TWI555356B - 具有學習效應之多元流動網路之可靠度計算方法及其系統 - Google Patents

Description

具有學習效應之多元流動網路之可靠度計算方法及其系 統

本發明是關於一種多元流動網路之可靠度計算方法及其系統，特別是關於一種具有學習效應之多元流動網路之可靠度計算方法及其系統。

目前，多元流動網路可利用複數個節點(node)以及連接複數個節點之弧(arc)來作為分析之網路模型，不論應用在電腦通訊系統、交通運輸系統、石油/天然氣生產傳輸系統、電力配送系統等，都可以藉由此網路模型來模擬分析實際的操作狀態，並藉由網路可靠度的評估來找出最佳的實施方案，提供系統決策的參考。

習知的多元流動網路分析，在運用上有一定的侷限性，例如目前的多元流動網路是假設在每個節點之間，資料或物件的傳輸量是不會變化的，輸入節點之資料量及輸出節點之資料量是相同的，經過連接的弧傳輸時，資料量也不會有所改變，這與實際現實世界中的情況有所差異。現實的系統當中，在各個節點之間的傳輸，資料量可能因為遺失或損耗有 所減少，或者經過學習效應而有所增加，不會是一直維持不變的。因此習知之多元流動網路，並不能反映現實系統當中發生之狀況，尤其是資料量在傳輸時增加的情況，因此在網路可靠度的評估上，往往會有所缺失。

綜觀前所述，本發明之發明人思索並設計一種具有學習效應之多元流動網路之可靠度計算方法及其系統，以針對現有技術之缺失加以改善，進而增進產業上之實施利用。

有鑑於上述習知技藝之問題，本發明之目的就是在提供一種具有學習效應之多元流動網路之可靠度計算方法及其系統，以解決習知之多元流動網路無法考慮到資料量因為學習效應增加而產生之問題。

根據本發明之一目的，提出一種具有學習效應之多元流動網路之可靠度計算方法，將具有學習效應之多元流動網路儲存於記憶體當中，多元流動網路包含複數個節點與連結複數個節點之複數個弧，複數個節點當中包含起點與目標點，其中當具有第一流量之資料流入第一節點，並經由第一弧由第一節點流至第二節點時，流入第二節點之資料具有第二流量，第二流量藉由學習效應增加而大於第一流量。可靠度計算方法包含下列步驟：a.利用處理器找出多元流動網路所包含之複數個最小路徑；b.利用處理器根據起點發出之資料之起始流量與學習效應，計算當針對起始流量之複數個最小路徑存在時，複數個最小路徑所包含之各弧之要求負載量以及最大可能弧數； c.利用處理器判斷複數個最小路徑當中各個路徑所包含之弧數是否大於最大可能弧數；若是，則記錄最小路徑已確認並執行步驟e；若否，則執行步驟d；d.利用處理器判斷最小路徑所包含之所有弧之要求負載量是否小於最大負載量；若是，則登記最小路徑以及最小路徑所包含之所有弧之承載量狀態為針對起始流量之系統狀態向量並記錄最小路徑已確認；若否，則記錄最小路徑已確認並執行步驟e；e.利用處理器判斷是否所有複數個最小路徑皆已確認；若是，則執行步驟f；若否，則利用處理器對複數個最小路徑中尚未確認之最小路徑重複步驟c至d；以及f.利用處理器根據所有找到的系統狀態向量計算多元流動網路之可靠度。

