CN116319439A - 一种网络实体能力参数确定方法及其评价系统 - Google Patents
一种网络实体能力参数确定方法及其评价系统 Download PDFInfo
- Publication number
- CN116319439A CN116319439A CN202211093668.6A CN202211093668A CN116319439A CN 116319439 A CN116319439 A CN 116319439A CN 202211093668 A CN202211093668 A CN 202211093668A CN 116319439 A CN116319439 A CN 116319439A
- Authority
- CN
- China
- Prior art keywords
- capability
- network
- network entity
- task
- digital twin
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000011156 evaluation Methods 0.000 title claims abstract description 47
- 230000006870 function Effects 0.000 claims abstract description 145
- 238000012546 transfer Methods 0.000 claims abstract description 69
- 230000001186 cumulative effect Effects 0.000 claims abstract description 24
- 238000005315 distribution function Methods 0.000 claims abstract description 24
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Environmental & Geological Engineering (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种网络实体能力参数确定方法及其评价系统,属于网络能力评价技术领域,解决了现有网络实体能力评价方式准确性较差、难以获得网络能力的概率密度函数、累积分布函数等整个系统的闭式表达的问题。在该方法中,网络实体能力参数包括网络实体能力的概率密度函数;该方法包括以下步骤:将网络实体映射成网络数字孪生体,获取网络数字孪生体中从任务起始节点到任务终止节点的所有任务流及其等价传递函数;基于所有任务流的等价传递函数,得到网络数字孪生体的等价传递函数;基于网络数字孪生体的等价传递函数,得到网络实体能力的概率密度函数。
Description
技术领域
本发明涉及网络能力评价技术领域,尤其涉及一种网络实体能力参数确定方法及其评价系统。
背景技术
近年来,互联网和移动互联网行业蓬勃发展,已经到了技术成熟和商业模式固化的阶段。现在,各行业都极大拓展了线上工作方式和各类业务,这就使得物理世界和虚拟世界的融合,以及以数字孪生体为基础的数字化服务成为了当前的发展重点。再加上面向未来应用场景的元宇宙概念的提出,逐渐成为了基于已有移动互联网发展基础、综合集成各类应用模式、综合利用各类关键技术的未来一体化解决方案。
未来,元宇宙将会成为人们工作生活的物理世界的并行空间,其与物理世界同步运行交互过程中,虚拟世界中的数字孪生体如何模拟物理世界实体、模拟效果的优劣需要一种量化的评价方法。但物理世界实体错综复杂且动态多变,难以以固定的方式进行能力评价。因此探索面向元宇宙应用的数字孪生体系统能力评价方法就显得尤为重要。
