基于复杂网络模型的量子通信网络可靠度全面评估方法技术

本发明专利技术提供基于复杂网络模型的量子通信网络可靠度全面评估方法，所述方法包括建立量子通信网络系统复杂网络模型，采集所述量子通信网络基本网络状态数据和计算可靠性指标数据，依托深度学习算法进行所述量子通信网络可靠性预测，和得出所述量子通信网络预测结果并进行评估优化。本发明专利技术中通过对量子通信网络所有节点、边及路径的可靠性进行评估，可以直接了解网络可靠性的分布状况，评估结果可用于指导量子通信网络的规划、建设、运行、管理和维护，有利于提高量子通信网络的可靠性管理水平。平。平。

【技术实现步骤摘要】
基于复杂网络模型的量子通信网络可靠度全面评估方法


[0001]本专利技术涉及量子通信网络的
，更具体地，涉及一种基于复杂网络模型的量子通信网络可靠度全面评估方法。

技术介绍

[0002]复杂网络理论是分析量子通信网络结构和演化的有效工具。复杂网络实际上是各种实际系统的拓扑抽象，复杂网络理论则是从统计的角度考察网络中节点和边的性质，这些性质的不同意味着网络内部结构的不同，而网络内部结构的不同将导致系统功能有所差异。目前，研究者提出的复杂网络的主要特征有度、度分布、平均路径长度、聚类系数、介数等，可以从各个侧面反映实际网络的结构特征，并以此为基础分析其网络性能。复杂网络理论模型构造简洁，从研究对象的实际拓扑连接关系出发，通过复杂网络理论工具，分析对象的聚类程度、节点重要度、系统脆弱性等物理特性，评估效率高。
[0003]一般网络中，可靠性评估都是以历史数据为基础，这种方法仅仅针对当下网络状态进行可靠性评估和优化，不能对未来存在的可靠性风险进行预测，从而难以实现整体网络的远期可靠性指标的预测和采取相应的保障方法。

