面向级联失效的相依网络鲁棒性研究

针对相依网络耦合强度、子网络边以及耦合边对网络鲁棒性影响的问题,基于三种典型网络模型,建立对称相依网络和不对称相依网络模型.针对六种不同的相依网络模型,计算其网络临界成本,比较耦合边权值和子网络边权值对相依网络成本的贡献程度,发现耦合边对网络的贡献更大.采用仿真和理论证明的方法,获得使网络具有最小网络成本时的子网络负载参数α值和耦合强度参数β值,并证明了网络成本变化趋势与该参数对有关.以网络成本作为鲁棒性测度的变量,通过对六种相依网络模型进行级联失效仿真,给出了网络具有最强鲁棒性时参数对的取值,以及网络鲁棒性与耦合强度之间的关系,发现网络鲁棒性并不是随着耦合强度单调地增加或减少.     

基于度的正/负相关相依网络模型及其鲁棒性研究

利用典型的Barabási-Albert无标度网络构建了基于度的正/负相关相依网络模型, 该模型考虑子网络间的相依方式及相依程度, 主要定义了两个参数F和K, F表示相依节点比例, K表示相依冗余度. 在随机攻击及基于度的蓄意攻击模式下, 针对网络的级联失效问题, 研究了不同的F值和K值对该相依网络模型鲁棒性的影响, 与随机相依网络模型进行了对比研究. 仿真结果表明:无论是随机相依或是基于度的正/负相关相依网络, 其鲁棒性都是随着F的增大而减弱, 随着K的增大而增强; 在随机攻击下, 全相依模式(F=1)时, 基于度正相关相依网络模型鲁棒性最优, 部分相依模式 (F =0.2, 0.5, 0.8)时, 基于度的负相关相依网络模型则表现出更好的鲁棒性. 而在基于度的蓄意攻击下, 无论F为何值, 基于度的正相关相依网络模型表现出弱鲁棒性.