本发明专利技术涉及一种基于数字孪生体的网络综合能力评估方法及评估系统，属于网络能力评估技术领域，解决了现有网络综合能力评估方法的评估效果不理想的问题。该方法包括：将网络实体映射成网络数字孪生体系统，获取所述网络数字孪生体系统的所有能力状态；基于所述网络数字孪生体系统的所有能力状态，构建系统状态转移概率矩阵；基于所述系统状态转移概率矩阵，获取所述网络数字孪生体系统的稳态能力评价值和瞬态能力评价值；基于网络数字孪生体系统的性能指标，获取网络数字孪生体系统的任务完成能力值；基于所述网络数字孪生体系统的稳态能力评价值、瞬态能力评价值和任务完成能力值，得到所述网络实体的网络综合能力评估结果。果。果。
【技术实现步骤摘要】
一种基于数字孪生体的网络综合能力评估方法及评估系统
[0001]本专利技术涉及网络能力评估
，尤其涉及一种基于数字孪生体的网络综合能力评估方法及评估系统。
技术介绍
[0002]近年来，互联网行业蓬勃发展，已经到了技术成熟和商业模式固化的阶段。各行业极大地拓展了线上工作方式和各类业务，这就使得物理世界和虚拟世界的融合、以及以数字孪生体为基础的数字化服务成为了当前的发展重点。再加上面向未来应用场景的元宇宙概念的提出，逐渐形成了以已有移动互联网发展基础、综合集成各类应用模式、综合利用各类关键技术的未来一体化解决方案。
[0003]未来，元宇宙将会成为人们工作生活的物理世界的并行空间，其与物理世界同步运行交互过程中，虚拟世界中的数字孪生体如何模拟物理世界实体、模拟效果的优劣需要一种量化的评价方法。但物理世界实体错综复杂且动态多变，难以以固定的方式进行能力评价。因此，探索面向元宇宙应用的数字孪生体系统能力评价方法就显得尤为重要。
[0004]从上世纪60年代开始，相关领域研究者就已经开始研究系统能力评价问题，经过多年的发展，已经有了较为丰富的研究成果。常用的能力评价方法可以分为以下四类：
[0005]一是专家评价法，即在广泛征寻专家意见的基础上，构建了系统能力评价指标体系，通过多专家综合评价获取指标权重。该评价方法可以对缺乏数据等难以定量算得的指标进行评价和预测，但是会造成评价和预测的结果不可避免地存在一定的主观性和倾向性。
[0006]二是解析法，该方法利用在克服粗糙量化引起的估计误差方面的有效性，对具有统一的量化分辨率的系统进行性能比较，另外还可以利用层次分析法及其扩展来评价系统能力。该方法本质上是通过建立数学模型来计算能力评价指标评价值的方法，计算简单，易于理解与应用。缺点是模型的构建过程中考虑的因素有限，所得结果过于抽象，系统缺乏客观性。
[0007]三是仿真法，具有代表性的有基于系统动力学模型或基于人工神经网络的能力评价方法，基于多智能体和自动控制系统理论的评价方法等。该评价方法模拟了系统的实际运行或发展过程，但存在系统复杂度高，各节点的连接关系表现性不强的问题。
[0008]四是网络分析法，该方法弥补了基于智能体建模等方法在系统信息交互建模方面的不足，将复杂系统中的各种实体抽象为节点，并将各种连接关系抽象为链路，可以较好地体现节点之间的交互关系。但是，现有的网络分析法难以模拟现有网络动态性较强、数字孪生体结构随时变化等特征，从而导致能力分析结果并不理想。
技术实现思路
[0009]鉴于上述的分析，本专利技术实施例旨在提供一种基于数字孪生体的网络综合能力评估方法及评估系统，用以解决现有网络综合能力评估方法的评估效果不理想的问题。
[0010]一方面，本专利技术提供了一种基于数字孪生体的网络综合能力评估方法，包括：
[0011]将网络实体映射成网络数字孪生体系统，获取所述网络数字孪生体系统的所有能力状态；
[0012]基于所述网络数字孪生体系统的所有能力状态，构建系统状态转移概率矩阵；
[0013]基于所述系统状态转移概率矩阵，获取所述网络数字孪生体系统的稳态能力评价值和瞬态能力评价值；
[0014]基于所述网络数字孪生体系统的性能指标，获取所述网络数字孪生体系统的任务完成能力值；
[0015]基于所述网络数字孪生体系统的稳态能力评价值、瞬态能力评价值和任务完成能力值，得到所述网络实体的网络综合能力评估结果。
[0016]在上述方案的基础上，本专利技术还做出了如下改进：
[0017]进一步，所述网络数字孪生体系统的所有能力状态包括：
[0018]能力状态0：所述网络数字孪生体系统中的所有节点均处于完好状态，所述网络数字孪生体系统的所有功能均能实现正常；
[0019]能力状态1：所述网络数字孪生体系统中有1个节点处于故障状态，所述网络数字孪生体系统仍能满足一定的功能要求；
[0020]能力状态j：所述网络数字孪生体系统中有j个节点处于故障状态，所述网络数字孪生体系统仍能满足一定的功能要求；1≤j≤s
‑
1；
