[发明专利]一种互联网测试床拓扑结构大比例规模缩减方法及装置

权利要求书

1.一种互联网测试床拓扑结构大比例规模缩减方法，其特征在于，所述方法包括如下步骤：

S1，获取真实世界互联网拓扑结构的探测数据，以简单无向图G＝(V,E)建模自治系统级互联网拓扑结构，其中集合V中节点的物理意义为真实世界互联网的自治系统域，集合E中边的物理意义为不同自治系统域之间的数据通信路径；

S2，采用互联网拓扑结构模型分解互联网拓扑图G＝(V,E)为七个二分图Q₁-II、Q₂-BI、QI₁-RI、Q₄-RI₁、QI-PI、Q₃-PI、Q-P，一个匹配图BI-BI和一个内核图Core；

S3，调用二分图采样方法1对二分图Q₁-II、二分图Q₂-BI和二分图QI₁-RI进行采样，从而抽取部分节点和边构成采样子图；

其中，所述调用二分图采样方法1包括如下步骤：

S301，输入二分图G＝(V₁,V₂,E)，其中V₁和V₂为两个节点集、E为边集，参数T、R，规模缩减率R_R；转到步骤S302；

S302，将V₂中全部节点按度从大到小顺利排列，并抽取前n_h个最大度节点构成节点子集其中这n_h个节点中相同度重复数的最大值为T；转到步骤S303；

S303，计算并将二分图G分解为和其中且转到步骤S304；

S304，设d₁,d₂,…,d_s为图G中节点集V₁的全部节点度，并设d_max为节点集中的最大节点度，计算节点集的度分布{g(d)|d＝1,2,…,d_max}，其中g(d)表示中度为d的节点比率，初始化二分图G′＝(V′₁,V′₂,E′)←G＝(V₁,V₂,E)，初始化二分图初始化二分图初始化二分图G^LL′中节点集的度分布{g′(d)|d＝1,2,…,d_max}←{g(d)|d＝1,2,…,d_max}，计算需删除边的总数E_d＝||E||·R_R，初始化变量t＝0；转到步骤S305；

S305，如果tE_d，转到步骤S306；否则二分图G′＝(V′₁,V′₂,E′)，其中且E′＝E^LH′∪E^LL′，为最终输出结果，转到步骤S311；

S306，如果任意选择集合S中一个节点v，并计算两个可选边集和如果转到步骤S308；如果转到步骤S309；否则且以概率P^LL′＝γ^LL′/(γ^LH′+γ^LL′)转到步骤S308，并以概率1-P^LL′转到步骤S309，其中，γ^LL′＝m^LL-(||E^LL||-||E^LL′||)，γ^LH′＝m^LH-(||E^LH||-||E^LH′||)，m^LH＝E_d-m^LL；转到步骤S307；

S307，如果S＝Φ，以式定义的离散概率分布p_k/Σ_{i＝1,2,…,s}p_i(k＝1,2,…,s)随机采样一个节点度d∈{d₁,d₂,…,d_s}，其中d₁d₂…d_s0，f(d₁),f(d₂),…,f(d_s)表示节点集V₁中度为d_k(1≤k≤s)的节点比率；计算两个可选边集如果转到步骤S308；如果转到步骤S309，否则，以概率P^LL′＝γ^LL′/(γ^LH′+γ^LL′)转到步骤S308，并以概率1-P^LL′转到步骤S309；

S308，假设其中且计算d^h＝arg_dmax_d∈D{g′(d)-g(d)}，其中D为集合中节点的度组成的集合，并计算的子集从E_a中均等概率分布地采样一条边e，并将该边从二分图和G′＝(V′₁,V′₂,E′)中删除，即更新E^LL′←E^LL′/{e}且E′←E′/{e}，更新G^LL′中的节点度分布{g′(d)|d＝1,2,…,d_max}，其中g′(d)表示中度为d的节点比率，转到步骤S310；

