交换，构成了通信网络的拓扑结构模型。根据复杂网络理论，复杂网络的行为主要取决于各子系统在良好定义的路径集合上物质、能量或信息的交换和相互作用。换句话说，网络的行为主要取决于两个方面：一是连接路径(拓扑结构，可能是动态的结构)；二是交换和相互作用(动力学)。而对于通信网络来说，其能力亦体现为整体行为，说明网络结构是确定网络能力的关键要素。在信息化、网络化战争环境下，通信网络作为信息的载体，具有举足轻重的作用，它由多个交换节点用传输链路互连以一定的拓扑结构构成；特殊的是，它具有异质节点、多重链路和时变拓扑等特征。

(1b)总结海战场概念级通信体系结构描述指标及物理含义如下：

A.介数

节点i的介数定义为网络中节点对最短路径中通过节点i的个数占所有最短路径数的比例，反映了节点对网络中信息流动的影响力。介数指标刻画了信息流经过给定节点的可能性，任意节点的介数值均会随着经过该节点的信息流的增加而增大。因此，可以利用介数指标准确寻找网络中某些“流量”非常大的重要节点。介数指标可以反映基于网络整体(全局)的节点重要性。

B.平均距离(网络的平均路径长度)

网络两个节点i和j之间的距离dij定义为连接这两个节点的最短路径上的边数。网络的平均距离L定义为任意两个节点之间的距离的平均值。网络的平均距离越长，说明网络层次越多，网络中信息的流动、共享与同步将会越困难，也就使得军事网络为各作战单元提供迅速、准确、有效的共享态势感知越难实现。网络的平均距离越短，越有利于节点之间信息的传递。此指标可以反映整个网络的通信效率。

C.网络效率

平均路径长度和直径衡量的是网络的连通性能和效率。网络效率公式解决了当网络不连通时平均最短路径长度不再适用的问题。

D.最大簇大小(最大连通分量的大小)

定义：最大簇的节点数。

E.簇参数

定义：最大簇中所有节点对的平均最短路径长度。簇参数是度量网络联通性能的重要参数，簇参数越小，表示网络连接越紧密，反之越稀疏。

F.网络连接度

连接度即点连通度，指为使网络不连通至少需要移除的节点数。对于一个连通网络，定义CNij为断开一对节点(i,j)之间所有通路所需去掉的最少节点数。

G.网络结合度(粘聚度)

结合度即边连通度，指为使网络不连通至少需要移除的边数。对于一个连通网络，定义CHij为断开一对节点(i,j)之间所有通路所需去掉的最少链路数。

(2)形成基于复杂网络的海战场概念级通信体系结构参数化模型：

定义由节点集合V＝{v₁,v₂,…,v_n}和边集合E＝{e₁,e₂,…,e_m}所组成的网络图。其中v_i代表各作战装备，其数量n＝|V|；边e_j描述各作战装备间的交互关系，若某两个装备节点存在交互信息流，则认为这两个节点间有边相连，否则无边。通常情况下，考虑到两个作战装备之间的关系可能是单方向指挥关系或者某装备只允许接收指令等，我们可以进一步将作战装备体系建模为单向网络图，其中边集合E为有向边集合。通过增加各作战装备间的约束条件，我们可以进一步运用邻接矩阵或者邻接表等数据结构来将装备体系特性及交互关系储存下来，为接下来对装备体系进行多维度分析评估奠定基础。

(3)构建面向作战环的装备体系网多维度能力分析与评估的指标库：

(3a)节点和链路重要性评估指标库：

节点和链路重要性评估是网络可靠性研究的主要内容之一。节点和链路重要性反应了节点和链路对网络整体性能的影响，有效地评估节点和链路重要性，对于通信网络规划、设计、维护、管理以及提高网络运行可靠性等诸多方面有着重要意义。如根据节点和链路重要性评估结果，网络规划设计人员可以在网络设计时通过备份或者重点保护等方式，增加重要节点和链路的可靠性，减少故障，进而提高整个网络的可靠性；当网络中多个节点和多条链路同时发生故障时，能够帮助确定节点和链路维修的先后顺序，确保网络损失最小。

基于先前的调研结果以及实际需求，在评估通信节点重要性时，我们采用了三种方案，分别为基于节点度、节点介数以及簇大小的节点重要性评价方法；评价链路重要性时，我们采用了两种方案，分别为基于度乘积以及边介数的链路重要性评价方法。下面我们将介绍这几种指标的意义及具体计算方式。

