基于GABP算法的計算機復雜網絡可靠性評估方法研究論文

　　1 復雜網絡及其安全性分析

　　復雜網絡是 20 世紀興起的復雜系統研究的一個分支領域，近來關于復雜網絡的研究已經涉及到計算機、社會學以及經濟學等各個領域。雖然復雜網絡目前還沒有精確的定義，但因為復雜網絡子系統的各個組成部分之間都具備一定的關聯性，所以從圖論的觀點來看，可以將復雜網絡看作是一個由點集 V（G）和邊集 E（G）構成的一個圖 G（V，E）。多數的復雜網絡都有如下特征：

　　（1）統計性。復雜網絡的節點個數都很多，大規模性的網絡行為一般都具有統計特性。

　　（2）稀疏性。具有 M 個節點的網絡連接數目的復雜度為O（M2），但實際上網絡的連接數目通常為 O（M）。

　　（3）時空演化的復雜性。復雜網絡會隨著時間和空間的推移而進行演化，而且這種演化行為表現出一定的復雜性。

　　衡量復雜網絡有不同的指標，分別是平均路徑長度、聚類系數和連通度分布。假設復雜網絡中任意兩個節點的距離指的是這兩個節點間最短路徑所包含的向量邊的數目，那么平均路徑長度（average dis—tance） 就可以理解成復雜網絡中所有節點的距離的平均值，它反映了復雜網絡節點之間的通信鏈路的長短。假設復雜網絡內一個節點 n 連接到其他 m 個節點存在的最大向量邊為 t，而且這 m 個節點間存在的向量邊為 e，那么節點 n 的聚類系數（cluster coeffi—cient）可以理解為 e 與 t 的比值。復雜網絡的聚類系數是所有節點的聚類系數之和，與節點總數的比值。復雜網絡中一個節點的連通度指的是和此節點相連的向量邊的數目；假設從復雜網絡中任意選擇一個節點，連通度為 k 的概率為 P，那么函數 P（k）就是復雜網絡的連通度分布。

　　復雜網絡的安全域并不是完全獨立的，而是存在一定的包含或交叉關系。

　　2 GABP 算法的引入

　　神經網絡技術應用以來，在復雜性系統的研究中起著越來越重要的作用，BP 神經網絡是使用最廣泛的一種神經網絡技術，主要包括輸入層、輸出層和若干隱含層。基于圖論觀點的復雜網絡可以看作是多維節點到多維節點的映射，而這種映射關系都可以用一個三層的 BP 網絡來實現。

　　BP 神經網絡技術是一種監督式的學習算法，它梯度搜索已知的學習樣本，并計算復雜網絡的實際輸出值和期望輸出值的關系，當這兩個輸出值的均方誤差最小時得到最優解。在實際計算時，輸入數據由輸入層流向隱含層，并經其處理后輸出到輸出層，每一個層次的神經元只會影響下一層次神經元的狀態；如果數據無法輸出到輸出層，即當輸出層無法得到期望輸出時，數據就會經由原來的連接通路反向傳播，并修改經過的各個神經元的權重，直到誤差達到最小值。BP 神經網絡技術的這種數據處理能力可以對復雜網絡的信息模糊以及認知判斷等問題進行處理，是當前使用最廣的神經網絡平均模型。

　　3 計算機復雜網絡可靠性的評估指標

　　復雜網絡的可靠性面臨著各種各樣的威脅，要確定計算機復雜網絡可靠性的評估指標，首先需要總結影響計算機復雜網絡可靠性的各種因素。計算機復雜網絡的可靠性一般受到響應時間、網絡的并發負載以及吞吐量的影響。吞吐量對一個復雜網絡而言一般是固定的，變化的是網絡的并發負載量。復雜網絡的響應時間可以根據吞吐量和并發復雜量進行預測。

　　除了上述因素外，影響計算機復雜網絡可靠性的因素很多，要建立復雜網絡可靠性的評估方法需要考慮各種因素，一般需要遵循的原則如下：（1）獨立性原則。復雜網絡可靠性的評估指標間可能具有一定的相關性，在設計評估指標時要盡可能降低這種關聯性；從而使每個評估指標都可以準確地反映計算機復雜網絡的可靠性情況。（2）精簡準確性原則。復雜網絡的評估指標要能反映其可靠性，所以指標設計上應該簡明扼要，而且清晰明了，這樣才能精確地進行復雜網絡可靠性的評估。（3）完備性原則。復雜網絡可靠性的評估指標在設計上要能夠完整而又有效地反映整個計算機網絡的可靠性特征。指標評估體系可以全面地反映計算機復雜網絡的可靠性特征，所以如何科學地建立指標評估體系就是重中之重。目前并沒有一種放之四海皆準的建立復雜網絡可靠性指標評估體系的方法，德爾菲方法因為可以概率估算大量非技術性的無法定量分析的要素而得到廣泛應用。

　　4 基于 GABP 算法的計算機復雜網絡可靠性評估方法

　　對計算機復雜網絡進行可靠性評估的目的是實現計算機復雜網絡的可靠性監測。可靠性評估需要輸入、運算以及輸出 3 個主要組成部分。數據輸入確定初始的評估指標，并構成初始的評估指標集合；接下來根據評估指標集合形成數據采集系統；數據處理對復雜網絡的相關數據進行均值比、常量乘除以及標準化等預處理。運算模塊可以完成評估指標分析和評估模型的分析兩個功能：指標分析對評估指標自身進行分析，同時分析各個指標之間的關系；評估模型分析整個計算機復雜網絡的系統情況，并進行網絡特征值預測。

　　基于遺傳算法的 BP 神經網絡技術是對 BP 神經網絡算法的改進，它把權重描述為染色體，在進行多次 GA 迭代后，一直達到收斂狀態。在實現基于遺傳算法的 BP 神經網絡技術時，需要經過如下步驟：

　　（1）權系編碼。在編碼時，將計算機復雜網絡的權系數按照一定的方式進行組合，以此得到遺傳算法中的相關染色體個數，一般遺傳算法中使用的是二進制的基因編碼方式。當計算機復雜網絡的網絡比較大時，可以分別對網絡權值和閾值分開進行編碼，以此減少遺傳算法中染色體的編碼長度。

　　（2）初始群體和適應度函數的選擇。遺傳算法是作用于群體的，在遺傳算法的第一次迭代前，初始群體是隨機產生的。為了優化GABP 算法的搜索效率，產生的初始群體要滿足均勻分布。、

　　（3）雜交。對兩個染色體編碼，進行算術組合操作，以此實現雜交的功能。

　　5 結 論

　　在介紹復雜網絡基礎知識的基礎上，本文用德爾菲法對計算機復雜網絡的可靠性評估指標進行了分析，并實現了基于 GABP 算法的計算機復雜網絡可靠性評估；實踐證明，本文實現的方法可以彌補傳統的復雜網絡可靠性評估方法的不足，實現對計算機復雜網絡的可靠性監測，為復雜網絡可靠性的評估提供新的方法依據。