較佳地，第一流量d1與第二流量d2之關係為d2=d1(k+1)^α，其中k表示第一弧為由起點至目標點之傳輸路徑上之第k個弧，α表示多元流動網路之學習指數。

較佳地，複數個節點當中包含破壞節點，當通過第二弧流入破壞節點之資料，資料之流量維持一定，不因學習效應增加。

根據本發明之另一目的，提出一種具有學習效應之多元流動網路之可靠度計算系統，適用於具有學習效應之多元流動網路，多元流動網路包含複數個節點與連結複數個節點之複數個弧，複數個節點當中包含起點與目標點，其中當具有第一流量之資料流入第一節點，經由第一弧由第一節點流至第二節點時，流入第二節點之資料具有第二流量，空二流量 藉由學習效應增加而大於第一流量，可靠度計算系統包含記憶體及處理器。其中，記憶體儲存多元流動網路及演算法，處理器連接於多元流動網路及記憶體，執行演算法以取得多元流動網路之可靠度。演算法包含下列步驟：a.找出多元流動網路所包含之複數個最小路徑；b.根據起點發出之資料之起始流量與學習效應，計算當針對起始流量之複數個最小路徑存在時，複數個最小路徑所包含之各弧之要求負載量以及最大可能弧數；c.判斷複數個最小路徑當中各個路徑所包含之弧數是否大於最大可能弧數；若是，則記錄最小路徑已確認並執行步驟e；若否，則執行步驟d；d.判斷最小路徑所包含之所有弧之要求負載量是否小於最大負載量；若是，則登記最小路徑以及最小路徑所包含之所有弧之承載量狀態為針對起始流量之系統狀態向量並記錄最小路徑已確認；若否，則記錄最小路徑已確認並執行步驟e；e.判斷是否所有複數個最小路徑皆已確認；若是，則執行步驟f；若否，則利用處理器對複數個最小路徑中尚未確認之最小路徑重複步驟c至d；以及f.根據所有找到的系統狀態向量計算多元流動網路之可靠度。

較佳地，第一流量d1與第二流量d2之關係為d2=d1(k+1)^α，其中k表示第一弧為由起點至目標點之傳輸路徑上之第k個弧，α表示多元流動網路之學習指數。

較佳地，複數個節點當中包含破壞節點，當通過第二弧流入破壞節點之資料，資料之流量維持一定，不因學習效應增加。

承上所述，依本發明之具有學習效應之多元流動網路之可靠度計算方法及其系統，其可具有一或多個下述優點：

(1)此具有學習效應之多元流動網路之可靠度計算方法及其系統能將符合實際多元流動網路之運作狀態，判斷經學習效應增加資料流量造成之影響。

(2)此具有學習效應之多元流動網路之可靠度計算方法及其系統能計算多元流動網路之可靠度，作為判斷決策之依據。

(3)此具有學習效應之多元流動網路之可靠度計算方法及其系統能藉由破壞節點之設置，適時減少過度資訊的增加，避免超過多元流動網路之負荷。

10、20、321‧‧‧多元流動網路

1、2、3、4、5、6‧‧‧節點

30‧‧‧多元流動網路可靠度計算系統

31‧‧‧輸入裝置

32‧‧‧記憶體

33‧‧‧處理器

34‧‧‧輸出裝置

322‧‧‧演算法

d1‧‧‧第一流量

d1‧‧‧第二流量

P(e ₁₂),P(e ₁₄),...,P(e ₅₆)‧‧‧最大負載量

S1~S6、S41‧‧‧步驟

第1圖係為本發明之具有學習效應之多元流動網路之示意圖。

第2圖係為本發明之具有學習效應之多元流動網路實施例之示意圖

第3圖係為本發明之具有學習效應之多元流動網路可靠度計算方法之流程圖。

第4圖係為本發明之具有學習效應之多元流動網路可靠度計算系統之示意圖。

為利貴審查委員瞭解本發明之技術特徵、內容與優點及其所能達成之功效，茲將本發明配合附圖，並以實施例之表達形式詳細說明如下，而其中所使用之圖式，其主旨僅為示意及輔助說明書之用，未必為本發明實施後之真實比例與精準配置，故不應就所附之圖式的比例與配置關係解讀、侷限本發明於實際實施上的權利範圍，合先敘明。

請參閱第1圖，其係為本發明之具有學習效應之多元流動網路之示意圖。多元流動網路10可利用G(V,E,W)來表示網路模型之多種狀態，其中V={1,2,...,6}為多元流動網路10之節點集合，節點數量為6。這些節點當中設有傳輸的起點及目標點，以第1圖為例，節點1為多元流動網路10之起點，而節點6為多元流動網路10之目標點，資料或物件之流量會經由起點流入，最後傳輸到目標點。E={e ₁₂,e ₁₄,e ₂₃,e ₂₄,e ₃₄,e ₃₅,e ₃₆,e ₄₅,e ₅₆}為連接6個節點之連接弧(arc)，弧e ₁₂連接節點1至節點2，其餘依此類推。由各個弧於節點連接可以產生複數個由起點至目標點之最小路徑，資料即從這些路徑由起點傳送到目標點，以電腦或通訊系統為例，各個節點可能是傳送訊息或指令之主機或網路傳輸裝置，將訊息及指令藉由有線或無線傳輸方式傳送到最終目標。但在傳輸的同時，傳輸的路徑上，不論有線或無線的方式，都可能產生雜訊，使傳輸的資料增加了額外之訊息量，因此在以多元流動網路10分析傳輸可靠度時，必須將流量增加之特性納入考量。最後，W={P(e ₁₂),P(e ₁₄),...,P(e ₅₆)}則是每個弧在傳輸時的最大負載 量，P(e ₁₂)指連接節點1與連接節點2之弧能傳輸之最大量為2，其餘依此類推。