(3aa)节点度

一般来说，节点的度越大，节点在网络中的重要程度就越高，这类方法是基于节点周围信息来定义，反映了网络的局部信息。节点i的度di具体计算公式如下：

其中，a_ij是网络邻接矩阵的元素，表示节点i与网络中其他节点的连接关系，具体取值如下：

一般a_ij的取值为{0,1}，考虑到通信网络存在多重边的情况，我们对通信网络的邻接矩阵值进行了修改，更符合实际意义。

(3ab)节点介数

节点介数定义为网络中经过该节点的最短路径数与全部最短路径数之比，节点的介数越大就越重要。这种评估方法比较全面，反映了网络的全局信息，但应用于大规模网络时，计算复杂度较高。

式中，g_jk表示节点j与节点k之间最短路径的条数，g_jk(i)表示节点j与节点k之间经过节点i的最短路径条数。

(3ac)簇大小

节点i的簇大小定义为移除该节点后网络最大连通分量占原始网络规模的比值，反映了装备对网络整体结构的影响力。

其中，N为通信网络中节点总数。

(3ad)度乘积

链路j的度乘积定义为链路两端节点度的乘积，基于链路两端节点的重要性来评价链路重要程度。我们假设，链路j两侧节点分别为i和k，则链路度乘积具体计算公式如下：

DP_j＝d_i×d_k

式中，d_i和d_j分别表示节点i和j的度。

(3ae)边介数

与节点介数类似，链路j的介数定义为经过该条链路的最短路径数与全部最短路径数之比，链路的介数越大就越重要，反映了基于网络信息流动以评价链路重要程度。

(3b)海战场概念级通信体系结构抗毁性评估指标库：

针对结构抗毁性，现有通信网络的抗毁性测度主要侧重于从网络连通性的角度描述网络拓扑结构对通信网络抗毁性的影响，而以往所指的连通性都是指网络中任意两个节点都存在通路，这对于存在大量节点的通信网络是不适用的，因为个别节点的失效对于大型通信网络的连通性并没有太大的影响。另外，网络的平均最短距离和最大连通片的个数也影响着通信网络的连通性。为此，我们综合考虑这些因素定义新的通信网络的连通性测度。基于网络的连通性，我们采用了两种传统网络经典方式分别对节点攻击和链路攻击下的通信网络进行抗毁性的评价，可以反映通信网络在遭受连续攻击时结构的变化。较高的网络连通性是通信网实现迅速而准确地各种信息传递功能的基础。因此，以网络的连通性为目标的抗毁性测度，对于信息化条件下通信网络的抗毁性研究具有更为重要的意义。抗毁性的研究对作战双方都起着重要的指导意义。攻方希望通过对敌方网络的拓扑结构进行抗毁性分析，寻找理想的攻击方案，以便选择其薄弱环节进行打击，提升打击效果。守方则希望通过对抗毁性的分析，合理部署网络的节点和链路，使网络具有较强的抗毁性能。

节点鲁棒性指标R计算公式如下：

其中，N为网络规模，Q表示为移除节点(装备)的数量，s(Q)定义为当前网络最大连通分量与网络节点个数的比值，R值越大越好，表示网络在遭受攻击时结构变化不明显。

链路鲁棒性指标R_l计算与节点鲁棒性R计算类似，具体公式如下：

其中，E为网络链路数，R_l值越大越好，表示网络在遭受攻击时结构变化不明显。

(4)在测试平台上使用模拟数据集进行建模与分析：

将D_Te中第i个测试数据集D_i,test作为系统的输入，对读取到的系统进行参数化建模与分析，得到各项评估指标结果序列

(5)获取对该数据集的各项指标进行评估后的结果L′：

对各项评估指标结果序列

进行解析，得到针对每一个具体指标的计算结果

其中，

为评估的第i个指标针对当前网络的评估结果。

下面结合具体示例对本发明的技术方案进一步解释说明。

步骤1)基于复杂网络的典型海战场概念级通信体系特性及交互关系描述

定义由节点集合V＝{v₁,v₂,…,v_n}和边集合E＝{e₁,e₂,…,e_m}所组成的网络图。其中v_i代表各作战装备，其数量n＝|V|；边e_j描述各作战装备间的交互关系，若某两个装备节点存在交互信息流，则认为这两个节点间有边相连，否则无边。根据武器装备体系的宏观性质，我们可以定义复杂网络中的节点和边，确定节点和边的类别、性质，分析节点间的逻辑关系。复杂网络是具有复杂拓扑结构和动态演化特性的大规模网络，基于复杂网络的作战装备体系交互关系概念建模可对各武器装备系统间的协同关系和行为进行综合研究，不仅可以刻画武器装备系统个体，而且可对武器装备体系整体的复杂性进行描述。

