【技术实现步骤摘要】
本申请涉及网络安全性防御，特别涉及一种基于遗传算法的复杂网络鲁棒性提高方法。
技术介绍
1、随着当前社会的发展，人类社会的运作在很大程度上依赖于各种基础设施系统，如互联网、电网和交通网络。这些网络中的设备被抽象成网络中的节点，之间的连接被视为网络中的边，这些边和节点都代表着各自相应的功能，在最短路径的网络中，网络中的信息传播往往根据最短路径进行传播，比如互联网中的信息量，供水网中的水流量，交通网中的车流量等，这些信息在网络中的两点之间进行传播时往往根据最短的路径进行传递，所以这必然导致网络中的某些节点会成为其他的节点的枢纽点，这些枢纽点被称为关键节点。然而，这些关键网络中的往往节点都有一定的承载能力，当某个节点转发不了相应的流量时，就会造成节点失效，导致网络系统功能失效，由于网络结构的相互连接和网络功能的相互耦合，会导致失效后的网络流量重新分配，本该经过某些节点的流量却经过了其他的节点，这个过程叫做负载的重新分配。如果新的网络，比如最大连通子图，在负载重新分配后还存在失效的节点或者边，那么就会重复以上步骤，直到网络平衡，不存在失效的边和节点，这种由局部逐渐扩展到全局的传播现象称之为级联故障，级联故障可能导致大规模崩溃和严重的经济后果，比如局部的停电会导致大范围的停电现象。
2、同时，在实际的网络系统中，网络中的流量传输通常选择最短路径进行传输，比如在互联网中进行信息传输都会选择路由跳数最短的路径进行传输，这样的方式容易导致高度连接(集线器)节点极其容易发生拥挤，出现故障。所以在进行网络边的权重设计时，通过边的权重调整
技术实现思路
1、本申请提供了一种基于遗传算法的复杂网络鲁棒性提高方法，可用于解决级联故障发生后，高度连接节点极其容易发生拥挤，出现故障的技术问题。
2、本申请提供一种基于遗传算法的复杂网络鲁棒性提高方法，包括：
3、步骤1：对待处理网络进行抽象化预处理，构建图网络；
4、步骤2：根据无向加权图中各边的权重，计算出无向加权图中所有两个点组合对应的所有最短路径；
5、步骤3：根据无向图加权图中对应的所有最短路径，计算出网络中所有节点的初始负载和最大处理能力；
6、步骤4：对初始化的网络进行攻击，获取初始化网络的鲁棒性；
7、步骤5：使用遗传算法对负载攻击下的级联故障的网络的边的权值进行优化，找到一组边的权重值使得累加的鲁棒性最大。
8、可选的，对待处理网络进行抽象化预处理，构建图网络，包括：
9、将网络中的定点视为节点，连接定点的线视为边，网络的拓扑结构用一个无向图g(v,e)表示，其中v为节点集，e是边的集合。
10、可选的，根据无向加权图中各边的权重，计算出无向加权图中所有两个点组合对应的所有最短路径，包括：
11、针对无向加权图中所有存在联系的两个点组合，基于权值累加，分别获得各两个点之间的最短路径，进而获得无向加权图中所有两个点组合对应的所有最短路径。
12、可选的，初始负载通过以下方法确定：
13、
14、式中，li(0)为初始负载，s和t分别表示网络中两个节点，i表示节点s与节点t之间最短路径上某个节点，bst(i)表示节点s与节点t之间的经过节点i最短路径的个数；
15、最大处理能力通过以下方法确定：
16、
17、式中，ci表示节点i的最大处理能力，当节点超过自身的最大处理能力，节点就会失效；表示容忍参数。
18、可选的，对初始化的网络进行攻击，获取初始化网络的鲁棒性，包括：
19、对初始网络采用某一攻击比例下的负载攻击，移除被攻击的目标节点，以及与目标节点相连接的边，得到被攻击后的最大联通子图；
20、不断重复步骤2以及步骤3直至最大连通子图中网络中不存在失效的节点后，网络达到平衡；
21、网络达到平衡后，网络鲁棒性通过以下方法确定：
22、
23、式中，n′表示最终最大连通子图中存活的节点个数，n表示最初网络中节点个数，u(r)表示攻击比例r下的鲁棒性；