从上世纪60年代开始,相关领域研究者就已经开始研究系统能力评价问题,经过多年的发展,已经有了较为丰富的研究成果。常用的能力评价方法可以分为四类。一是专家评价法,即在广泛征寻专家意见的基础上,构建了系统能力评价指标体系,通过多专家综合评价获取指标权重。该评价方法可以对缺乏数据等难以定量算得的指标进行评价和预测,但是会造成评价和预测的结果不可避免地存在一定的主观性和倾向性。二是解析法,在克服粗糙量化引起的估计误差方面具备有效性,对具有统一的量化分辨率的系统进行性能比较,另外还可以利用层次分析法及其扩展来评价系统能力。该方法本质上是通过建立数学模型来计算能力评价指标评价值的方法,计算简单,易于理解与应用。缺点是模型的构建过程中考虑的因素有限,所得结果过于抽象,系统缺乏客观性。三是仿真法,具有代表性的仿真法包括基于系统动力学模型或基于人工神经网络的能力评价方法、以及基于多智能体和自动控制系统理论的评价方法等。该评价方法模拟了系统的实际运行或发展过程,但存在系统复杂度高,各节点的连接关系表现性不强的问题。四是网络分析法,该方法弥补了基于智能体建模等方法在系统信息交互建模方面的不足,将复杂系统中的各种实体抽象为节点,并将各种连接关系抽象为链路,已成为近年来研究系统特性的一种重要方法。从复杂网络的视角来刻画系统能力是一种比较贴近系统结构特征的评价方法,可以较好地体现节点之间的交互关系。
以上分析可以看出,对于系统能力的有效评价过程中,有必要对系统进行网络化表征,在此基础上研究系统的能力。
面向元宇宙应用的数字孪生体系统能力评价问题的研究成果较少,尚处于起步阶段。相关研究基于网络化表征技术,通过对节点和链路之间的连接关系进行建模,实现了作为虚拟世界运行框架的通信网络传输能力的评价。还可以通过对节点,接收和发送队列建模,通过分析得到表达式和性能参数下界。另外,有研究将数字孪生体系统等同于由各个节点组成的拓扑结构,利用相应的拓扑特征值(如度分布、聚类系数等)来评价系统的能力。另外还可以对数字孪生体系统中的状态进行划分,通过对系统中各状态之间的转移过程来求解网络系统能力。
以上分析可以看出,为衡量数字孪生体系统的能力,需要对其结构进行表征,在此基础上进一步研究其能力的建模和评价方法。
综上,国内外关于面向元宇宙应用的数字孪生体系统能力(相应网络实体能力)评价问题的研究明显不足,主要存在以下问题:1)现有的能力评价问题网络化建模更多的是研究网络模型的拓扑性质,忽略了数字孪生体系统各实体间联结关系的实际意义;2)已有的对于网络化系统的能力求解模型,往往只分析各链路的重要度,对系统能力影响较大的任务活动的研究明显不足。且对于链路重要度的求解主要是通过分析系统有无该链路对信息传输能力的影响,评价结果较为片面;3)通过现有的求解模型,难以获得网络能力的概率密度函数、累积分布函数等整个系统的闭式表达。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种网络实体能力参数确定方法及其评价系统,用以解决现有网络实体能力评价方式准确性较差、难以获得网络能力的概率密度函数、累积分布函数等整个系统的闭式表达的问题。
一方面,本发明提供了一种网络实体能力参数确定方法,所述网络实体能力参数包括网络实体能力的概率密度函数;所述方法包括:
将网络实体映射成网络数字孪生体,获取所述网络数字孪生体中从任务起始节点到任务终止节点的所有任务流及其等价传递函数;
基于所有任务流的等价传递函数,得到所述网络数字孪生体的等价传递函数;
基于所述网络数字孪生体的等价传递函数,得到所述网络实体能力的概率密度函数。
在上述方法的基础上,本发明还做出了如下改进:
进一步,所述任务流表示从任务起始节点向任务终止节点传输任务活动过程中依次经过的节点和有向链路;
所述得到所述网络实体能力的概率密度函数,包括:
基于所述网络数字孪生体的等价传递函数,求取所述网络数字孪生体的等价特征函数;
基于所述网络数字孪生体的等价特征函数,得到所述网络实体能力的概率密度函数。
其中,W(t)表示网络数字孪生体的等价传递函数,t∈R,R表示实数域,t取任意实数。
对所述网络数字孪生体的等价特征函数在预设自变量范围内进行傅里叶余弦级数展开,得到所述网络实体能力的概率密度函数。
进一步,所述网络数字孪生体的等价传递函数W(t)满足:
其中,Wl(t)表示第l个任务流的等价传递函数,l取1到L,L表示所有任务流的总数。
进一步,所述网络实体能力参数还包括网络实体能力的累积分布函数;所述方法还包括:
对所述网络实体能力的概率密度函数在预设自变量范围内进行积分,得到所述网络实体能力的累积分布函数。
