基于复杂网络抗毁性与ADMPDE算法的网络拓扑结构优化

来源 :空军工程大学学报:自然科学版 | 被引量 : 0次 | 上传用户:wzhi8
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
复杂网络抗毁性研究的重要内容之一,就是优化网络拓扑结构。在分析常用复杂网络抗毁性测度不足基础上,提出了以自然连通度为复杂网络抗毁性测度,建立了其拓扑结构优化模型;综合运用ADMPDE算法收敛好、寻优速度快等优点,通过适当改进用于求解复杂网络拓扑结构优化模型。通过仿真分析,验证了复杂网络拓扑优化模型及其求解算法的科学性与可行性,得出了拓扑优化过程网络结构变化一般性规律,并分析了网络拓扑结构优化前后,在不同攻击策略下复杂网络抗毁攻击能力。
其他文献
针对目前飞机供电系统中集中式PHM设计方案无法满足日趋复杂的供电系统要求这一问题,在对飞机供电系统进行扩展式FMEA分析及故障分类的基础上,为供电系统设计了分布—集中式P
证据分类策略能够很好地避免冲突证据融合问题。借鉴证据分类的思想,定义证据-属性支持度、分类门限、证据可信度,将证据分类,保证同一类别的证据具有较好的一致性。在同一类
以7种常用航空金属材料的疲劳试验数据为基础,首次利用最小二乘法支持向量机确定了材料的应力-寿命关系及相应的S-N曲线,并将所得结果与传统的幂函数式和三参数式的结果进行
对于任意正整数n,著名的Smarandache对偶函数s*(n)定义为使得m! /n最大的正整数m,利用初等方法研究了关于对偶函数∑s*(d)d/n,并给出了一个计算公式.
集成学习是机器学习的重要研究方向之一,SVM集成近年来已经受到国内外很多从事机器学习、统计学习的研究者们的重视,并使得该领域成为了一个相当活跃的研究热点。对近年来SVM
视觉特征提取质量决定了UCAV认知导航的效能。为实现UCAV认知导航的高鲁棒性特征点提取,提出一种特征点优选的多元量化MQ-SIFT方法。针对SIFT模拟特征序列分布不均匀、正确匹配率不高的缺陷,提出采用多值量化与比特抽取结合法对模拟特征序列进行多元量化,并且分析验证了该方法的优越性能。为确保高鲁棒性特征点用于认知导航,对特征点进行了优选,给出了优选准则,提出了搜索最大连通集的改进迭代互欧氏距离方
研究了作战过程,提出了基于OWL的作战单元本体、装备本体、任务本体和仿真想定本体的构建方法,采用了描述逻辑对作战相关概念、关系进行了推理,检验了概念、关系的一致性,优化了
为提高航空油料的调运效率和节约调运成本,提出了基于多重约束整合模型的优化调运方法。在分析航油调运模式及调运基本原则的基础上,对调运问题进行了简化假设。基于网络优化
针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法。首先提出了一种基于去控制标记符的SAR图像分割算法