請參閱第2圖，其係為本發明之具有學習效應之多元流動網路實施例之示意圖。多元流動網路20之建立，同於前一實施例之設置，其可模擬電腦或通訊網路上資料的傳輸關係，以其中一個傳輸路徑(節點1-2-3-6)為例，若輸入節點1之資料量為2，以習知之流量網路之設定，流到節點2、節點3以及目標節點6之資料量都會是2，亦即滿足能量守恆的定律。但在現實的系統中，節點間的傳輸弧(e ₁₂,e ₂₃,e ₃₆)可能會具有學習效應，因而使得資料量在傳輸過程中增加。輸入初始流量，再由節點1流出之第一流量d1經過弧e ₁₂流至節點2時，會經由學習效應增加至第二流量d2，學習效應之計算可以利用下列公式來取得：d2=d1(k+1)^α (1)

在上述公式中，k表示弧e ₁₂為由該起點至該目標點之傳輸路徑(節點1-2-3-6)上之第1個弧，α為多元流動網路之學習指數，α可設為0.322。因此若第一流量d1為2時，第二流量d2增加為2(1+1)^0.322=2.5，依此類推，經過學習效應後，流入節點3之第三流量d3為2.5(2+1)^0.322=3.56，流入節點6之第四流量d4為3.56(3+1)^0.322=5.56。這裡之學習效應是以節點間的弧為主，不考慮節點流入流出之變化，而且傳輸若是以物件為主時，會以大於計算值之整數為準，因此d2=3,d3=4,d4=6。由於多元流動網路20如前一實施例之設置，因此弧(e ₁₂,e ₂₃,e ₃₆)也具有傳輸之最大負載量，由上述範例而言，第四流量d4超過此多元流動網路20之最大負載量，將無法完成資料的傳輸，此時在評估網路可靠度時，此傳輸路徑(節點1-2-3-6)即無 法成為有效之最小傳輸路徑。以下將針對具有學習效應之多元流動網路可靠度之計算方法加以說明。

請參閱第3圖，其係為本發明之具有學習效應之多元流動網路可靠度之計算方法之流程圖。如圖所示，評估網路可靠度之方法包含下列步驟(S1~S6)：

步驟S1：利用處理器找出多元流動網路所包含之複數個最小路徑。在不考慮學習效應的情況下，利用習知的流量網路模型計算方式，找出所有的最小路徑(Minimal Path)，其方法可參考W.C.Yeh,Search for all d-Mincuts of a limited-flow network,Computers & Operations Research,29(2002),1843-1858，同樣以第1圖之多元流動網路10為例，其複數個最小路徑可為P₁=e ₁₂₃₆、P₂=e ₁₄₂₃₆、P₃=e ₁₄₃₆、P₄=e ₁₂₄₃₆、P₅=e ₁₄₅₃₆、P₆=e ₁₂₄₅₃₆、P₇=e ₁₄₅₆、P₈=e ₁₂₄₅₆、P₉=e ₁₂₃₄₅₆、P₁₀=e ₁₂₃₅₆、P₁₁=e ₁₄₂₃₅₆、P₁₂=e ₁₄₃₅₆及P₁₃=₁₂₄₃₅₆。其中，P₁=e ₁₂₃₆為資料從節點1，經由節點2、節點3到節點6，其經由如前述實施例之弧(e ₁₂,e ₂₃,e ₃₆)，其餘則依此類推，各個最小路徑再依後續步驟計算學習效應造成之影響。

步驟S2：利用處理器根據起點發出之資料之起始流量與學習效應，計算當針對起始流量之複數個最小路徑存在時，複數個最小路徑所包含之各弧之要求負載量以及最大可能弧數。此時依照前一步驟所找到的複數個最小路徑，找出最大可能弧數，以上述之實施例而言，最大可能弧數為5。另外，各個弧的要求負載量，則是依照公式(1)之學習效應計算方式計算，以第2圖為例，弧e ₁₂的要求負載量可為第二流量d2=3，其餘弧的要求負載量以此類推。