进一步,所述任务流表示从任务起始节点向任务终止节点传输任务活动过程中依次经过的节点和有向链路;
所述获取所有任务流的等价传递函数,包括:
将一个所述任务流中任意相邻的两个节点及其之间的有向链路作为一个能力基本单元;在所述能力基本单元中,有向链路指向的节点作为接受节点,另一节点作为执行节点;
对于每一能力基本单元,基于执行节点执行任务活动的能力分布、以及从执行节点向接受节点传输任务活动的活动概率,构建能力基本单元的传递函数;
将每一任务流中所有能力基本单元的传递函数之积作为相应任务流的等价传递函数。
进一步,所述能力基本单元的传递函数:
进一步,从同一执行节点向其所有指向的接受节点传输任务活动的活动概率之和为1。
另一方面,本发明还提供了一种网络实体能力参数评价系统,所述网络实体能力参数包括网络实体能力的概率密度函数;所述系统包括:
网络数字孪生体获取模块,用于将网络实体映射成网络数字孪生体;
等价传递函数获取模块,用于获取所述网络数字孪生体中从任务起始节点到任务终止节点的所有任务流及其等价传递函数;还用于基于每一任务流的等价传递函数,得到所述网络数字孪生体的等价传递函数;
能力参数评价模块,用于基于所述网络数字孪生体的等价传递函数,得到所述网络实体能力的概率密度函数。
在上述方案的基础上,本发明还做出了如下改进:
进一步,所述网络实体能力参数还包括网络实体能力的累积分布函数;
所述能力参数评价模块,还用于对所述网络实体能力的概率密度函数在预设自变量范围内进行积分,得到所述网络实体能力的累积分布函数。
与现有技术相比,本发明至少可实现如下有益效果之一:
本发明提供的网络实体能力参数确定方法及其评价系统,充分考虑了数字孪生体系统各实体间联结关系的实际意义形成能力基本单元和各任务流的等价传递函数;同时,从任务活动的角度出发,分析了任务流的等价传递函数与整个网络数字孪生体的等价传递函数之间的关系,并在确定网络数字孪生体的等价传递函数的基础上,基于概率论的知识,确定网络实体能力的概率密度函数和累计分布函数,能够获得网络能力的概率密度函数、累积分布函数等整个系统的闭式表达。同时,由此得到的网络能力评价结果更为全面,准确性高,具有极其重要的现实意义。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例1提供的网络实体能力参数确定方法流程图;
图2为本发明实施例1提供的面向能力的网络数字孪生体的模型架构图;
图3为本发明实施例1提供的能力基本单元的结构;
图4为本发明实施例2提供的网络实体能力参数确定系统结构示意图;
图5为本发明实施例3提供的网络实体的拓扑结构;
图6为本发明实施例3提供的网络数字孪生体的模型架构图;
图7为本发明实施例3提供的网络实体的概率密度函数示意图;
图8为本发明实施例3提供的网络实体的累计分布函数示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
网络实体的能力与网络数字孪生体能力是指网络数字孪生体所模拟的物理世界实体完成任务的有效程度,网络数字孪生体的能力可以作为其模拟的网络实体的能力。系统能力的评价建立在对系统中各实体能力的有效评价基础之上,以各实体的性能表现为基础,以建模仿真为手段,对系统能力进行综合评价。
实施例1
本发明的一个具体实施例,公开了一种网络实体能力参数确定方法,网络实体能力参数包括网络实体能力的概率密度函数;流程图如图1所示,包括以下步骤:
步骤S1:将网络实体映射成网络数字孪生体,获取所述网络数字孪生体中从任务起始节点到任务终止节点的所有任务流及其等价传递函数;
在本实施例中,网络数字孪生体由网络实体映射得到。示例性地,网络数字孪生体模拟的网络实体主要包括计算机通信网络,常见的计算机通信网络由终端设备、路由器、交换机及网络等设备连接而成,根据网络规模大小,可以划分为局域网、城域网或广域网;根据计算机通信网络的不同拓扑方式,可以形成相应的拓扑结构。在计算机通信网络中,将各设备视作节点、将设备之间的连接关系视作链路,从而形成相应的拓扑结构。计算机通信网络的种类繁多,小到办公室内多台主机、打印机之间形成的通信网络,大到城市轨道交通网络通信系统。根据计算机通信网络的拓扑结构,可以映射得到网络数字孪生体中的节点及链路。具体地,网络实体中的节点、链路分别映射成网络数字孪生体中的节点、链路,网络数字孪生体中的节点执行任务活动的能力分布与网络实体中的相应节点执行任务活动的能力分布的保持一致,网络数字孪生体中从一个节点向另一节点传输任务活动的活动概率与网络实体中的相应节点之间的传输任务活动的活动概率保持一致。
