基于GABP算法的計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)可靠性評(píng)估方法研究論文

　　1 復(fù)雜網(wǎng)絡(luò)及其安全性分析

　　復(fù)雜網(wǎng)絡(luò)是 20 世紀(jì)興起的復(fù)雜系統(tǒng)研究的一個(gè)分支領(lǐng)域，近來(lái)關(guān)于復(fù)雜網(wǎng)絡(luò)的研究已經(jīng)涉及到計(jì)算機(jī)、社會(huì)學(xué)以及經(jīng)濟(jì)學(xué)等各個(gè)領(lǐng)域。雖然復(fù)雜網(wǎng)絡(luò)目前還沒(méi)有精確的定義，但因?yàn)閺?fù)雜網(wǎng)絡(luò)子系統(tǒng)的各個(gè)組成部分之間都具備一定的關(guān)聯(lián)性，所以從圖論的觀點(diǎn)來(lái)看，可以將復(fù)雜網(wǎng)絡(luò)看作是一個(gè)由點(diǎn)集 V（G）和邊集 E（G）構(gòu)成的一個(gè)圖 G（V，E）。多數(shù)的復(fù)雜網(wǎng)絡(luò)都有如下特征：

　　（1）統(tǒng)計(jì)性。復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)個(gè)數(shù)都很多，大規(guī)模性的網(wǎng)絡(luò)行為一般都具有統(tǒng)計(jì)特性。

　　（2）稀疏性。具有 M 個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)連接數(shù)目的復(fù)雜度為O（M2），但實(shí)際上網(wǎng)絡(luò)的連接數(shù)目通常為 O（M）。

　�。�3）時(shí)空演化的復(fù)雜性。復(fù)雜網(wǎng)絡(luò)會(huì)隨著時(shí)間和空間的推移而進(jìn)行演化，而且這種演化行為表現(xiàn)出一定的復(fù)雜性。

　　衡量復(fù)雜網(wǎng)絡(luò)有不同的指標(biāo)，分別是平均路徑長(zhǎng)度、聚類(lèi)系數(shù)和連通度分布。假設(shè)復(fù)雜網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)的距離指的是這兩個(gè)節(jié)點(diǎn)間最短路徑所包含的向量邊的數(shù)目，那么平均路徑長(zhǎng)度（average dis—tance） 就可以理解成復(fù)雜網(wǎng)絡(luò)中所有節(jié)點(diǎn)的距離的平均值，它反映了復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)之間的通信鏈路的長(zhǎng)短。假設(shè)復(fù)雜網(wǎng)絡(luò)內(nèi)一個(gè)節(jié)點(diǎn) n 連接到其他 m 個(gè)節(jié)點(diǎn)存在的最大向量邊為 t，而且這 m 個(gè)節(jié)點(diǎn)間存在的向量邊為 e，那么節(jié)點(diǎn) n 的聚類(lèi)系數(shù)（cluster coeffi—cient）可以理解為 e 與 t 的比值。復(fù)雜網(wǎng)絡(luò)的聚類(lèi)系數(shù)是所有節(jié)點(diǎn)的聚類(lèi)系數(shù)之和，與節(jié)點(diǎn)總數(shù)的比值。復(fù)雜網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)的連通度指的是和此節(jié)點(diǎn)相連的向量邊的數(shù)目；假設(shè)從復(fù)雜網(wǎng)絡(luò)中任意選擇一個(gè)節(jié)點(diǎn)，連通度為 k 的概率為 P，那么函數(shù) P（k）就是復(fù)雜網(wǎng)絡(luò)的連通度分布。

　　復(fù)雜網(wǎng)絡(luò)的安全域并不是完全獨(dú)立的，而是存在一定的包含或交叉關(guān)系。

　　2 GABP 算法的引入

　　神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用以來(lái)，在復(fù)雜性系統(tǒng)的研究中起著越來(lái)越重要的作用，BP 神經(jīng)網(wǎng)絡(luò)是使用最廣泛的一種神經(jīng)網(wǎng)絡(luò)技術(shù)，主要包括輸入層、輸出層和若干隱含層�；�于圖論觀點(diǎn)的復(fù)雜網(wǎng)絡(luò)可以看作是多維節(jié)點(diǎn)到多維節(jié)點(diǎn)的映射，而這種映射關(guān)系都可以用一個(gè)三層的 BP 網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)。