24、将每一个攻击比例r下的鲁棒性u(r)相加得到累加的鲁棒性aos。
25、可选的，使用遗传算法对负载攻击下的级联故障的网络的边的权值进行优化，找到一组最佳的边的权重值，使得累加的鲁棒性最大，包括：
26、步骤51，根据种群中的每个个体，构建新的网络：
27、随机生成种群p，p的数量为m，种群中每一个个体x(i)＝(xab,xcd,xef,...xhg,...,xzv)，其中xhg表示节点h与节点g之间边的权重；其中，xhg归一化处理后xhg∈(0,1)；
28、个体x(i)的维度取决于网络中边的个数e，根据生成的个体，为网络中每条边赋值一个权重值，构建新的网络；
29、计算出给新的网络所有两点间所有最短路径，以及每个节点负载和处理能力；
30、步骤52，对新的网络采用负载攻击，模拟级联故障的过程；计算出每一种攻击比例r下的鲁棒性u(r)，将这些u(r)相加，得到累加的鲁棒性aos：
31、
32、式中，z表示正整数，w表示从1到100的整数，r表示从0.01到1的攻击比例，u(r)表示在攻击比例r下网络的鲁棒性，aos表示攻击比例r从0.01到1下鲁棒性u(r)的累加值；
33、步骤53，进行个体的选择：
34、利用轮盘赌保留最佳个体，计算出每一个个体的概率
35、式中，aos(xi)表示通过种群中个体xi构建的新网络下的累加的鲁棒性值，表示种群中所有个体计算出来的累加的鲁棒性值之和。
36、步骤54，进行个体的交叉：
37、交叉的过程中选择两个父代个体进行交叉，交叉点随机进行选择，交叉后的个体保留进种群中；
38、步骤55，进行个体的变异：
39、变异的过程中对个体的每一个位置进行判断，如果该个体的位置的概率小于预设概率就进行变异，将变异的个体进行保留；
40、步骤56，进行最佳个体保留：由于在交叉和变异的过程加入了新的个体，种群的个体数变多了，所以需要计算出每一个个体的下构建的新的网络的累加的鲁棒性值，从高到低进行排序，对前m个体进行保留；
41、迭代步骤57，进行迭代次数的判读，如果没有达到设置的迭代次数就返回步骤53使用轮盘赌保留最佳个体；如果达到迭代次数就输出累加的鲁棒性值aos最大的个体x。
42、本申请提供的方法可以让网络中每一个节点分摊流量的传送，而不是集中通过某些枢纽节点进行传送，这样就可以提高网络鲁棒性。本方法中以无向加权图为基础，采用本文档来自技高网...
【技术保护点】
1.一种基于遗传算法的复杂网络鲁棒性提高方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对待处理网络进行抽象化预处理，构建图网络，包括：
3.根据权利要求1所述的方法，其特征在于，根据无向加权图中各边的权重，计算出无向加权图中所有两个点组合对应的所有最短路径，包括：
4.根据权利要求1所述的方法，其特征在于，初始负载通过以下方法确定：
5.根据权利要求1所述的方法，其特征在于，对初始化的网络进行攻击，获取初始化网络的鲁棒性，包括：
6.根据权利要求1所述的方法，其特征在于，使用遗传算法对负载攻击下的级联故障的网络的边的权值进行优化，找到一组最佳的边的权重值，使得累加的鲁棒性最大，包括：
【技术特征摘要】
1.一种基于遗传算法的复杂网络鲁棒性提高方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对待处理网络进行抽象化预处理，构建图网络，包括：
3.根据权利要求1所述的方法，其特征在于，根据无向加权图中各边的权重，计算出无向加权图中所有两个点组合对应的所有最短路径，包括：
4.根据...
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。