搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

相依网络上基于相连边的择优恢复算法

吴佳键 龚凯 王聪 王磊

相依网络上基于相连边的择优恢复算法

吴佳键, 龚凯, 王聪, 王磊
PDF
导出引用
导出核心图
  • 如何有效地应对和控制故障在相依网络上的级联扩散避免系统发生结构性破碎,对于相依网络抗毁性研究具有十分重要的理论价值和现实意义.最新的研究提出一种基于相依网络的恢复模型,该模型的基本思想是通过定义共同边界节点,在每轮恢复阶段找出符合条件的共同边界节点并以一定比例实施恢复.当前的做法是按照随机概率进行选择.这种方法虽然简单直观,却没有考虑现实世界中资源成本的有限性和择优恢复的必然性.为此,针对相依网络的恢复模型,本文利用共同边界节点在极大连通网络内外的连接边数计算边界节点的重要性,提出一种基于相连边的择优恢复算法(preferential recovery based on connectivity link,PRCL)算法.利用渗流理论的随机故障模型,通过ER随机网络和无标度网络构建的不同结构相依网络上的级联仿真结果表明,相比随机方法和度数优先以及局域影响力优先的恢复算法,PRCL算法具备恢复能力强、起效时间早且迭代步数少的优势,能够更有效、更及时地遏制故障在网络间的级联扩散,极大地提高了相依网络遭受随机故障时的恢复能力.
      通信作者: 龚凯, gongkai1210@swufe.edu.cn
    • 基金项目: 国家自然科学基金(批准号:61602331)、中央高校基本科研业务费(批准号:JBK170133)和四川省教育厅科研基金(批准号:J17ZB0434)资助的课题.
    [1]

    Vespignani A 2010 Nature 464 984

    [2]

    Buldyrev S V, Parshani R, Paul G, Stanley H E, Havlin S 2010 Nature 464 1025

    [3]

    Gao J X, Buldyrev S V, Stanley H E, Havlin S 2012 Nat. Phys. 8 40

    [4]

    Chen S M, L H, Xu Q G, Xu Y F, Lai Q 2015 Acta Phys. Sin. 64 048902 (in Chinese)[陈世明, 吕辉, 徐青刚, 许云飞, 赖强 2015 物理学报 64 048902]

    [5]

    Rinaldi S M, Peerenboom J P, Kelly T K 2001 IEEE Contr. Syst. 21 11

    [6]

    Morris R G, Barthelemy M 2013 Sci. Rep. 3 2764

    [7]

    Liu L J, Yin Y F, Zhang Z H, Malaiya Y K 2016 Plos One 10 e0164777

    [8]

    Korkali M, Veneman J G, Tivnan B F, Bagrow J P, Hines P D H 2017 Sci. Rep. 7 44499

    [9]

    Wang X F, Li X, Chen G R 2012 Network Science:An Introduction (Beijing:Higher Education Press) (in Chinese)[汪小帆, 李翔, 陈关荣 2012 网络科学导论(北京:高等教育出版社)]

    [10]

    Cohen R, Erez K, Ben-Avraham D, Havlin S 2001 Phys. Rev. Lett. 86 3682

    [11]

    Albert R, Albert I, Nakarado G L 2004 Phys. Rev. E 69 025103

    [12]

    Gong K, Tang M, Hui P M, Zhang H F, Younghae D, Lai Y C 2013 Plos One 8 83489

    [13]

    Zhang Z K, Liu C, Zhan X X, Lu X, Zhang C X, Zhang Y C 2016 Phys. Rep. 65 1

    [14]

    Schneider C M, Yazdani N, Arajo N A M, Havlin S, Herrmann H 2013 Sci. Rep. 3 1969

    [15]

    Du R J, Dong G G, Tian L X, Liu R R 2016 Physica A 450 687

    [16]

    Gong M G, Ma L J, Cai Q, Jiao L C 2015 Sci. Rep. 5 8439

    [17]

    Wang J D, Lao S Y, Ruan Y R, Bai L, Hou L L 2017 Appl. Sci. 7 597

    [18]

    Shang Y L 2016 Sci. Rep. 6 30521

    [19]

    Shekhtman L M, Danziger M M, Havlin S 2016 Chaos Solition. Fract. 90 28

    [20]

    Muro M A D, Rocca C E L, Stanley H E, Havlin S, Braunstein L A 2016 Sci. Rep. 6 22834

    [21]

    Schneider C M, Moreira A A, Andrade J S, Havlin S, Herrmann H J 2011 Proc. Natl. Acad. Sci. USA 108 3838

    [22]

    Huang X Q, Gao J X, Buldyrev S V, Havlin S, Stanley H E 2011 Phys. Rev. E 83 065101

    [23]