　　BP 神經(jīng)網(wǎng)絡(luò)技術(shù)是一種監(jiān)督式的學(xué)習(xí)算法，它梯度搜索已知的學(xué)習(xí)樣本，并計(jì)算復(fù)雜網(wǎng)絡(luò)的實(shí)際輸出值和期望輸出值的關(guān)系，當(dāng)這兩個(gè)輸出值的均方誤差最小時(shí)得到最優(yōu)解。在實(shí)際計(jì)算時(shí)，輸入數(shù)據(jù)由輸入層流向隱含層，并經(jīng)其處理后輸出到輸出層，每一個(gè)層次的神經(jīng)元只會(huì)影響下一層次神經(jīng)元的狀態(tài)；如果數(shù)據(jù)無(wú)法輸出到輸出層，即當(dāng)輸出層無(wú)法得到期望輸出時(shí)，數(shù)據(jù)就會(huì)經(jīng)由原來(lái)的連接通路反向傳播，并修改經(jīng)過(guò)的各個(gè)神經(jīng)元的權(quán)重，直到誤差達(dá)到最小值。BP 神經(jīng)網(wǎng)絡(luò)技術(shù)的這種數(shù)據(jù)處理能力可以對(duì)復(fù)雜網(wǎng)絡(luò)的信息模糊以及認(rèn)知判斷等問(wèn)題進(jìn)行處理，是當(dāng)前使用最廣的神經(jīng)網(wǎng)絡(luò)平均模型。

　　3 計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)可靠性的評(píng)估指標(biāo)

　　復(fù)雜網(wǎng)絡(luò)的可靠性面臨著各種各樣的威脅，要確定計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)可靠性的評(píng)估指標(biāo)，首先需要總結(jié)影響計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)可靠性的各種因素。計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)的可靠性一般受到響應(yīng)時(shí)間、網(wǎng)絡(luò)的并發(fā)負(fù)載以及吞吐量的影響。吞吐量對(duì)一個(gè)復(fù)雜網(wǎng)絡(luò)而言一般是固定的，變化的是網(wǎng)絡(luò)的并發(fā)負(fù)載量。復(fù)雜網(wǎng)絡(luò)的響應(yīng)時(shí)間可以根據(jù)吞吐量和并發(fā)復(fù)雜量進(jìn)行預(yù)測(cè)。

　　除了上述因素外，影響計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)可靠性的因素很多，要建立復(fù)雜網(wǎng)絡(luò)可靠性的評(píng)估方法需要考慮各種因素，一般需要遵循的原則如下：（1）獨(dú)立性原則。復(fù)雜網(wǎng)絡(luò)可靠性的評(píng)估指標(biāo)間可能具有一定的相關(guān)性，在設(shè)計(jì)評(píng)估指標(biāo)時(shí)要盡可能降低這種關(guān)聯(lián)性；從而使每個(gè)評(píng)估指標(biāo)都可以準(zhǔn)確地反映計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)的可靠性情況。（2）精簡(jiǎn)準(zhǔn)確性原則。復(fù)雜網(wǎng)絡(luò)的評(píng)估指標(biāo)要能反映其可靠性，所以指標(biāo)設(shè)計(jì)上應(yīng)該簡(jiǎn)明扼要，而且清晰明了，這樣才能精確地進(jìn)行復(fù)雜網(wǎng)絡(luò)可靠性的評(píng)估。（3）完備性原則。復(fù)雜網(wǎng)絡(luò)可靠性的評(píng)估指標(biāo)在設(shè)計(jì)上要能夠完整而又有效地反映整個(gè)計(jì)算機(jī)網(wǎng)絡(luò)的可靠性特征。指標(biāo)評(píng)估體系可以全面地反映計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)的可靠性特征，所以如何科學(xué)地建立指標(biāo)評(píng)估體系就是重中之重。目前并沒(méi)有一種放之四海皆準(zhǔn)的建立復(fù)雜網(wǎng)絡(luò)可靠性指標(biāo)評(píng)估體系的方法，德?tīng)柗品椒ㄒ驗(yàn)榭梢愿怕使浪愦罅糠羌夹g(shù)性的無(wú)法定量分析的要素而得到廣泛應(yīng)用。