S309，从中均等概率分布地采样一条边e，并将该边从二分图和G′＝(V′₁,V′₂,E′)中删除，即更新E^LH′←E^LH′/{e}且E′←E′/{e}，转到步骤S310；

S310，更新t←t+1，转到步骤S305；

S311，输出：采样子图G′＝(V′₁,V′₂,E′)；

S4，调用匹配图采样方法对匹配图BI-BI进行采样，抽取部分节点和边构成采样子图；

其中，所述调用匹配图采样方法包括如下步骤：

S401，输入二分图和匹配图G_BI-BI＝(BI,E_BI-BI)，采样二分图

S402，对每条边e＝(u,v)∈E_BI-BI，其中u,v∈BI，生成一个节点度对(不失一般性，假设并将节点度对映射为计算集合并计算节点度对分布函数ρ(x)＝||{y|y∈X∧y＝x}||/||X||，其表示集合X中出现元素x的概率值；

S403，设采样二分图中BI′节点的最大度为d_m，初始化边集E′_BI-BI＝Φ，将节点度d₁以步长1从1增加至d_m-1，并将节点度d₂以步长1从d₁增加至d_m：对每个节点度对(d₁,d₂)，首先计算其期望数量和最大可能数量其中

然后，标准分布概率均等地随机生成条边e_i＝(u_i,v_i)(i＝1,2,…,s)，要求对满足最后，更新边集E′_BI-BI←E′_BI-BI∪{e_i}_{i＝1,2,…,s}；

S404，对于节点集标准分布地随机生成t＝||BI′||/2-||E′_BI-BI||条边e_i＝(u_i,v_i)(i＝1,2,…,t)，要求对满足u_i∈Y∧v_i∈Y∧u_i≠u_j∧u_i≠v_j∧v_i≠v_j，并更新边集E′_BI-BI←E′_BI-BI∪{e_i}_{i＝1,2,…,t}，此时，生成的采样匹配图G′_BI-BI＝(BI′,E′_BI-BI)为本节的输出结果；

S405，采样匹配图G′_BI-BI＝(BI′,E′_BI-BI)；

S5，调用二分图采样方法2对二分图Q₄-RI₁进行采样，抽取部分节点和边构成采样子图；

其中，所述调用二分图采样方法2包括如下步骤：

S501，输入二分图采样二分图

S502，计算节点集节点集和边集

S503，由节点集RI′₁、节点集Q′₄和边集生成的二分图即为最终的输出结果；

S504，输出采样二分图

S6，调用二分图采样方法3对二分图QI-PI和二分图Q-P进行采样，抽取部分节点和边构成采样子图；

其中，所述调用二分图采样方法3包括如下步骤：

S601，输入：二分图G＝(V₁,V₂,E)，其中V₁和V₂为两个节点集、E为边集、节点集V₂包含节点的度均为1，节点集参数T，规模缩减率R_R；转到步骤S602；

S602，将V₁中全部节点按度从大到小顺利排列，并抽取前n_h个最大度节点构成节点子集V₁^H，其中这n_h个节点中相同度重复数的最大值为T；转到步骤S603；

S603，计算V₁^L＝V₁/V₁^H，设d₁,d₂,…,d_s为二分图G中节点集V₁的全部节点度，初始化二分图G′＝(V′₁,V′₂,E′)←G＝(V₁,V₂,E)，初始化节点集V₁^L′←V₁^L，初始化节点集V₁^H′←V₁^H，计算最终需要删除边的总数E_d＝||E||·R_R，初始化变量t＝0；转到步骤S604；

S604，如果tE_d，则以概率P＝γL′/(γ^H′+γ^L′)转到步骤S605，并以概率1-P转到步骤S608；否则，G′＝(V′₁,V′₂,E′)，其中V′₁＝V₁^H′∪V₁^L′，为最终输出结果，转到步骤S610；其中，