技术实现思路

[0004]为了解决上述问题，本专利技术提供一种基于复杂网络模型的量子通信网络可靠度全面评估方法，所述方法包括以下步骤：
[0005]步骤1：建立量子通信网络系统复杂网络模型；
[0006]步骤2：采集所述量子通信网络基本网络状态数据和计算可靠性指标数据；
[0007]步骤3：依托深度学习算法进行所述量子通信网络可靠性预测；
[0008]步骤4：得出所述量子通信网络预测结果并进行评估优化。
[0009]在一种实施方式中，步骤1中将所述量子通信网络系统抽象成为复杂网络模型，依次构建量子通信网络系统复杂网络节点、边、加强平均路径的可靠性加权度指标模型，最后完成量子通信网络系统复杂网络模型搭建。
[0010]在一种实施方式中，采用以下复杂网络节点可靠性加权度指标模型分析评估量子通信网络系统复杂网络的节点的可靠性：
[0011][0012]式中：
[0013]d
r(v)
表示节点v的可靠性加权度指标；
[0014]v表示复杂网络的节点；
[0015]r(v)表示复杂网络中节点v的可靠度；
[0016]v
i
表示复杂网络中可靠性受节点v影响的节点；
[0017]E
v
表示可靠性受节点v影响的节点集合；
[0018]表示节点v
i
对节点v的可靠性灵敏度。
[0019]在一种实施方式中，采用以下复杂网络边的可靠性加权度指标模型分析评估量子通信网络系统复杂网络的边的可靠性：
[0020][0021]式中：
[0022]d
r(e)
表示边e的可靠性加权度指标；
[0023]e表示复杂网络的边；
[0024]v
j
表示复杂网络中可靠性受边e影响的节点；
[0025]r(e)表示边e的可靠度；
[0026]E
e
表示可靠性受边e影响的节点集合；
[0027]表示节点v
j
对边e的可靠性灵敏度。
[0028]在一种实施方式中，采用以下复杂网络加权平均路径的可靠度指标模型分析评估量子通信网络系统复杂网络的路径的可靠性：
[0029][0030]式中：
[0031]d
r(ij)
表示加权平均路径的可靠度指标；
[0032]i表示复杂网络中的节点；
[0033]j表示复杂网络中的不同于节点i的另一节点；
[0034]f表示复杂网络的节点i和j的最短路径上的边；
[0035]d
ij
表示节点i和j的最短路径距离。
[0036]所述复杂网络加权平均路径是所有节点两两之间可靠性加权距离的平均值：
[0037][0038]式中：
[0039]L表示复杂网络任意两个节点的平均路径长度；
[0040]N表示网络节点数。
[0041]在一种实施方式中，根据量子通信网络系统复杂网络节点、边、加强平均路径信息，采集量子通信网络一段运行时间内的基本网络信息的运行数据，生成d1维基本网络信息向量F
′
＝{P
k
，D
k
′
}其中，D
k
′
表示基本网络信息向量中的第k个参数向量，k表示向量F
′
的基本网络信息中的参数向量的总个数，P
k
为前缀向量，用于区分不同的基本网络信息参数向量D
k
′
，编码位数m＝log2K；所述基本网络信息包括网络的拓扑结构信息、业务信息、节点信息。
[0042]在一种实施方式中，根据量子通信网络一段运行时间内的基本网络信息的运行数据，计算确定衡量量子通信网络可靠性的指标的运行数据，生成d2维可靠性指标向量R
′
＝{P
l
，C
l
′
}，其中，C
l
′
表示可靠性指标向量中的第1个指标向量，1表示向量R
′
中衡量量子通信
网络可靠性的指标向量的总个数，P
l
为前缀向量，用于区分不同的指标向量C
l
′
，编码位数n＝log2L。
[0043]在一种实施方式中，根据所述量子通信网络的基本网络信息的历史数据计算确定衡量量子通信网络可靠性的指标的历史数据，所述衡量量子通信网络可靠性的指标包括衡量网络结构可靠性、网络节点可靠性和网络业务能力可靠性的指标。
[0044]在一种实施方式中，根据量子通信网络一段运行时间内的基本网络信息的运行数据，生成d1维基本网络信息向量F
′
＝{P
k
，D
k
′
}，并将F
′
作为预先设置的最优第一深度置信网络模型的输入特征向量，将最优第一深度置信网络模型的输出结果作为预先设置的最优第一双向长短时记忆网络LSTM的输入特征向量，将所述最优第一双向长短时记忆网络LSTM的输出结果经过解码器解码后得到量子通信网络下一运行时间段基本网络信息向量中k个参数的预测值。
[0045]在一种实施方式中，根据量子通信网络一段运行时间内的基本网络信息的运行数据，计算确定衡量量子通信网络可靠性的指标的运行数据，生成d2维可靠性指标向量R
′
＝{P
l
，C
l
′
}，并将R
′
作为预先设置的最优第二深度置信网络模型的输入特征向量，将最优第二深度置信网络模型的输出结果作为预先设置的最优第二双向长短时记忆网络LSTM的输入特征向量，将所述最优第二双向长短时记忆网络LSTM的输出结果经过解码器解码后得到量子通信网络下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于复杂网络模型的量子通信网络可靠度全面评估方法，其特征在于，所述方法包括以下步骤：步骤1：建立量子通信网络系统复杂网络模型；步骤2：采集所述量子通信网络基本网络状态数据和计算可靠性指标数据；步骤3：依托深度学习算法进行所述量子通信网络可靠性预测；步骤4：得出所述量子通信网络预测结果并进行评估优化。2.根据权利要求1所述的量子通信网络可靠度全面评估方法，其特征在于，步骤1中将所述量子通信网络系统抽象成为复杂网络模型，依次构建量子通信网络系统复杂网络节点、边、加强平均路径的可靠性加权度指标模型，最后完成量子通信网络系统复杂网络模型搭建。3.根据权利要求2所述的量子通信网络可靠度全面评估方法，其特征在于，采用以下复杂网络节点可靠性加权度指标模型分析评估量子通信网络系统复杂网络的节点的可靠性：式中：d
r(v)
表示节点v的可靠性加权度指标；v表示复杂网络的节点；r(v)表示复杂网络中节点v的可靠度；v
i
表示复杂网络中可靠性受节点v影响的节点；E
v
表示可靠性受节点v影响的节点集合；表示节点v
i
对节点v的可靠性灵敏度。4.根据权利要求2所述的量子通信网络可靠度全面评估方法，其特征在于，采用以下复杂网络边的可靠性加权度指标模型分析评估量子通信网络系统复杂网络的边的可靠性：式中：d
r(e)
表示边e的可靠性加权度指标；e表示复杂网络的边；v
j
表示复杂网络中可靠性受边e影响的节点；r(e)表示边e的可靠度；E
e
表示可靠性受边e影响的节点集合；表示节点v
j
对边e的可靠性灵敏度。5.根据权利要求2所述的量子通信网络可靠度全面评估方法，其特征在于，采用以下复杂网络加权平均路径的可靠度指标模型分析评估量子通信网络系统复杂网络的路径的可靠性：
式中：d
r(ij)
表示加权平均路径的可靠度指标；i表示复杂网络中的节点；j表示复杂网络中的不同于节点i的另一节点；f表示复杂网络的节点i和j的最短路径上的边；d
ij
表示节点i和j的最短路径距离。所述复杂网络加权平均路径是所有节点两两之间可靠性加权距离的平均值：式中：L表示复杂网络任意两个节点的平均路径长度；N表示网络节点数。6.根据权利要求2所述的量子通信网络可靠度全面评估方法，其特征在于，根据量子通信网络系统复杂网络节点、边、加强平均路径信息，采集量子通信网络一段运行时间内的基本网络信息的运行数据，生成d1维基本网络信息向量F
′
＝{P
k
，D
k
′
}其中，D
k
′
表示基本网络信息向量中的第k个参数向量，k表示向量F
′
的基本网络信息中的参数向量的总个数，P
k
为前缀向量，用于区分不同的基本网络信息参数向量D
k
′
,编码位数m＝log2K；所述基本网络信息包括网络的拓扑结构信息、业务信息、节点信息。7.根据权利要求6所述的量子通信网络可靠度全面评估方法，其特征在于，根据量子通信网络一段运行时间内的基本网络信息的运行数据，计算确定衡量量子通信网络可靠性的指标的运行数据，生成d2维可靠性指标向量R
′
＝{P
l
，C
l
′
},其中，C
l
′
表示可靠性指标向量中的第l个指标向量，l表示向量R
′
中衡量量子通信网络可靠性的指标向量的总个数，P
l...

【专利技术属性】
技术研发人员：陈德华，陈柱，王旭东，
申请(专利权)人：国科量子通信网络有限公司，
类型：发明
国别省市：