    Hu F Y, Yeung C H, Yang S N, Wang W P, Zeng A 2016 Sci. Rep. 6 24522

    [24]

    Majdandzic A, Podobnki B, Buldyrev S V, Kenett D Y, Havlin S, Stanley H E 2013 Nat. Phys. 10 34

    [25]

    Liu J G, Lin J H, Guo Q, Zhou T 2016 Sci. Rep. 6 21380

    [26]

    Weng J S, Lim E P, Jiang J, He Q 2010 Proceedings of the Third ACM International Conference on Web Search and Data Mining (New York:ACM Press) pp261-270

    [27]

    Liu C, Zhang Z K 2014 Commun. Nonlinear. Sci. 19 896

    [28]

    Ren X L, L L Y 2014 Chin. Sci. Bull. 13 1175 (in Chinese)[任晓龙, 吕琳媛 2014 科学通报 13 1175]

    [29]

    Liu R R, Li M, Jia C X, Wang B H 2016 Sci. Rep. 6 25294

    [30]

    Sun S W, Wu Y F, Ma Y L, Wang L, Gao Z K, Xia C Y 2016 Sci. Rep. 6 32983

    [31]

    Wang X Y, Cao J Y, Qin X M 2016 Plos One 11 e0160545

    [32]

    Boccaletti S, Bianconi G, Criado R, del Genio C I, Gmez-Gardees J, Romance M, Sendia-Nadal I, Wang Z, Zanin M 2014 Phys. Rep. 544 1

    [33]

    Valdez L D, Macri P A, Braunstein L A 2014 J. Phys. A:Math. Theor. 47 055002

    [34]

    Freeman L C 1979 Social Networks 1 215

    [35]

    Chen D B, L L Y, Shang M S, Zhang Y C, Zhou T 2012 Physica A 391 1777

    [36]

    Erds P, Rnyi A 1959 Publ. Math. Debrecen 6 290

    [37]

    Newman M E 2003 SIAM Rev. 45 167

    [38]

    Radicchi F 2015 Nat. Phys. 11 7

    [39]

    Liu R R, Jia C X, Zhang J L, Wang B H 2012 J. Univ. Shanghai Sci. Technol. 34 235 (in Chinese)[刘润然, 贾春晓, 章剑林, 汪秉宏 2012 上海理工大学学报 34 235]

  • [1]

    Vespignani A 2010 Nature 464 984

    [2]

    Buldyrev S V, Parshani R, Paul G, Stanley H E, Havlin S 2010 Nature 464 1025

    [3]

    Gao J X, Buldyrev S V, Stanley H E, Havlin S 2012 Nat. Phys. 8 40

    [4]

    Chen S M, L H, Xu Q G, Xu Y F, Lai Q 2015 Acta Phys. Sin. 64 048902 (in Chinese)[陈世明, 吕辉, 徐青刚, 许云飞, 赖强 2015 物理学报 64 048902]

    [5]

    Rinaldi S M, Peerenboom J P, Kelly T K 2001 IEEE Contr. Syst. 21 11

    [6]

    Morris R G, Barthelemy M 2013 Sci. Rep. 3 2764

    [7]

    Liu L J, Yin Y F, Zhang Z H, Malaiya Y K 2016 Plos One 10 e0164777

    [8]

    Korkali M, Veneman J G, Tivnan B F, Bagrow J P, Hines P D H 2017 Sci. Rep. 7 44499

    [9]

    Wang X F, Li X, Chen G R 2012 Network Science:An Introduction (Beijing:Higher Education Press) (in Chinese)[汪小帆, 李翔, 陈关荣 2012 网络科学导论(北京:高等教育出版社)]

    [10]

    Cohen R, Erez K, Ben-Avraham D, Havlin S 2001 Phys. Rev. Lett. 86 3682

    [11]

    Albert R, Albert I, Nakarado G L 2004 Phys. Rev. E 69 025103

    [12]

    Gong K, Tang M, Hui P M, Zhang H F, Younghae D, Lai Y C 2013 Plos One 8 83489

    [13]

    Zhang Z K, Liu C, Zhan X X, Lu X, Zhang C X, Zhang Y C 2016 Phys. Rep. 65 1

    [14]

    Schneider C M, Yazdani N, Arajo N A M, Havlin S, Herrmann H 2013 Sci. Rep. 3 1969

    [15]

    Du R J, Dong G G, Tian L X, Liu R R 2016 Physica A 450 687

    [16]

    Gong M G, Ma L J, Cai Q, Jiao L C 2015 Sci. Rep. 5 8439

    [17]

    Wang J D, Lao S Y, Ruan Y R, Bai L, Hou L L 2017 Appl. Sci. 7 597

    [18]

    Shang Y L 2016 Sci. Rep. 6 30521

    [19]

