[发明专利]一种提高无标度网络弹性的优化方法

说明书

本发明提供提高无标度网络弹性的优化方法，包括：构建拓扑优化目标函数；对烟花粒子群算法的参数进行初始化，计算粒子的适应度；判断烟花粒子群算法是否达到总的迭代次数；判断是否达到粒子群算法的迭代次数，选适应度最大的n个粒子；将选择的n个粒子进行烟花爆炸和高斯变异；先从爆炸变异后的粒子里将适应度最好的选出，再按照轮盘赌的选择策略选出剩下的popsize‑n‑1个个体；输出最优适应度值及对应粒子群的位置；依照优化结果修改无标度网络的拓扑结构，得到弹性获得提升的工业互联网拓扑。本发明提供的提高无标度网络弹性的优化方法，使得烟花粒子群算法的收敛速度和搜索能力增强，增强了网络针对各种网络攻击的弹性。

技术领域

本发明涉及计算机技术领域，特别涉及一种提高无标度网络弹性的优化方法。

背景技术

现实世界中的网络，如Internet网、工业互联网、生物网络、自组织网络等在现代社会中扮演着重要角色，在网络科学中所有这些真实的网络都可以用复杂网络的模型来表示。复杂网络中的无标度网络对于随机攻击具有很强的网络弹性。未来工业互联网还会极易遭受敌对方的各种蓄意攻击，这种攻击会使得网络发生故障，甚至会导致整个网络瘫痪。考虑到复杂网络中的无标度网络的特点，我们先将现实中的工业互联网构建成无标度网络，通过对无标度网络的拓扑优化，再提高工业互联网抗蓄意攻击的能力，使得网络具有较强的静态和动态抗毁性，综合提升网络的弹性。这里提及的网络弹性是指在网络遭受攻击时，网络保持其节点之间关联性、能够提供和保持其可接受的服务功能的能力。

复杂网络在边或者节点故障下的网络弹性研究已经越来越受关注。网络节点的故障会导致原本连接的网络拓扑分裂，破坏网络的连通性，降低网络的覆盖范围，导致网络分区。所以，如何构建一个强弹性的网络结构显得尤为重要。目前对网络弹性的研究主要基于图论的知识，根据网络的特性构建不同情况下的故障模型，对其网络弹性进行理论分析，而将复杂网络与智能优化算法相结合对网络拓扑进行优化将是很有前景的一种研究方法。

粒子群算法中，粒子在其历史最优解和当前全局最优解的指导下，能够快速找到更好的解，收敛速度快。但是，由于粒子群中粒子位置的更新，主要通过比较其自身位置、周围位置和群粒子中的当前最佳位置来进化，模式较单一，因此在后期迭代计算中收敛速度不高，极易陷入局部最优。

与其他优化算法类似，烟花算法也是通过连续迭代获取最优解。烟花算法主要有三部分组成：爆炸算子、高斯变异算子和选择策略。在烟花算法中，烟花表示优化问题的潜在可行解，烟花产生火花的过程表示在可行解空间中的搜索。在每次迭代中，火花一般通过两种方式产生：爆炸和高斯变异。烟花的爆炸主要由爆炸半径和爆炸火花的数量来控制，烟花可以通过爆炸和突变操作在整个搜索空间中找到全局最优解。

目前利用网络拓扑优化算法增强网络弹性是这一领域研究的热点，粒子群算法可以用来做网络拓扑优化，但是诸如粒子群优化算法在寻优过程的后期收敛速度慢，容易陷入局部最优的缺点也是亟需要解决的问题。

发明内容

本发明的目的在于提供一种提高无标度网络弹性的优化方法，解决粒子群优化算法在寻优过程的后期收敛速度慢，容易陷入局部最优的问题。