网络数字孪生体中的节点分为三类:任务起始节点、传输节点和任务终止节点。网络数字孪生体执行任务的过程,可以理解成为业务应用方通过任务起始节点产生并发送信息,经过一级或多级传输节点进行传输,最终到达任务终止节点的过程。面向能力的网络数字孪生体的模型架构图如图2所示。在本实施例中,任务流表示从任务起始节点向任务终止节点传输任务活动过程中依次经过的节点和有向链路。示例性地,在图2中,S1→R1→T1为一条任务流。在一个网络数字孪生体中,依据任务活动的不同、任务活动传输路径的不同,一个网络数字孪生体中会包含若干个任务流,这些任务流是网络数字孪生体能力的评价基础。
为实现网络能力的准确度量,需要建立网络数字孪生体中各任务流的等价传递函数。任务流在各链路传递过程中的能力分别是服从不同概率分布的随机变量,因此,网络数字孪生体的等价传递函数是多个随机变量函数的概率分布,求解较为困难。因此,在本实施例中,考虑建立和求解网络数字孪生体中能力基本单元的数学模型。
具体地,对于每一任务流,将任务流中任意相邻的两个节点及其之间的有向链路作为一个能力基本单元,如图3所示,该能力基本单元是评价数字孪生体能力过程中的基本运算单元。在该能力基本单元中,有向链路指向的节点j作为接受节点,另一节点i作为执行节点;其中,有向链路(i,j)承载i和j之间的任务活动,pij表示从执行节点i向接受节点j传输任务活动的活动概率,Eij表示有向链路(i,j)上所承载的任务活动的能力。通过任务活动的活动概率表征该项任务活动执行的可能性,需要说明的是,从同一执行节点向其所有指向的接受节点传输任务活动的活动概率之和为1。节点间还有能力的流动,通过能力基本单元的传递函数表征节点通过链路传输任务活动的能力。对于每一能力基本单元,基于执行节点执行任务活动的能力分布、以及从执行节点向接受节点传输任务活动的活动概率,构建能力基本单元的传递函数;能力基本单元的传递函数如公式(1)所示:
在概率理论中,可以通过矩母函数或特征函数得到概率特征的闭式表达式。在实际建模过程中,考虑到某些随机分布可能不存在矩母函数,而特征函数是概率密度函数的傅里叶变换,且对于任何分布均存在特征函数,故将其引入到网络数字孪生体的等价传递函数的求解过程中。
在网络数字孪生体的能力基本单元中,节点之间的有向链路(i,j)上所承载的任务活动的能力Eij是一个连续型随机变量,其概率密度函数为f(Eij),可以计算得到各能力基本单元的能力Eij的特征函数为:
第二,特征函数Eij的n阶导数在t=0处的值,就是随机变量Eij的n阶原点矩。该规律在步骤S2和步骤S3计算任务流的能力时会用到。
若某条任务流中串联的能力基本单元为K个,则该任务流发生的概率为pk表示第k个基本能力单元成功执行任务活动的概率。再结合规律一,可知:在求取任务流的等价传递函数时,可以将每一任务流中所有能力基本单元的传递函数之积作为相应任务流的等价传递函数,即,假设第l个任务流中包括K个串联的能力基本单元,则第l个任务流的等价传递函数:
其中,Wk(t)是第l个任务流中第k个基本能力单元的传递函数。
步骤S2:基于每一任务流的等价传递函数,得到所述网络数字孪生体的等价传递函数;
考虑到不同任务流之间为相互并联的关系,网络数字孪生体中包括多个任务流,每个任务流的能力都是随机函数。评价网络能力时,需要分别计算各个任务流的能力。根据概率的加法公式,可以求取相互并联的任务流的等价传递函数之和,作为网络数字孪生体的等价传递函数W(t),如公式(4)所示。
l取1到L,L表示所有任务流的总数。
步骤S3:基于所述网络数字孪生体的等价传递函数,得到所述网络实体能力的概率密度函数。
具体地,包括:
步骤S31:基于所述网络数字孪生体的等价传递函数,求取所述网络数字孪生体的等价特征函数;
因此,
步骤S32:基于网络数字孪生体的等价特征函数,得到所述网络实体能力的概率密度函数。