[0021]能力状态s：所述网络数字孪生体系统中有s个及以上的节点处于故障状态，所述网络数字孪生体系统处于故障状态，不能满足任何功能要求；s表示网络数字孪生体系统完全丧失其功能时发生故障的节点总数。
[0022]进一步，所述系统状态转移概率矩阵Q为：
[0023][0024]其中，λ
i
＝(m
‑
i)λ，m表示所述网络数字孪生体系统中节点的总数；i＝0,1,...,s
‑
1；λ、μ分别表示所述网络数字孪生体系统中各节点的故障率、修复率。
[0025]进一步，所述获取所述网络数字孪生体系统的稳态能力评价值，包括：
[0026]求解所述网络数字孪生体系统运行过程中的稳态平衡方程Q
T
π＝0，得到极限分布π；其中，π＝[π0,π1,
…
,π
j
,
…
,π
s
]T
，π
j
表示第j个能力状态下的稳态概率；
[0027]汇总所有能力状态中所有可用状态下的稳态概率，形成所述网络数字孪生体系统的稳态能力评价值；
[0028]其中，所述能力状态中的可用状态包括能力状态0到能力状态s
‑
1。
[0029]进一步，所述网络数字孪生体系统的稳态能力评价值E
ss
：
[0030][0031]其中，
[0032][0033]进一步，所述网络数字孪生体系统的瞬态能力评价值E
I
：
[0034][0035]其中，l
j
(t)表示网络数字孪生体系统处于第j个可用状态时的瞬态概率，t表示时间；
[0036][0037][0038]进一步，基于所述网络数字孪生体系统的性能指标，获取所述网络数字孪生体系统的任务完成能力值，包括：
[0039]基于所述网络数字孪生体系统的性能指标，得到所述网络数字孪生体系统处于各可用状态时的任务完成能力值；
[0040]基于所述网络数字孪生体系统处于各可用状态时的任务完成能力值和瞬态概率，得到所述网络数字孪生体系统的任务完成能力值。
[0041]进一步，所述网络数字孪生体系统的任务完成能力值A为：
[0042][0043]其中，c
j
表示所述网络数字孪生体系统处于可用状态j时的任务完成能力值。
[0044]进一步，所述网络实体的网络综合能力评估结果为网络数字孪生体系统的稳态能力评价值、瞬态能力评价值和任务完成能力值的乘积。
[0045]另一方面，本专利技术还提供了一种基于数字孪生体的网络综合能力评估系统，包括：
[0046]能力状态获取模块，用于将网络实体映射成网络数字孪生体系统，获取所述网络数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于数字孪生体的网络综合能力评估方法，其特征在于，包括：将网络实体映射成网络数字孪生体系统，获取所述网络数字孪生体系统的所有能力状态；基于所述网络数字孪生体系统的所有能力状态，构建系统状态转移概率矩阵；基于所述系统状态转移概率矩阵，获取所述网络数字孪生体系统的稳态能力评价值和瞬态能力评价值；基于所述网络数字孪生体系统的性能指标，获取所述网络数字孪生体系统的任务完成能力值；基于所述网络数字孪生体系统的稳态能力评价值、瞬态能力评价值和任务完成能力值，得到所述网络实体的网络综合能力评估结果。2.根据权利要求1所述的基于数字孪生体的网络综合能力评估方法，其特征在于，所述网络数字孪生体系统的所有能力状态包括：能力状态0：所述网络数字孪生体系统中的所有节点均处于完好状态，所述网络数字孪生体系统的所有功能均能实现正常；能力状态1：所述网络数字孪生体系统中有1个节点处于故障状态，所述网络数字孪生体系统仍能满足一定的功能要求；能力状态j：所述网络数字孪生体系统中有j个节点处于故障状态，所述网络数字孪生体系统仍能满足一定的功能要求；1≤j≤s
‑
1；能力状态s：所述网络数字孪生体系统中有s个及以上的节点处于故障状态，所述网络数字孪生体系统处于故障状态，不能满足任何功能要求；s表示网络数字孪生体系统完全丧失其功能时发生故障的节点总数。3.根据权利要求1所述的基于数字孪生体的网络综合能力评估方法，其特征在于，所述系统状态转移概率矩阵Q为：其中，λ
i
＝(m
‑
i)λ，m表示所述网络数字孪生体系统中节点的总数；i＝0,1,...,s
‑
1；λ、μ分别表示所述网络数字孪生体系统中各节点的故障率、修复率。4.根据权利要求3所述的基于数字孪生体的网络综合能力评估方法，其特征在于，所述获取所述网络数字孪生体系统的稳态能力评价值，包括：求解所述网络数字孪生体系统运行过程中的稳态平衡方程Q
T
π＝0，得到极限分布π；其中，π＝[π0,π1,
…
,π
j
,
…
,π
s
]
T
，π
j
表示第j个能力状态下的稳态概率；汇总所有能力状态中所有可用状态...
【专利技术属性】
技术研发人员：杨以杰，杨振亚，
申请(专利权)人：安世亚太科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。