一种基于弹性通道网络指标网络优化的方法与流程

本发明涉及弹性通信网络，尤其涉及一种基于弹性通道网络指标网络优化的方法。

背景技术：

1、小世界特性是复杂网络最有传奇性的性质。简单地说，小世界特性指的是，尽管许多网络具有相当大的规模（节点之多、跨度之远），如果把节点间的距离定义为连接它们最少沿途的边数（相隔的边数），则其任何两个节点之间却存在相对很短的“快捷距离”。小世界网络诞生于著名的六度分割实验(six degrees ofseparation )。令人惊奇的是，已经发现许多网络具有小世界特性，比如经典的随机网络，已证明其任何两个节点的典型距离为网络节点数之对数数量级，具有小世界的特点。对小世界网络的定义，除小的平均最短路径以外，还意味着下面的高聚集性。同时具有两个方面特性的网络才可以被称为是小世界的。小世界特性容易使人联想起数据在网络中的传播或传输问题，这些问题恰恰是弹性通信网络要解决的关键问题。

技术实现思路

1、为了解决小世界网络数据在规则网络和随机网络等网络中的传播或传输问题，尤其是效率上的缺陷，本发明提出一种基于弹性通道网络指标网络优化的方法。

2、本发明采用的技术方案是，一种基于弹性通道网络指标网络优化的方法，包括，构建小世界网络，使得该小世界网络具有平均最短路径和网络聚集性；并针对小世界网络，采用弹性通信网络的若干指标评价该小世界网络数据网络中传输。

3、优选的，通过网络算法计算该小世界网络的组网内网络平均最短路径及网络聚集性，并对应指定为小世界网络评价指标1和小世界网络评价指标2，并基于小世界网络评价指标1和小世界网络评价指标2来评价该小世界网络。

4、优选的，小世界网络评价指标1：当网络为一个无向的网络，其平均最短路径可以定义为公式1：

5、        （1）

6、式中，i、j为网络中节点的编号；n为网络中的节点数；为i、j两节点间距离。

7、优选的，小世界网络评价指标1：当网络为非全连通的时候，公式1的定义就会出问题（无限大）；避开的办法是只定义在网络的最大连通部分之上；也可采用另一种不同的定义，即采用谐和平均方法，可以化解网络分离的计算问题，如下公式2：

8、     （2）

9、网络的平均最短路径反映了网络中节点对之间的平均距离，同时也反映了网络的尺寸，因此也常把它称作网络直径。

10、优选的，小世界网络评价指标2：如果一个网络节点有数个直接的邻居节点，那么这些邻居节点之间有可是邻居，实际表达了网络连接的聚集程度。定量地可以用聚集系数（cluster coeficient）来表达。假定考虑一个网络的节点i具有k个邻居，其集群系数可以定义为：

11、     （3）

12、其中e是节点i的k个紧邻间实际存在的连接。这个定义被广泛使用，尤其在社会学领域常被称为网络密度。显然集群系数表示了节点之间紧邻的程度。整个网络的聚集系数c,则定义为对全部节点的平均。对于随机网络，则有c=p,p为节点间的连接概率。许多实际网络的聚集系数远大于相同节点规模的随机网络，也就是说许多实际网络趋于具有集聚的特性，就像人的社会关系网络一样。

13、优选的，弹性通信网络的若干指标评价包括度与度分布、选型连接相配性、网络健壮性和居间中心性分析，分别对应指定为弹性通信网络评价指标1-4，通过这四个指标来解决小世界网络数据在规则网络和随机网络等网络中的传播或传输问题。

14、优选的，弹性通信网络评价指标1：网络中节点具有的连接数被称为该节点的度。度分布描述复杂网络节点连接数目的分布特性。当前人们用分布函数p(k)表示任意选择一个网络节点，其连接数为k的概率，实际上就是具有k个连接的节点占全部网络节点的比例。对于随机网络，因为连接的随机性，所有节点的连接数（度）应该接近网络的平均连接度<k>。而随机网络的度分布为二项分布，或大规模极限下的泊松分布，其峰值为p(<k>)。

15、人们通过经验研究发现，实际网络的度分布远非泊松分布。显然，这是因为实际网络的连接并不是随机的。令人惊奇的是许多实际的网络，如www、internet 、代谢网络、电话呼叫网络、社交网络等，其度分布都具有一个服从幂律的尾巴-。这样的网络有一个统一的名称，即scale -free(sf)网络或者无标度网络。

16、可以用累积的方式表达度数据：，其物理意义很明显。这样可以充分反映测得的数据，而且减小幂尾的噪声。当p(k)服从幂律时，累积的p也是幂律的，但是指数要减1。

17、对于不同的网络，其度分布需要特别描述。比如在二分图(bi-partible )网络中，针对两种不同类型的节点有两种度分布；而在有向网络中，节点的度分布变成了入度(in)、出度(out)的二元函数p(j,k)。

