一种基于宽度学习的物联网拓扑优化方法及其应用技术

本发明专利技术公开了一种基于宽度学习的拓扑优化方法及其应用，包括如下步骤：步骤1：通过无标度网络的方式对物联网进行初始化生成初始拓扑；步骤2：通过多种群进化算法对物联网拓扑优化生成目标拓扑；步骤3：对初始拓扑和目标拓扑去重获得拓扑对数据集；步骤4：通过节点度数将拓扑对数据集中的每一个拓扑对进行编码获得拓扑邻接矩阵；步骤5：通过对拓扑邻接矩阵拆分成训练集和测试集对宽度学习模型测试；步骤6：通过如下公式对测试后的宽度学习模型计算获得优化宽度学习模型；本发明专利技术该方法通过调整拓扑中节点的数据存储格式来保证宽度学习能充分学习到优化前后的拓扑特征，并以极低的时间开销提升了物联网拓扑的鲁棒性。间开销提升了物联网拓扑的鲁棒性。间开销提升了物联网拓扑的鲁棒性。

【技术实现步骤摘要】
一种基于宽度学习的物联网拓扑优化方法及其应用


[0001]本专利技术属于物联网以及拓扑优化的
，尤其涉及一种基于宽度学习的物联网拓扑优化方法及其应用。

技术介绍

[0002]物联网是一种综合了机械控制、无线感知、数据采集与共享等技术的综合系统。随着5G技术的发展，物联网得到了越来越多的使用。针对一部分特定物联网应用场景，超密集组网技术已经被提出并用于提升网络流量的峰值。集中布置传感器可以提高网络的功率和频谱利用率，但同时也会增加节点的能耗。另外，由于多个汇聚节点之间的通信负荷不平衡，会导致各区域能量消耗的差异，从而导致部分节点能量耗尽，网络的服务质量下降。网络攻击或线下破坏也会增加节点的故障概率，使网络的连接性能降低，因此，合理的网络布局是提高网络效率的关键。网络拓扑是指在一个网络中，各个节点之间的连接与通讯关系。合理的网络拓扑结构对整个网络的稳定运行起着至关重要的作用，也是影响到物联网感知层自组网的安全性和可靠性的重要因素。然而，传统的网络拓扑结构直接在大规模物联网中使用，不能很好地解决网络系统的稳定性、能耗和时延等问题。另外，在密集物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于宽度学习的拓扑优化方法，其特征在于，包括如下步骤：步骤101、通过无标度网络的方式对物联网进行初始化生成初始拓扑；步骤102、通过多种群进化算法对物联网拓扑优化生成目标拓扑；步骤103、对初始拓扑和目标拓扑去重获得拓扑对数据集；步骤104、通过节点度数将拓扑对数据集中的每一个拓扑对进行编码获得拓扑邻接矩阵；步骤105、通过对拓扑邻接矩阵拆分成训练集和测试集对宽度学习模型测试；步骤106、通过如下公式对测试后的宽度学习模型计算获得优化宽度学习模型：步骤106、通过如下公式对测试后的宽度学习模型计算获得优化宽度学习模型：其中：N是拓扑中节点个数，MCS(n)表示恶意攻击当前拓扑最高度数节点n次后，拓扑的最大连通子图包含节点数；M是训练集或测试集的数据量大小，R
i
表示第i个优化拓扑的鲁棒性值，表示第i个初始拓扑经过宽度学习优化后的拓扑鲁棒性值。2.一种基于宽度学习的拓扑优化方法在物联网应用，其特征在于，包括如下步骤：步骤201、通过无标度网络的方式对物联网进行初始化生成初始物联网拓扑步骤202、通过多种群进化算法对物联网拓扑优化生成目标物联网拓扑；步骤203、对初始物联网拓扑和目标物联网拓扑去重获得拓扑对数据集；步骤204、通过节点度数将拓扑对数据集中的每一个拓扑对进行编码获得物联网拓扑邻接矩阵；步骤205、通过对拓扑邻接矩阵拆分成训练集和测试集对物联网宽度学习模型测试；步骤206、通过如下公式对测试后的宽度学习模型计算获得物联网优化宽度学习模型：步骤206、通过如下公式对测试后的宽度学习模型计算获得物联网优化宽度学习模型：其中：N是拓扑中节点个数，MCS(n)表示恶意攻击当前拓扑最高度数节点n次后，拓扑的最大连通子图包含节点数；M是训练集或测试集的数据量大小，R
i
...

【专利技术属性】
技术研发人员：邱铁，孙景晨，刘赞，徐天一，张松伟，陈宁，
申请(专利权)人：天津大学，
类型：发明
国别省市：