步驟S3：利用處理器判斷複數個最小路徑當中各個路徑所包含之弧數是否大於最大可能弧數。判斷各個最小路徑當中之傳輸的弧數量，比較是否大於最大可能弧數，若是，則記錄最小路徑已確認並執行步驟S5；若否，則執行步驟S4。

步驟S4：利用處理器判斷最小路徑所包含之所有弧之要求負載量是否小於最大負載量。在最小路徑當中之傳輸的弧數量小於最大可能弧數時，判斷經由學習效應產生之要求負載量是否滿足原有的最大負載量，例如弧e ₁₂的要求負載量d2=3滿足原有的最大負載量P(e ₁₂)=3，弧e ₃₆的要求負載量d4=6則超過原有的最大負載量P(e ₃₆)=5，因此，P₁=e ₁₂₃₆將無法符合多元流動網路，記錄此最小路徑已確認並執行步驟S5。若是要求負載量均小於最大負載量，則最小路徑視為滿足多元流動網路，將此最小路徑登記(步驟S41)，並將最小路徑所包含之所有弧之承載量，亦即要求負載量狀態紀錄為針對起始流量之系統狀態向量，同樣也記錄此最小路徑已確認。

步驟S5：利用處理器判斷是否所有複數個最小路徑皆已確認。判斷是否所有經過學習效應之最小路徑都經過判斷而記錄，若是，則執行步驟S6；若否，則重新回到S3進行尚未判斷之最小路徑的確認

步驟S6：利用處理器根據所有找到的系統狀態向量計算多元流動網路之可靠度。在上述步驟中，經過判斷符合多元流動網路之最小路徑，其系統狀態再經由可靠度計算網路系統之可靠度，以此作為判斷此多元流動網路系統之決策依據。可靠度計算可依據以下的公式來取得。

其中， X=(x ₁,x ₂,...,x _m)為符合多元流動網路之最小路徑的系統狀態向量。

除了上述的實施例外，未避免學習效應造成流量超過原有網路架構的最大負載量，因此可於節點當中選擇部分設置為破壞節點，同樣以第一圖之實施例為例，可將節點2設為破壞節點，當第一流量d1經由弧e ₁₂流至節點2時，原本學習效應之影像會使第一流量d1增加到第二流量d2，當設置破壞節點後，會使得第一流量d1與第二流量d2相同，亦即由節點2流出之資料，其流量將不會改變。此設置類似於現實系統中濾除雜訊之裝置，將增加於資料中雜訊之部分濾除，避免增加過多之傳輸量而影響系統之傳輸品質。設置破壞節點之網路可靠度計算方式同於前述的步驟，差異僅在於每個弧的要求負載量計算會有所差異，最小路徑在經過破壞節點時將不會有學習效應之影響，因此要求負載量計算之基礎及弧數需對應改變。

請參閱第4圖，其係為本發明之具有學習效應之多元流動網路之可靠度計算系統之示意圖。圖中，應用本發明之多元流動網路可靠度計算系統30可包含輸入裝置31、記憶體32、處理器33以及輸出裝置34，其中輸入裝置31連接於記憶體32，其可包含感應式或觸碰式的各種輸入介面，藉由輸入裝置31設定多元流動網路321的節點及弧之架構，且記憶體32可儲存包含上述可靠度計算方法之演算法322。藉由處理器33連接於記憶體32，存取當中之多元流動網路321及演算法322，進行如第3圖之評估 分析的演算。實際運作時，處理器33執行記憶體32當中儲存之演算法，利用各個步驟所包含之指令，計算每個最小路徑受到學習效應影響所增加之資料量，並藉由判斷是否超過最大負載量找到所有滿足多元流動網路321之方案，評估各個方案之機率以取得整體網路之可靠度。處理器33演算之結果，可由輸出裝置34輸出，輸出裝置34可為呈現評估結果之顯示器，例如LCD、LED、OLED顯示螢幕，或者輸出裝置34可為有線或無線的網路傳輸器，將評估結果傳送至遠端之使用者，藉由可靠度之評估實際系統運作可能產生之結果。

以上所述僅為舉例性，而非為限制性者。任何未脫離本發明之精神與範疇，而對其進行之等效修改或變更，均應包含於後附之申請專利範圍中。

S1~S6、S41‧‧‧步驟

Claims (6)