18、本技术创新性的在度与度分布指标中采用k最近邻算法构建的k最近邻分类器对不规则网络、随机网络和无标度网络节点k为中心计算有关的k个连接的节点（度）占全部网络节点的比例。

19、k最近邻分类器的基本思想是给定一个未确定类别的样本x,在样本空间搜索，找出与未确定类别样本距离最近的k个样本,待分类的样本属于哪一类由k个近邻中的样本大多数所属的类别确定。从中可以看出，k最近邻分类主要的问题是确定合适的样本集、距离函数、组合函数和k值。对于多种类型的属性，距离函数可参照聚类分析中样本相似性的度量公式，而组合函数可以用简单无加权投票(voting )或加权投票的方法。在简单无加权投票中，每个近邻x1对x分类的影响都被认为是相同的。通过对k个近邻x所属的类别计数，把x归为计数最多的类。

20、其中：n表示计数函数，如果,则;否则。当所属分类计数相同时，为x随机选取一个类别。加权投票对每个计数加权。

21、 其中：权值一般定义为表示样本x与近邻的距离。

22、k最近邻分类器基于局部的数据进行预测，对噪声比较敏感。k值的选择与数据有关。过大的k值可以减小噪声的影响，但使未确定类别样本点的近邻样本数量很大，可能导致分类错误。而过小的k值可能导致投票失效或者受噪声影响。一个较好的k值可通过各种启发式技术来获取。

23、找出某样本的最近邻样本可能计算所有样本对之间的距离。为有效地发现最近邻，可以利用聚类算法对训样集进行类，如果两个的中心相距比较远，则对应簇中的样本一般不可能成为近邻。只要计算相邻簇的样本之间的距离即可寻找某样本的近邻。

24、优选的，弹性通信网络评价指标2：

25、网络节点的度相关可以看作网络协调配合特性的一个特殊而重要情形，这时节点连接趋势如何？高连接度节点更趋向于连接其他高连接度节点，还是低连接度节点？实际网络中发现两种情况均存在。

26、网络选型连接性的定义为，若连接度大的节点趋向于和其他连接度大的节点连接，则认为网络呈现协调配合。若连接度大的节点趋向于和其他连接度小的节点连接，则认为网络呈现非协调混合。研究中用相关系数来描述网络的按型连接性，定义为

27、    （4）

28、其中f和k为第i条边的节点的度，c=1/m,m是网络的边的个数。实际的网络中已经发现有一些呈现非协调，而有一些被发现呈协调的特性。

29、本技术创新性的在获得连接趋势协调特性后；对高连接度节点进行信任度通过计算2个指标评估信任度；可采用如下步骤：步骤一、高连接度节点与网络节点k之间经过几个中继节点，相隔越多节点信任度越低；

30、步骤二、高连接度节点与网络节点k之间通过日志数据分析对一定时间范围内报文数据往来次数越多信任度越高。

31、优选的，弹性通信网络评价指标3：许多实际复杂系统表现出惊人的容错能力。从网络的观点看，复杂的通信网络呈现高度的健壮性，常规的局部失效及关键部件的故障很少会导致网络的整体信息承载传送能力的丧失。各种网络的稳定性常被人们归因于网络的冗余连接。但是除了冗余，网络的拓扑是否对其稳定与健壮性有一定作用需要进行深入研究。网络对部件失效或者连接概念的抗拒能力称为网络的健壮性或者恢复力。

32、本技术创新性的在获得连接趋势协调特性后；对高连接度节点进行告警指标评估网络健壮性：高连接度节点通过日志数据分析对一定时间范围内告警数量（网络流量异常、内存、cpu和磁盘利用率高）故障数量占时间范围内告警总数量比例。

33、优选的，弹性通信网络评价指标4：社会学中常用这个指标描述人在社会中的影响，解释为其对两个人社会关系中起作用的分量。对应复杂网络，节点k的居间中心性由

34、        （5）

35、描述，其中表示节点i和f之间最短路径中经过节点k的数目，则表示节点i和j之间最短路径的总数目。

36、与现有技术相比，本发明具有以下有益效果：

37、本技术通过步骤一、小世界网络需同时具有平均最短路径和网络聚集性两个方面特性的网络才可以被称为小世界网络。通过算法计算组网内网络平均最短路径及网络聚集性2个指标；步骤二、依据上一步构建的小世界网络采用弹性通信网络的四个指标（度与度分布、选型连接（相配）性、网络健壮性和居间中心性分析）来解决小世界网络数据在规则网络和随机网络等网络中的传播或传输问题；提高网络在经济效能上的效率。