且m^H＝E_d-m^L；

S605，如果其中则随机选择集合S中一个节点v，转到步骤S607，否则，转到步骤S606；

S606，以式定义的离散概率分布p_k/Σ_{i＝1,2,…,s}p_i(k＝1,2,…,s)，随机采样一个节点度d∈{d₁,d₂,…,d_s}，其中，d₁d₂…d_s0，f(d₁),f(d₂),…,f(d_s)表示节点集V₁在二分图G＝(V₁,V₂,E)中度为d_k(1≤k≤s)的节点比率，计算两个节点集和如果||V²||0，则随机选择集合V²中一个节点v，否则随机选择集合V¹中一个节点v，转到步骤S607；

S607，如果则随机选择一条与节点v相邻的边e，并更新二分图G′＝(V′₁,V′₂,E′)，E′←E′/{e}，如果d_v＝0，则更新V₁^L′←V₁^L′/{v}，如果则此步不作任何操作；转到步骤S609；

S608，从集合中随机选择一条边e，并更新二分G′＝(V′₁,V′₂,E′)：E′←E′/{e}；如果d_v＝0，则更新V₁^H′←V₁^H′/{v}；转到步骤S609；

S609，更新t←t+1，转到步骤S604；

S610，输出：采样子图G′＝(V′₁,V′₂,E′)；其中，输入的节点集被包含于采样子图G′＝(V′₁,V′₂,E′)，即图G中节点集V₂包含节点的度均为1，图G′中节点集V′₂包含节点的度均为1；

S7，调用二分图采样方法4对二分图Q₃-PI进行采样，抽取部分节点和边构成采样子图；

其中，所述调用二分图采样方法4包括如下步骤：

S701，输入：二分图G＝(V₁,V₂,E)，其中V₁和V₂为两个节点集、E为边集，多对一映射函数ψ:V₁→W，设ψ(v₁)为节点集W中与节点v₁∈V₁对应的唯一节点，对任意节点w∈W预选设定参数L(w)，预选给定节点度分布{g(d)|d＝1,2,…}，预先设定参数T、R，规模缩减率R_R；转到步骤S702；

S702，将V₂中全部节点按度从大到小顺利排列，并抽取前n_h个最大度节点构成节点子集其中这n_h个节点中相同度重复数的最大值为T；转到步骤S703；

S703，计算并将二分图G分解为和其中且转到步骤S704；

S704，设d₁,d₂,…,d_s为二分图G中节点集V₁的全部节点度，并设d_max为节点集中的最大节点度，初始化二分图G′＝(V′₁,V′₂,E′)←G＝(V₁,V₂,E)，初始化二分图初始化二分图计算二分图G^LL′中节点集的度分布{g′(d)|d＝1,2,…,d_max}，其中，g′(d)表示中度为d的节点比率，计算最终需要删除边的总数E_d＝||E||·R_R，其中，初始化变量t＝0，η＝0；转到步骤S705；

S705，如果tE_d，转到步骤S706；否则二分图G′＝(V′₁,V′₂,E′)，其中且E′＝E^LH′∪E^LL′，为最终输出结果，转到步骤S713；

S706，如果则更新η←η-1，计算两个可选边集和

其中且集合N′(ψ(v₁))＝{v|v∈V₁′∧ψ(v)＝ψ(v₁)}，

并转到步骤S709，否则，转到步骤S707；

S707，如果选择集合S中一个节点v，设该节点的度为d＝d_v；否则以式定义的离散概率分布p_k/Σ_{i＝1,2,…,s}p_i(k＝1,2,…,s)随机采样一个节点度d∈{d₁,d₂,…,d_s}，其中d₁d₂…d_s0，f(d₁),f(d₂),…,f(d_s)表示节点集V₁中度为d_k(1≤k≤s)的节点比率，转到步骤S708；

S708，如果则更新η←η+1，转到步骤S712；如果则计算两个可选边集和转到步骤S709；如果d1，则计算两个可选边集和转到步骤S709；

S709，如果转到步骤S710；如果转到步骤S711；如果以概率P^LL′＝γ^LL′/(γ^LH′+γ^LL′)转到步骤S710，以概率1-P^LL′转到步骤S711，