    Shekhtman L M, Danziger M M, Havlin S 2016 Chaos Solition. Fract. 90 28

    [20]

    Muro M A D, Rocca C E L, Stanley H E, Havlin S, Braunstein L A 2016 Sci. Rep. 6 22834

    [21]

    Schneider C M, Moreira A A, Andrade J S, Havlin S, Herrmann H J 2011 Proc. Natl. Acad. Sci. USA 108 3838

    [22]

    Huang X Q, Gao J X, Buldyrev S V, Havlin S, Stanley H E 2011 Phys. Rev. E 83 065101

    [23]

    Hu F Y, Yeung C H, Yang S N, Wang W P, Zeng A 2016 Sci. Rep. 6 24522

    [24]

    Majdandzic A, Podobnki B, Buldyrev S V, Kenett D Y, Havlin S, Stanley H E 2013 Nat. Phys. 10 34

    [25]

    Liu J G, Lin J H, Guo Q, Zhou T 2016 Sci. Rep. 6 21380

    [26]

    Weng J S, Lim E P, Jiang J, He Q 2010 Proceedings of the Third ACM International Conference on Web Search and Data Mining (New York:ACM Press) pp261-270

    [27]

    Liu C, Zhang Z K 2014 Commun. Nonlinear. Sci. 19 896

    [28]

    Ren X L, L L Y 2014 Chin. Sci. Bull. 13 1175 (in Chinese)[任晓龙, 吕琳媛 2014 科学通报 13 1175]

    [29]

    Liu R R, Li M, Jia C X, Wang B H 2016 Sci. Rep. 6 25294

    [30]

    Sun S W, Wu Y F, Ma Y L, Wang L, Gao Z K, Xia C Y 2016 Sci. Rep. 6 32983

    [31]

    Wang X Y, Cao J Y, Qin X M 2016 Plos One 11 e0160545

    [32]

    Boccaletti S, Bianconi G, Criado R, del Genio C I, Gmez-Gardees J, Romance M, Sendia-Nadal I, Wang Z, Zanin M 2014 Phys. Rep. 544 1

    [33]

    Valdez L D, Macri P A, Braunstein L A 2014 J. Phys. A:Math. Theor. 47 055002

    [34]

    Freeman L C 1979 Social Networks 1 215

    [35]

    Chen D B, L L Y, Shang M S, Zhang Y C, Zhou T 2012 Physica A 391 1777

    [36]

    Erds P, Rnyi A 1959 Publ. Math. Debrecen 6 290

    [37]

    Newman M E 2003 SIAM Rev. 45 167

    [38]

    Radicchi F 2015 Nat. Phys. 11 7

    [39]

    Liu R R, Jia C X, Zhang J L, Wang B H 2012 J. Univ. Shanghai Sci. Technol. 34 235 (in Chinese)[刘润然, 贾春晓, 章剑林, 汪秉宏 2012 上海理工大学学报 34 235]

