[发明专利]一种网络可靠性模型及混合智能优化方法

摘要

本发明属于网络通信技术领域，公开了一种网络可靠性模型及混合智能优化方法，网络可靠性模型加入网络抗毁性相关评价指标，从生存性和抗毁性两个角度进行优化设计，并在优化设计当中允许节点以一定的概率失效，对网络拓扑结构进行优化设计，克服了现有可靠性模型限制条件单一的缺陷，更加完善和符合实际应用场景。本发明优化方法针对遗传算法的局部搜索能力较差，总体搜索能力较强，而蚁群算法总体搜索能力较差，局部搜索能力较强的特点，提出遗传算法和蚁群算法相结合的混合智能算法，取长补短，克服了单种智能算法本身固有的缺陷，改进了解的求解质量。

主权项

一种网络可靠性模型，其特征在于，所述网络可靠性模型为：Minf(X)=Σi=1N-1Σj=i+1Ncij·xij---(1)]]>S.T. R(X)≥R0             (2)R(X)=1-[Σi=1N(1-pe)diΠj=1i-1[1-(1-pe)dj-aij]+peΣi=1Ndi2(1-pv)Σi=0N-1pvi]---(3)]]>aij＝aji＝xij           (4)di=Σj=1Naij,i=1,2,...,N---(5)]]>di≥2,i＝1,2,…,N           (6)L(G)＝D(G)‑A(G)            (7)λ1≤λ2≤…≤λN               (8)λ2N≥λ0---(9)]]>RG=NΣi=2N1λi---(10)]]>C*=N-1RG---(11)]]>C*≥C0*---(12)]]>式2‑式3表示网络的全终端可靠度不小于最低要求全终端可靠度；式4‑式6表示网络拓扑图当中节点度都大于等于2，即网络是一个满足度2约束的连通图；式7‑式9表示网络的代数连通度不小于最低要求代数连通度；式10‑式12表示网络的图抵抗度不小于最低要求图抵抗度；其中，网络的物理拓扑为G(V,E)，结点集合V＝{vi|i＝1,2,…N}代表网络设备集合；其中，N代表网络中结点的个数；lij表示结点vi和vj之间的链路，而链路的集合为E{lij|i,j∈N}；f(X)表示目标函数；C*表示归一化后的图抵抗度；表示最低要求图抵抗度；cij表示i和j两点间的链路成本；R(X)表示全终端可靠度；R0表示最低要求全终端可靠度；RG表示图抵抗度；xij表示链路决策变量，xij＝1表示节点i和j有直接链路连接，xij＝0表示节点i和j无直接链路连接；X{x12,x13,…,xij,…,x(N‑1)N}表示一种网络拓扑链路组合；λ0表示最低要求代数连通度；λ2表示代数连通度；A(G)表示图G的邻接矩阵；aij表示图G的邻接矩阵的第i行第j列元素；D(G)表示图G的节点度对角矩阵；dij表示图G的节点度对角矩阵的第i行第j列元素；di表示节点度；L(G)表示图G的拉普拉斯矩阵；λi表示L(G)第i个特征值；pe表示链路可靠度；pv表示节点可靠度。