其中，γ^LL′＝m^LL-(||E^LL||-||E^LL′||)，γ^LH′＝m^LH-(||E^LH||-||E^LH′||)，

m^LH＝E_d-m^LL；

S710，假设其中且计算其中D为集合中节点的度组成的集合；如果||D^h||＝0，则更新D^h←{arg_dmax_d∈D{g′(d)-g(d)}}；

首先，计算集合的一个子集：

假设其中且计算ψ′＝arg_ψ(v)max_v∈V{||N′(ψ(v))||/L(ψ(v))}，其中N′(ψ(v))＝{v₁|v₁∈V₁′∧ψ(v₁)＝ψ(v)}，

然后，计算集合E_a的一个子集，

最后，从集合E_b中随机选择一条边e，并将该边从二分图和G′＝(V′₁,V′₂,E′)中删除，即更新E^LL′←E^LL′/{e}且E′←E′/{e}，更新二分G^LL′中的节点度分布{g′(d)|d＝1,2,…,d_max}，其中g′(d)表示中度为d的节点比率，转到步骤S712；

S711，假设其中且计算ψ′＝arg_ψ(v)max_v∈V{||N′(ψ(v))||/L(ψ(v))}，其中N′(ψ(v))＝{v₁|v₁∈V₁′∧ψ(v₁)＝ψ(v)}，

计算集合的一个子集：

并从集合E_b中随机选择一条边e，并将该边从二分图和G′＝(V′₁,V′₂,E′)中删除，即更新E^LH′←E^LH′/{e}且E′←E′/{e}，转到步骤S712；

S712，更新t←t+1，转到步骤S705；

S713，输出：采样子图G′＝(V′₁,V′₂,E′)；其中，对集合N′(w)＝{v₁|v₁∈V₁′∧ψ(v₁)＝w}，其中W为步骤S701的输入，S701至S713期望对满足||N′(w)||接近于L(w)；

S8，对S3至S7得到的所有采样子图进行合并，得到这些采样子图的合并图；

S9，调用内核图采样方法对内核图Core进行采样，从而抽取部分节点和边构成采样子图；

其中，所述调用内核图采样方法包括如下步骤：

S901，输入原始互联网拓扑G＝(V,E)、合并子图G′_m和内核子图G′_Core＝(V′_Core,E′_Core)；

S902，计算原始拓扑G的平均节点度d_avg，计算合并子图G′_m的边数m(G′_m)和节点数n(G′_m)，将所有边(w,v)∈E′_Core按照max(d_w(G′_Core),d_v(G′_Core))不降顺序排列；

S903，从边集E′_Core中删除排在前面的||E′_Core||-d_avg·n(G′_m)/2+m(G′_m)条边，并将剩余边组成的集合定义为E″_Core；

S904，E″_Core为最终输出的内核边集；

S905，输出内核边集E″_Core；

S10，对S8得到的合并图和S9得到的采样子图进行合并，从而得到真实世界互联网拓扑图G＝(V,E)的采样子图；

S11，依据S10得到的真实世界互联网拓扑图的规模缩减采样子图，配置互联网测试床的拓扑连接关系，从而调度测试床有限的仿真节点资源，生成节点规模大比例缩减的互联网仿真测试环境；

其中，所述互联网拓扑结构模型分解为八类节点集，其中节点集OI表示系统噪声：

其中，V和E分别为互联网拓扑图G＝(V,E)的节点集和边集，v为拓扑图G＝(V,E)中的节点，d_v为拓扑图G＝(V,E)中节点v的度；G_I＝(V_I,E_I)为拓扑图G＝(V,E)中由节点集R(G)＝V/(P∪Q)和两个端点均属于R(G)的所有边构成边集生成的子图；V_I,E_I：分别为子图G_I＝(V_I,E_I)的节点集和边集；d_I(v)为子图G_I＝(V_I,E_I)中节点v的度。