　　4 基于 GABP 算法的計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)可靠性評(píng)估方法

　　對(duì)計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)進(jìn)行可靠性評(píng)估的目的是實(shí)現(xiàn)計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)的可靠性監(jiān)測(cè)�？煽啃栽u(píng)估需要輸入、運(yùn)算以及輸出 3 個(gè)主要組成部分。數(shù)據(jù)輸入確定初始的評(píng)估指標(biāo)，并構(gòu)成初始的評(píng)估指標(biāo)集合；接下來(lái)根據(jù)評(píng)估指標(biāo)集合形成數(shù)據(jù)采集系統(tǒng)；數(shù)據(jù)處理對(duì)復(fù)雜網(wǎng)絡(luò)的相關(guān)數(shù)據(jù)進(jìn)行均值比、常量乘除以及標(biāo)準(zhǔn)化等預(yù)處理。運(yùn)算模塊可以完成評(píng)估指標(biāo)分析和評(píng)估模型的分析兩個(gè)功能：指標(biāo)分析對(duì)評(píng)估指標(biāo)自身進(jìn)行分析，同時(shí)分析各個(gè)指標(biāo)之間的關(guān)系；評(píng)估模型分析整個(gè)計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)的系統(tǒng)情況，并進(jìn)行網(wǎng)絡(luò)特征值預(yù)測(cè)。

　　基于遺傳算法的 BP 神經(jīng)網(wǎng)絡(luò)技術(shù)是對(duì) BP 神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)，它把權(quán)重描述為染色體，在進(jìn)行多次 GA 迭代后，一直達(dá)到收斂狀態(tài)。在實(shí)現(xiàn)基于遺傳算法的 BP 神經(jīng)網(wǎng)絡(luò)技術(shù)時(shí)，需要經(jīng)過(guò)如下步驟：

　�。�1）權(quán)系編碼。在編碼時(shí)，將計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)的權(quán)系數(shù)按照一定的方式進(jìn)行組合，以此得到遺傳算法中的相關(guān)染色體個(gè)數(shù)，一般遺傳算法中使用的是二進(jìn)制的基因編碼方式。當(dāng)計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)比較大時(shí)，可以分別對(duì)網(wǎng)絡(luò)權(quán)值和閾值分開(kāi)進(jìn)行編碼，以此減少遺傳算法中染色體的編碼長(zhǎng)度。

　�。�2）初始群體和適應(yīng)度函數(shù)的選擇。遺傳算法是作用于群體的，在遺傳算法的第一次迭代前，初始群體是隨機(jī)產(chǎn)生的。為了優(yōu)化GABP 算法的搜索效率，產(chǎn)生的初始群體要滿(mǎn)足均勻分布。、

　�。�3）雜交。對(duì)兩個(gè)染色體編碼，進(jìn)行算術(shù)組合操作，以此實(shí)現(xiàn)雜交的功能。

　　5 結(jié) 論

　　在介紹復(fù)雜網(wǎng)絡(luò)基礎(chǔ)知識(shí)的基礎(chǔ)上，本文用德?tīng)柗品▽?duì)計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)的可靠性評(píng)估指標(biāo)進(jìn)行了分析，并實(shí)現(xiàn)了基于 GABP 算法的計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)可靠性評(píng)估；實(shí)踐證明，本文實(shí)現(xiàn)的方法可以彌補(bǔ)傳統(tǒng)的復(fù)雜網(wǎng)絡(luò)可靠性評(píng)估方法的不足，實(shí)現(xiàn)對(duì)計(jì)算機(jī)復(fù)雜網(wǎng)絡(luò)的可靠性監(jiān)測(cè)，為復(fù)雜網(wǎng)絡(luò)可靠性的評(píng)估提供新的方法依據(jù)。