共查询到20条相似文献,搜索用时 15 毫秒
1.
指挥节点重要度评估是研究指挥网络可靠性和抗毁性的重要内容。通过定义加权网络节点重要度贡献矩阵,提出了一种利用节点重要度评价矩阵确定加权网络关键节点的相对重要度的方法,该方法能充分考虑节点的位置信息、邻接节点的重要度贡献关系;结合作战任务对社区的依赖度,设计了节点全局重要度评估算法,并利用该算法对典型网络节点重要度进行了分析,结果表明算法有效、可行。 相似文献
2.
3.
运用复杂网络理论,将军事力量部署进行网络拓扑化,通过分析计算网络关键节点的组成来研究军事力量在空间部署的合理性。在定义了军事力量部署网络拓扑化后的关键节点概念的基础上,提出了基于网络节点度和介数综合数学模型来评价网络节点关键度量值数学模型及基本算法流程,并运用案例进行了计算分析。 相似文献
4.
针对联合火力打击体系破击战法中确定体系破击目标困难的问题,提出一种基于超网络构架OODA关联度算法。该方法引入理想目标清单补充目标打击清单中遗漏的体系目标,区分层次构建包含多个子网络的超网络,在超网络中找到能够实现OODA循环的节点,进而确定各节点的OODA关联度,并通过仿真实验分析各综合评分算法的排序效果。仿真结果表明:OODA关联度独立于其他评价指标,可作为火力打击目标排序的评价维度之一,且使用理想点综合评估算法的排序效果最好,引入OODA关联度的目标排序相比于传统排序法更能体现体系破击战法思想。 相似文献
5.
6.
一种新的模糊数排序方法 总被引:1,自引:0,他引:1
先给出反映一个模糊数大于另一个模糊数可能程度的计算公式,该公式具有传递性、互补性等诸多良好的性质.然后对给定的一组模糊数,由两两之间的可能度值构建可能度矩阵,并由可能度矩阵给出模糊数的排序算法. 相似文献
7.
8.
航空集群网络对集群作战任务执行效能的影响愈发深远,通过构建虚拟骨干网,能够降低路由开销、互联子网和实时管理网络,使航空集群作战更加高效。结合连通支配集理论,提出一种面向航空集群网络的分布式骨干网构建算法——DCAASN算法,设计权值函数刻画节点可用带宽和连通度,并采用分布式思想构建连通支配集以完成骨干网的构建。理论分析和仿真结果表明,相较于Wu、Wan和DCDS算法,该算法构建的骨干网中节点平均权值更大,骨干网的生命周期更长,并且骨干网的规模更小;在时间开销、消息开销方面,相较于Wu、Wan算法有较大提高,与DCDS算法在同一量级。 相似文献
9.
10.
11.
12.
13.
对电力系统中重要节点进行有效区分,有助于在资源有限的条件下对重要节点施加额外保护或改变拓扑结构,从而提高系统鲁棒性、降低事故发生的概率。受网页排序算法启发,提出电气链接结构分析的随机方法(electrical stochastic approach for link structure analysis, E-SALSA)用于电力系统重要节点评估。该算法综合考虑了电力系统拓扑结构、潮流等因素对节点的影响,能够有效反映电力系统的真实情况,并且其特点更符合电力系统背景。在IEEE300节点电力系统中,使用失负荷规模和最大子群规模两个指标对E-SALSA算法与电气介数算法、基于共同引用的超链接引导的主题搜索(model based on co-citation hypertext induced topic search, MBCC-HITS)算法进行了对比分析。结果证明E-SALSA算法相比电气介数算法在两个指标上都具有优势,相比MBCC-HITS算法能够更综合考虑各方面因素对节点的影响,进而证明了E-SALSA算法的合理性、有效性。 相似文献
14.
15.
16.
17.
在无线传感器网络的应用中,节点的定位是一个关键的问题。但是,利用已知节点对未知节点定位的算法存在着定位精度不高,定位计算量大等缺点。针对该问题,提出了一种基于信息熵TOPSIS法的节点自定位算法,该算法利用TOPSIS法按已给的传感器属性进行排序,只取最靠前的3个节点代入标准最小二乘公式中进行计算,既缩短了计算时间,又保证了计算精度。仿真实验证明,该算法是一种有效可行的算法。 相似文献
18.
针对现有评估方法无法全面反映指挥控制网络节点重要度的问题,提出了一种综合考虑网络机密性、完整性和可用性的节点重要度评估方法.考虑设备处理能力、存储容量和信道带宽,构建了指挥控制网络的加权网络模型;给出了基于层次分析法的节点安全性重要度综合评估方法;综合考虑攻击者利用被攻陷节点对网络机密性、完整性和可用性的破坏,基于重要性等价于破坏性的思想,引入拓扑势理论,分别提出了节点机密性、完整性和可用性重要度评估方法.最后,通过实例分析证明了该方法的有效性. 相似文献
19.
20.
节点优先级常用于评价异构集群中节点的性能,因此节点优先级评价指标权重的选择非常重要。采用层次分析法(analytic hierarchy process, AHP)建立了节点优先级评价指标体系,计算得到各指标的初始权重,并使用BP神经网络对初始权重进行优化。训练时,BP网络输入为集群运行中采集的节点实时资源数据,输出为节点的优先级。分析网络训练完成后得到的权重矩阵可以获得各优先级评价指标的优化权重。实验表明,基于AHP和BP的节点优先级评价模型可以更加准确地分析节点性能。相比于Spark默认算法和权重未优化的对照算法,使用调优后的节点优先级可以有效提高集群性能。运行不同工作量的相同负载时,集群平均性能分别提高了16.64%和9.76%;处理相同工作量的不同负载时,集群的平均性能分别提高了12.49%和6.54%。 相似文献