在本实施例中,网络实体的能力与模拟该网络实体的网络数字孪生体的能力相等,二者的概率密度函数密度也相等,因此,可以将求解得到的网络数字孪生体能力的概率密度函数作为相应网络实体能力的概率密度函数。
具体地,对所述网络数字孪生体的等价特征函数在预设自变量范围内进行傅里叶余弦级数展开,得到所述网络实体能力的概率密度函数。
假设预设自变量的范围为[a,b],那么,在定义区间上,求解得到的网络实体的概率密度函数f(x)可以表示为:
其中,Re{}表示取复数的实部,N为正整数,表示余弦展开的级数。
此外,累积分布函数也是评估网络实体能力参数的一个重要指标,因此,网络实体能力参数还可以包括网络实体能力的累积分布函数,此时,该方法还可以包括以下步骤:
步骤S4:对所述网络实体能力的概率密度函数在预设自变量范围内进行积分,得到所述网络实体能力的累积分布函数。
即,网络实体能力的累积分布函数F(x)可以表示为:
实施例2
本发明实施例2公开了一种网络实体能力参数评价系统,结构示意图如图4所示,网络实体能力参数包括网络实体能力的概率密度函数;该系统包括:
网络数字孪生体获取模块,用于将网络实体映射成网络数字孪生体;
等价传递函数获取模块,用于获取所述网络数字孪生体中从任务起始节点到任务终止节点的所有任务流及其等价传递函数;所述任务流表示从任务起始节点向任务终止节点传输任务活动过程中依次经过的节点和有向链路;还用于基于每一任务流的等价传递函数,得到所述网络数字孪生体的等价传递函数;
能力参数评价模块,用于基于所述网络数字孪生体的等价传递函数,得到所述网络实体能力的概率密度函数。
此外,网络实体能力参数还包括网络实体能力的累积分布函数;此时,所述能力参数评价模块,还用于对所述网络实体能力的概率密度函数在预设自变量范围内进行积分,得到所述网络实体能力的累积分布函数。
本发明系统实施例的具体实施过程参见上述方法实施例即可,本实施例在此不再赘述。
由于本系统实施例与上述方法实施例原理相同,所以本系统也具有上述方法实施例相应的技术效果。
实施例3
本发明的具体实施例3,公开了一种网络实体能力参数确定方法,以验证实施例中方法的有效性。具体过程描述如下:
网络数字孪生体的任务流的建链关系和工作时序由网络数字孪生体所模拟的物理世界网络实体系统的功能任务规划确定,并根据业务需求生成。在此基础上,为验证算法的正确性和有效性,基于软件生成的用户数据进行能力计算。
假设网络实体的拓扑结构如图5所示,在网络实体中,终端节点S是发出任务的节点,终端节点T是接收任务的节点,R1-R3为两个终端节点之间的传输节点,传输节点对应的物理设备实体为路由器或交换机。该网络实体对应的网络数字孪生体的模型架构图如图6所示。
根据各节点的能力表现与性能数据,各任务活动的概率及各节点的能力分布如表1所示。其中假设各任务活动的能力均服从正态分布,需要评价该网络数字孪生体的整体能力。实际应用过程中,上述概率和能力分布情况可通过对网络实体进行试验、或对相应的网络数字孪生体仿真得到。
表1各任务活动的概率及各节点的能力分布
根据表1,可以得到各任务流及其等价传递函数,如表2所示:
表2任务流及其等价传递函数
相应地,网络数字孪生体的等价传递函数:
网络实体能力的累积分布函数为:
利用软件仿真得到概率密度函数及累积分布函数分别如图7和8所示。
从累积分布函数图8中可以看出,网络的能力低于2.19的概率为66%,低于2.64的概率约为80%,低于3.21的概率约为90%,低于4的概率近似为100%。从中可以得出网络能力基于在随机任务流情况下的概率统计特征。
从概率密度函数图7中可以看出,当网络的能力在(2,2.25)附近、在0.5以下和3以上变动时,其变化速率趋于0,也就是说这几段能力在其范围内的概率是相近的。对于能力值(2,2.25)范围内,其值适中,且范围较宽,可以通过较多选择的任务流组合实现,因此可作为能力目标设定。而能力值为1.5左右的概率虽然较大,但其相近数值的能力范围相对较窄,如果作为能力目标,不易通过任务流组合来实现。另外,能力值为0.5以下和3以上的区间概率过小(且0.5以下能力过低),也不易找到足够数量的任务流组合进行实现。因此,可通过这种方式指导网络数字孪生体的能力提升目标。需要强调的是,该能力评价结果是基于网络实体在任务活动传输过程中节点传输任务的概率、节点执行任务活动的能力分布得到的,因此,当网络实体中的上述概率和能力分布参数发生变化时,能力评估结果也会相应发生变化,不过仍可按照上述计算方式获得。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种网络实体能力参数确定方法,其特征在于,所述网络实体能力参数包括网络实体能力的概率密度函数;所述方法包括:
将网络实体映射成网络数字孪生体,获取所述网络数字孪生体中从任务起始节点到任务终止节点的所有任务流及其等价传递函数;
基于所有任务流的等价传递函数,得到所述网络数字孪生体的等价传递函数;
基于所述网络数字孪生体的等价传递函数,得到所述网络实体能力的概率密度函数。
2.根据权利要求1所述的网络实体能力参数确定方法,其特征在于,所述得到所述网络实体能力的概率密度函数,包括:
基于所述网络数字孪生体的等价传递函数,求取所述网络数字孪生体的等价特征函数;
基于所述网络数字孪生体的等价特征函数,得到所述网络实体能力的概率密度函数。
5.根据权利要求1-4中任一项所述的网络实体能力参数确定方法,其特征在于,所述网络实体能力参数还包括网络实体能力的累积分布函数;所述方法还包括:
对所述网络实体能力的概率密度函数在预设自变量范围内进行积分,得到所述网络实体能力的累积分布函数。
6.根据权利要求1所述的网络实体能力参数确定方法,其特征在于,所述任务流表示从任务起始节点向任务终止节点传输任务活动过程中依次经过的节点和有向链路;
所述获取所有任务流的等价传递函数,包括:
将一个所述任务流中任意相邻的两个节点及其之间的有向链路作为一个能力基本单元;在所述能力基本单元中,有向链路指向的节点作为接受节点,另一节点作为执行节点;
对于每一能力基本单元,基于执行节点执行任务活动的能力分布、以及从执行节点向接受节点传输任务活动的活动概率,构建能力基本单元的传递函数;
将每一任务流中所有能力基本单元的传递函数之积作为相应任务流的等价传递函数。
8.根据权利要求6所述的网络实体能力参数确定方法,其特征在于,从同一执行节点向其所有指向的接受节点传输任务活动的活动概率之和为1。
9.一种网络实体能力参数评价系统,其特征在于,所述网络实体能力参数包括网络实体能力的概率密度函数;所述系统包括:
网络数字孪生体获取模块,用于将网络实体映射成网络数字孪生体;
等价传递函数获取模块,用于获取所述网络数字孪生体中从任务起始节点到任务终止节点的所有任务流及其等价传递函数;还用于基于每一任务流的等价传递函数,得到所述网络数字孪生体的等价传递函数;
能力参数评价模块,用于基于所述网络数字孪生体的等价传递函数,得到所述网络实体能力的概率密度函数。
10.根据权利要求9所述的网络实体能力参数评价系统,其特征在于,所述网络实体能力参数还包括网络实体能力的累积分布函数;
所述能力参数评价模块,还用于对所述网络实体能力的概率密度函数在预设自变量范围内进行积分,得到所述网络实体能力的累积分布函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211093668.6A CN116319439A (zh) | 2022-09-08 | 2022-09-08 | 一种网络实体能力参数确定方法及其评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211093668.6A CN116319439A (zh) | 2022-09-08 | 2022-09-08 | 一种网络实体能力参数确定方法及其评价系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116319439A true CN116319439A (zh) | 2023-06-23 |
Family
ID=86834647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211093668.6A Pending CN116319439A (zh) | 2022-09-08 | 2022-09-08 | 一种网络实体能力参数确定方法及其评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116319439A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116506352A (zh) * | 2023-06-26 | 2023-07-28 | 安世亚太科技股份有限公司 | 一种基于集中式强化学习的网络数据接续转发选择方法 |