步骤2)构建基于复杂网络的典型海战场概念级通信体系结构参数化模型：

在梳理完装备种类，收集各种装备的特性、作战性能及对其性能会产生影响的因素后，根据复杂网络理论，我们需要将观察到的海战场概念级通信体系用参数化形式表示出来。在这里我们将每个装备建模成一个节点，将装备间的逻辑关系建模成可以用权重大小表示强弱关系的边，通过增加各作战装备间的约束条件，我们可以进一步运用邻接矩阵或者邻接表等数据结构来将装备体系特性及交互关系储存下来，为接下来对装备体系进行多维度分析评估奠定基础。

步骤3)构建多维度评价指标库：

基于对海战场概念级通信体系的调研以及实际作战背景需求，我们构建了多个维度的参数化评估指标库。在评估通信节点重要性时，我们采用了三种方案，分别为基于节点度、节点介数以及簇大小的节点重要性评价方法；评价链路重要性时，我们采用了两种方案，分别为基于度乘积以及边介数的链路重要性评价方法。评价系统结构抗毁性时，从网络连通性的角度描述网络拓扑结构对通信网络抗毁性的影响，采用节点鲁棒性与链路鲁棒性评价指标。

步骤4)在测试平台上进行软件模块功能实现：

(4a)首先，从数据源读取并导入测试数据，具体界面如图2所示：

导入数据包含装备实体与链路两部分：实体节点数据格式包括实体名称、类型，装备所处经度、纬度和高度，通信方式(信道)以及指挥等级；链路数据格式为当前系统中所有装备节点的连接关系。应用数据后，我们可以通过邻接矩阵快速可视化地展示出任一装备节点与其他节点的所有连接手段。

(5b)然后，我们将具体分析装备重要性以及链路重要性并进行排序：

针对装备重要性，我们提供了三种评价指标和相关说明以供选择：度、介数和簇大小。当用户根据需求选择任一评价指标后，我们可以快速准确计算得到装备重要性排序表，具体示例如图3所示：

针对链路重要性，我们提供了两种评价指标和相关说明以供选择：度乘积和边介数。当用户根据需求选择任一评价指标后，我们可以快速准确计算得到链路重要性排序表，具体示例如图4所示：

(5c)接下来，我们对建模后的装备体系结构进行整体抗毁性分析，其中结构抗毁性基于装备和链路两个角度分别有不同的计算评价方法。具体示例如图5所示：

以下结合仿真实验，对本发明的技术效果做进一步的说明：

1.仿真实验条件：

本发明的仿真实验的硬件平台为：处理器为Intel(R)Core(TM)i5200-U CPU@2.20GHz，内存为8.00GB，固态硬盘为500GB。

本发明的仿真实验的软件平台为：Windows 10操作系统和Visual Studio2013软件平台。

2.仿真内容及其结果分析：

在测试数据集为100个节点规模、节点平均度大小为5的真实场景下，基于复杂网络的典型海战场概念级通信体系结构参数化建模及分析方法的耗费时间如表1所示。

表1.本发明方法建模及分析耗费时间(单位：秒)

节点及链路重要性分析计算结果以及网络抗毁性分析计算结果可参照图5。

以上仿真实验表明：本发明首先对基于复杂网络的典型海战场概念级通信体系结构复杂性进行分析，得到海战场装备体系特性及交互关系，基于以上内容结合作战背景形成基于复杂网络的海战场概念级通信体系结构参数化模型，然后构建面向作战环的装备体系网多维度能力分析与评估的指标库并在测试平台上进行仿真实验。试验表明，本发明能够准确快速地对输入的数据集进行参数建模，实现对装备体系的系统化、科学化、实用化评估，很适合实际的应用仿真作战场景的应用和部署，为指挥员准确及时地做出决策提供参考。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。上述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.基于复杂网络的通信体系结构参数化建模方法，其特征在于,包括：