  • [1] 陈世明, 吕辉, 徐青刚, 许云飞, 赖强. 基于度的正/负相关相依网络模型及其鲁棒性研究. 物理学报, 2015, 64(4): 048902. doi: 10.7498/aps.64.048902
    [2] 陈世明, 邹小群, 吕辉, 徐青刚. 面向级联失效的相依网络鲁棒性研究. 物理学报, 2014, 63(2): 028902. doi: 10.7498/aps.63.028902
    [3] 韩伟涛, 伊鹏. 相依网络的条件依赖群逾渗. 物理学报, 2019, 68(7): 078902. doi: 10.7498/aps.68.20182258
    [4] 韩伟涛, 伊鹏, 马海龙, 张鹏, 田乐. 异质弱相依网络鲁棒性研究. 物理学报, 2019, 68(18): 186401. doi: 10.7498/aps.68.20190761
    [5] 高彦丽, 陈世明. 一种全局同质化相依网络耦合模式. 物理学报, 2016, 65(14): 148901. doi: 10.7498/aps.65.148901
    [6] 袁铭. 带有层级结构的复杂网络级联失效模型. 物理学报, 2014, 63(22): 220501. doi: 10.7498/aps.63.220501
    [7] 彭兴钊, 姚宏, 杜军, 王哲, 丁超. 负荷作用下相依网络中的级联故障. 物理学报, 2015, 64(4): 048901. doi: 10.7498/aps.64.048901
    [8] 欧阳博, 金心宇, 夏永祥, 蒋路茸, 吴端坡. 疾病传播与级联失效相互作用的研究:度不相关网络中疾病扩散条件的分析. 物理学报, 2014, 63(21): 218902. doi: 10.7498/aps.63.218902
    [9] 段东立, 战仁军. 基于相继故障信息的网络节点重要度演化机理分析. 物理学报, 2014, 63(6): 068902. doi: 10.7498/aps.63.068902
    [10] 蒋文君, 刘润然, 范天龙, 刘霜霜, 吕琳媛. 多层网络级联失效的预防和恢复策略概述*. 物理学报, 2020, (): . doi: 10.7498/aps.69.20192000
    [11] 马余强, 张玥明, 龚昌德. Hopfield神经网络模型的恢复特性. 物理学报, 1993, 42(8): 1356-1360. doi: 10.7498/aps.42.1356
    [12] 李钊, 郭燕慧, 徐国爱, 胡正名. 复杂网络中带有应急恢复机理的级联动力学分析. 物理学报, 2014, 63(15): 158901. doi: 10.7498/aps.63.158901
    [13] 李盼池, 王海英, 戴庆, 肖红. 量子过程神经网络模型算法及应用. 物理学报, 2012, 61(16): 160303. doi: 10.7498/aps.61.160303
    [14] 李玉同, 于全芝, 郑志远, 梁文锡, 王兆华, 魏志义, 张 杰, 孔祥龙, 远晓辉. Lucy-Richardson算法用于针孔图像的恢复. 物理学报, 2006, 55(5): 2364-2370. doi: 10.7498/aps.55.2364
    [15] 肖延东, 老松杨, 侯绿林, 白亮. 基于节点负荷失效的网络可控性研究. 物理学报, 2013, 62(18): 180201. doi: 10.7498/aps.62.180201
    [16] 郝晓辰, 姚宁, 汝小月, 刘伟静, 辛敏洁. 基于生命期模型的无线传感器网络信道分配博弈算法. 物理学报, 2015, 64(14): 140101. doi: 10.7498/aps.64.140101
    [17] 王建伟, 荣莉莉. 基于负荷局域择优重新分配原则的复杂网络上的相继故障. 物理学报, 2009, 58(6): 3714-3721. doi: 10.7498/aps.58.3714
    [18] 高文, 汤洋, 朱明. 复杂背景下目标检测的级联分类器算法研究. 物理学报, 2014, 63(9): 094204. doi: 10.7498/aps.63.094204
    [19] 院琳, 杨雪松, 王秉中. 基于经验知识遗传算法优化的神经网络模型实现时间反演信道预测. 物理学报, 2019, 68(17): 170503. doi: 10.7498/aps.68.20190327
    [20] 梁潇, 钱志鸿, 田洪亮, 王雪. 基于马尔可夫决策模型的异构无线网络切换选择算法. 物理学报, 2016, 65(23): 236402. doi: 10.7498/aps.65.236402
  • 引用本文:
    Citation:
计量
  • 文章访问数:  466
  • PDF下载量:  234
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-11-24
  • 修回日期:  2018-01-26
  • 刊出日期:  2018-04-20

相依网络上基于相连边的择优恢复算法

  • 1. 西南财经大学经济信息工程学院, 成都 611130;
  • 2. 西南财经大学, 互联网金融创新及监管协同创新中心, 成都 611130;
  • 3. 西南财经大学, 金融智能与金融工程四川省重点实验室, 成都 611130;
  • 4. 四川师范大学, 可视化计算与虚拟现实四川省重点实验室, 成都 610068
  • 通信作者: 龚凯, gongkai1210@swufe.edu.cn
    基金项目: 

    国家自然科学基金(批准号:61602331)、中央高校基本科研业务费(批准号:JBK170133)和四川省教育厅科研基金(批准号:J17ZB0434)资助的课题.

摘要: 如何有效地应对和控制故障在相依网络上的级联扩散避免系统发生结构性破碎,对于相依网络抗毁性研究具有十分重要的理论价值和现实意义.最新的研究提出一种基于相依网络的恢复模型,该模型的基本思想是通过定义共同边界节点,在每轮恢复阶段找出符合条件的共同边界节点并以一定比例实施恢复.当前的做法是按照随机概率进行选择.这种方法虽然简单直观,却没有考虑现实世界中资源成本的有限性和择优恢复的必然性.为此,针对相依网络的恢复模型,本文利用共同边界节点在极大连通网络内外的连接边数计算边界节点的重要性,提出一种基于相连边的择优恢复算法(preferential recovery based on connectivity link,PRCL)算法.利用渗流理论的随机故障模型,通过ER随机网络和无标度网络构建的不同结构相依网络上的级联仿真结果表明,相比随机方法和度数优先以及局域影响力优先的恢复算法,PRCL算法具备恢复能力强、起效时间早且迭代步数少的优势,能够更有效、更及时地遏制故障在网络间的级联扩散,极大地提高了相依网络遭受随机故障时的恢复能力.

English Abstract

参考文献 (39)

目录

    /

    返回文章
    返回