1. 一種具有學習效應之多元流動網路之可靠度計算方法，係將具有一學習效應之一多元流動網路儲存於一記憶體當中，該多元流動網路包含複數個節點與連結該複數個節點之複數個弧，該複數個節點當中包含一起點與一目標點，其中當具有一第一流量之一資料流入一第一節點，經由一第一弧由該第一節點流至一第二節點時，流入該第二節點之該資料具有一第二流量，該第二流量藉由該學習效應增加而大於該第一流量，該可靠度計算方法包含下列步驟：a.利用一處理器找出該多元流動網路所包含之複數個最小路徑；b.利用該處理器根據該起點發出之該資料之一起始流量與該學習效應，當針對該起始流量之該複數個最小路徑存在時，計算該複數個最小路徑所包含之各弧之一要求負載量以及一最大可能弧數；c.利用該處理器判斷該複數個最小路徑當中各個路徑所包含之弧數是否大於該最大可能弧數；若是，則記錄最小路徑已確認並執行步驟e；若否，則執行步驟d；d.利用該處理器判斷該最小路徑所包含之所有弧之該要求負載量是否小於一最大負載量；若是，則登記該最小路徑以及該最小路徑所包含之所有弧之承載量狀態為針對該起始流量之一系統狀態向量並記錄該最小路徑已確認；若否，則記錄該最小路徑已確認並執行步驟e； e.利用該處理器判斷是否所有該複數個最小路徑皆已確認；若是，則執行步驟f；若否，則利用該處理器對該複數個最小路徑中尚未確認之最小路徑重複步驟c至d；以及f.利用該處理器根據所有找到的該系統狀態向量計算該多元流動網路之一可靠度。
2. 如申請專利範圍第1項所述之具有學習效應之多元流動網路之可靠度計算方法，其中該第一流量為d1、該第二流量為d2，且該第一流量d1與該第二流量d2之關係為d2=d1(k+1)^α，其中k表示該第一弧為由該起點至該目標點之一傳輸路徑上之第k個弧，α表示該多元流動網路之一學習指數。
3. 如申請專利範圍第1項所述之具有學習效應之多元流動網路之可靠度計算方法，其中該複數個節點當中包含一破壞節點，當通過一第二弧流入該破壞節點之該資料，該資料之流量維持一定，不因該學習效應增加。
4. 一種具有學習效應之多元流動網路之可靠度計算系統，係適用於具有一學習效應之一多元流動網路，該多元流動網路包含複數個節點與連結該複數個節點之複數個弧，該複數個節點當中包含一起點與一目標點，其中當具有一第一流量之一資料流入一第一節點，經由一第一弧由該第一節點流至一第二節點時，流入該第二節點之該資料具有一第二流量，該第二流量藉由該學習效應增加而大於該第一流量，該可靠度計算系統包含：一記憶體，係儲存該多元流動網路及一演算法，該演算法包含下列步驟：a.找出該多元流動網路所包含之複數個最小路徑； b.根據該起點發出之該資料之一起始流量與該學習效應，當針對該起始流量之該複數個最小路徑存在時，計算該複數個最小路徑所包含之各弧之一要求負載量以及一最大可能弧數；c.判斷該複數個最小路徑當中各個路徑所包含之弧數是否大於該最大可能弧數；若是，則記錄該最小路徑已確認並執行步驟e；若否，則執行步驟d；d.判斷該最小路徑所包含之所有弧之該要求負載量是否小於最大負載量；若是，則登記該最小路徑以及該最小路徑所包含之所有弧之承載量狀態為針對該起始流量之一系統狀態向量並記錄該最小路徑已確認；若否，則記錄該最小路徑已確認並執行步驟e；e.判斷是否所有該複數個最小路徑皆已確認；若是，則執行步驟f；若否，則利用一處理器對該複數個最小路徑中尚未確認之該最小路徑重複步驟c至d；以及f.根據所有找到的該系統狀態向量計算該多元流動網路之一可靠度；以及該處理器，係連接於該多元流動網路及該記憶體，執行該演算法以取得該多元流動網路之該可靠度。
5. 如申請專利範圍第4項所述之具有學習效應之多元流動網路之可靠度計算系統，其中該該第一流量為d1、該第二流量為d2，且第一流量d1與該第二流量d2之關係為d2=d1(k+1)^α，其中k表示該第一弧為由該起點至該目標點之一傳輸路徑上之第k個弧，α表示該多元流動網路之一學習指數。
6. 如申請專利範圍第4項所述之具有學習效應之多元流動網路之可靠度計算系統，其中該複數個節點當中包含一破壞節點，當通過一第二弧流入該破壞節點之該資料，該資料之流量維持一定，不因該學習效應增加。