-
2022
- 2022-09-08 CN CN202211093668.6A patent/CN116319439A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116506352A (zh) * | 2023-06-26 | 2023-07-28 | 安世亚太科技股份有限公司 | 一种基于集中式强化学习的网络数据接续转发选择方法 |
CN116506352B (zh) * | 2023-06-26 | 2023-08-29 | 安世亚太科技股份有限公司 | 一种基于集中式强化学习的网络数据接续转发选择方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359385B (zh) | 一种服务质量评估模型的训练方法及装置 | |
CN113191484B (zh) | 基于深度强化学习的联邦学习客户端智能选取方法及系统 | |
CN109347668A (zh) | 一种服务质量评估模型的训练方法及装置 | |
CN114422381A (zh) | 通信网络流量预测方法、系统、存储介质及计算机设备 | |
CN103368910A (zh) | 虚拟无线通信网络系统及其建立方法 | |
CN103905246A (zh) | 基于分组遗传算法的链路预测方法 | |
CN114125871B (zh) | 无线自组织网络性能评估方法及装置 | |
Wang et al. | Dealing with alarms in optical networks using an intelligent system | |
CN116319439A (zh) | 一种网络实体能力参数确定方法及其评价系统 | |
CN111260082A (zh) | 一种基于神经网络的空间对象运动轨迹曲线预测方法 | |
CN114861542A (zh) | 直流输电工程损耗评估方法、装置、设备和存储介质 | |
CN115564210A (zh) | 一种网络实体任务完成能力评价方法及评估系统 | |
CN114529228A (zh) | 一种面向电力监控系统供应链的风险预警方法及系统 | |
CN115586444A (zh) | 一种基于vmd与bp神经网络的锂电池剩余寿命预测方法 | |
Krapivsky et al. | Rate equation approach for growing networks | |
CN117252436B (zh) | 一种土地利用变化生态风险分区的方法和系统 | |
CN109117352B (zh) | 服务器性能预测方法和装置 | |
CN109255433B (zh) | 一种基于相似性的社区检测的方法 | |
CN115297016B (zh) | 一种基于深度学习的电力网络活跃度评价和预测方法 | |
CN115022195B (zh) | 一种用于IPv6网络的流量动态测量方法 | |
CN116319440A (zh) | 一种基于数字孪生体的网络实体能力评价方法 | |
CN108599834B (zh) | 一种卫星通信网络链路利用率分析方法及系统 | |
CN111177188A (zh) | 一种基于聚合边与时序聚合边的快速海量时序数据处理方法 | |
Zhang et al. | P-SUS: Parallel execution of sensing unit selection for mobile crowd sensing in an urban road network | |
CN109670227A (zh) | 一种基于大数据的仿真数学模型参数对的估量方法 |
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 |