S1、通过对基于复杂网络的典型海战场概念级通信体系结构复杂性进行分析，获取典型海战场概念级通信体系结构的基本特征与交互关系；

S2、创建基于复杂网络的海战场概念级通信体系结构参数化模型；

S3、构建面向作战环的装备体系网多维度能力分析与评估的指标库；

S4、在测试平台上使用模拟数据集进行建模与分析；

S5、获取对该数据集的各项指标进行评估后的结果。

2.根据权利要求1所述的基于复杂网络的通信体系结构参数化建模方法，其特征在于，所述步骤S1中，海战场概念级通信体系结构的基本特征及其含义如下：

A.介数

节点i的介数定义为网络中节点对最短路径中通过节点i的个数占所有最短路径数的比例，用于反映节点对网络中信息流动的影响力；

B.平均距离

网络两个节点i和j之间的距离dij定义为连接这两个节点的最短路径上的边数；网络的平均距离L定义为任意两个节点之间的距离的平均值；

C.网络效率

平均距离和直径衡量的是网络的连通性能和效率；网络效率解决了当网络不连通时平均最短路径长度不再适用的问题；

D.最大簇大小

定义为最大簇的节点数；

E.簇参数

定义为最大簇中所有节点对的平均最短路径长度，簇参数是度量网络联通性能的重要参数，簇参数越小，表示网络连接越紧密，反之越稀疏；

F.网络连接度

连接度即点连通度，指为使网络不连通至少需要移除的节点数；对于一个连通网络，定义CNij为断开一对节点(i,j)之间所有通路所需去掉的最少节点数；

G.网络结合度

结合度即边连通度，指为使网络不连通至少需要移除的边；对于一个连通网络，定义CHij为断开一对节点(i,j)之间所有通路所需去掉的最少链路数。

3.根据权利要求1所述的基于复杂网络的通信体系结构参数化建模方法，其特征在于，所述步骤S2的具体方法如下：

定义由节点集合V＝{v1,v2,…,vn}和边集合E＝{e1,e2,…,em}所组成的网络图；其中vi代表各作战装备，其数量n＝|V|；边ej描述各作战装备间的交互关系，若某两个装备节点存在交互信息流，则认为这两个节点间有边相连，否则无边。

4.根据权利要求2所述的基于复杂网络的通信体系结构参数化建模方法，其特征在于，所述步骤S3中，构建的指标库包括构建节点和链路重要性评估指标库；

其中针对通信节点的重要性评估包括节点度评估、节点介数评估以及簇大小评估；

其中，节点度评估方法具体为：

节点i的度di具体计算公式如下：

其中，a_ij是网络邻接矩阵的元素，表示节点i与网络中其他节点的连接关系，具体取值如下：

其中，a_ij的取值为{0,1}；

节点介数评估方法具体为：

节点介数定义为网络中经过该节点的最短路径数与全部最短路径数之比，节点的介数越大就越重要；节点介数的计算公式如下：

式中，g_jk表示节点j与节点k之间最短路径的条数，g_jk(i)表示节点j与节点k之间经过节点i的最短路径条数；

簇大小评估方法具体为：

节点i的簇大小定义为移除该节点后网络最大连通分量占原始网络规模的比值，反映了装备对网络整体结构的影响力，计算公式如下：

其中，N为通信网络中节点总数；

其中，链路重要性评估包括度乘积评估和边介数评估；

度乘积评估方法如下：

链路j的度乘积定义为链路两端节点度的乘积，基于链路两端节点的重要性来评价链路重要程度；设链路j两侧节点分别为i和k，则链路度乘积具体计算公式如下：

DP_j＝d_i×d_k

式中，d_i和d_j分别表示节点i和j的度；

边介数评估方法具体为：

与节点介数类似，链路j的介数定义为经过该条链路的最短路径数与全部最短路径数之比，链路的介数越大就越重要，反映了基于网络信息流动以评价链路重要程度。

5.根据权利要求4所述的基于复杂网络的通信体系结构参数化建模方法，其特征在于，所述步骤S3中，构建的指标库还包括构建海战场概念级通信体系结构抗毁性评估指标库；

所述海战场概念级通信体系结构抗毁性评估指标库包括对节点鲁棒性的评估和链路鲁棒性的评估；

其中，节点鲁棒性指标R计算公式如下：

其中，N为网络规模，Q表示为移除节点(装备)的数量，s(Q)定义为当前网络最大连通分量与网络节点个数的比值，R值越大越好，表示网络在遭受攻击时结构变化不明显；

链路鲁棒性指标R_l计算与节点鲁棒性R计算类似，具体公式如下：

其中，E为网络链路数，R_l值越大越好，表示网络在遭受攻击时结构变化不明显。

6.根据权利要求1所述的基于复杂网络的通信体系结构参数化建模方法，其特征在于，所述步骤S4的具体方法如下：

将D_Te中第i个测试数据集D_i,test作为系统的输入，对读取到的系统进行参数化建模与分析，得到各项评估指标结果序列

7.根据权利要求6所述的基于复杂网络的通信体系结构参数化建模方法，其特征在于，所述步骤S的具体方法如下：

对各项评估指标结果序列

进行解析，得到针对每一个具体指标的计算结果

其中，

为评估的第i个指标针对当前网络的评估结果。

Images