毕业设计：复杂网络环境下的路由方法研究（终稿）.doc

复杂网络环境下的路由方法研究 摘要:与规则网和随机网相比，复杂网络能更好地刻画和描述网络的特征，而路由策略是信息网络信息分发和交换最重要的手段之一。近年来，复杂网络中的路由受到研究人员的高度关注。通过深入研究和讨论现有复杂网络中的路由策略，包括基于传统路由方法的复杂网络路由、基于生物学行为的复杂网络路由以及基于社会学行为的复杂网络路由，提出了进一步研究的方向。 关键词:复杂网络;路由策略;生物学行为路由;社会学行为路由 0引言 通常用G={E，V}来描述网络，其中V为顶点，E为边。按照顶点度的分布，可将网络分为规则网、随机网及复杂网络。规则网中，各顶点度相等，如立方体网络、Chord环等;随机网中各顶点度分布是随机的;复杂网络的顶点度分布遵循“幂次定律”，且幂指数γ的值，通常为2～3。复杂网络具有较好的鲁棒性、集群效应，且在规模相当的网络中，平均最短路径小于随机网。最为常见的复杂网络，包括Watts与Strogatz提出的小世界模型［1］以及Barabási与Albert提出的无标度网络模型，也称BA模型［2］。长期以来，研究人员对传统的规则网和随机网路由进行了广泛的研究，已经提出了一些行之有效的路由策略，如最短路径路由、最小代价路由等。人们对复杂网络中的路由及传播机制的研究，刚开始主要从复杂网络的简单统计特性(如平均路径长度、度分布、边介数和节点介数等)着手，近年来，一部分研究人员则进一步引入生物学和社会学的行为等思想和方法来研究路由策略及传播机制问题;同时，也有一些研究人员则从均匀化分配流量、减轻最大介数节点的负载压力等提高网络传输能力方面来研究复杂网络路由问题。为清晰地描述复杂网络路由研究的进展，本文将路由理论和方法划分为3类，即基于传统路由思想的复杂网络路由、基于生物学行为的路由以及基于社会学行为的路由方法。 1基于传统路由思想的复杂网络路由 传统的路由思想的核心是在网络中寻找从源到目的地代价最小的路径，著名的算法包括Dijkstra算法、Floyd算法等。在复杂网络中研究人员也希望在源和目的之间，建立最少的代价，从而获得比较高的路由效率。近年来，研究人员也提出许多复杂网络环境下的路由策略。这些路由方法归纳起来有3种，即基于全局信息的路由方法、基于局部信息的路由方法和基于全局信息和局部信息的混合路由方法。 1．1基于全局信息的复杂网络路由方法基于全局信息的方法要求每个节点了解整个网络的拓扑信息，并依据所了解的全局拓扑信息，来建立源和目的地间的路由。传统的最短路径方法就是典型的全局方法，但在复杂网络中，由于存在一些度很大的中心节点，中心节点由于其连接的节点数量很多，采用最短路径算法时，大量的数据流量通过中心节点，造成中心节点产生拥塞，影响了路由效率。为此，研究人员设计不同的方法来改善路由的策略，提高网络的传输能力。目前比较典型的全局路由方法包括有效路径策略［3］、优化的随机游走策略［4］和加权路由策略［5－6］等。 1．1．1有效路径策略文献［7］提出了一种基于拥塞的改进算法，称为有效路第30卷第8期2010年8月计算机应用Journal of Computer ApplicationsVol．30 No．8Aug．2010径。该策略在计算最短路径时，考虑了实际路径中节点的拥塞情况，根据节点上不同的拥塞程度重新分配在中心节点和其他节点间的流量，避免最短路径过多地通过少数度大的节点，以减少在节点度大的节点上产生拥塞的可能性。有效路径算法实现了网络信息包由核心节点向边缘节点的分散转移。 1．1．2优化的随机游走策略随机行走算法是统计学上的一个经典问题。随机游走路由规则是:节点传递信息给其任一邻居节点，接收到信息的邻居节点又将信息传递给它的任一邻居节点，直到找到目标节点为止。对随机行走过程的研究表明，单个分组通过某条特定路径的时间正比于该路径上所有节点度的连乘积［7］，该结果揭示了网络传输路径与节点度之间的内在联系。受这种思想的启发，文献［8］针对复杂网络提出了一种基于节点度连乘积最小化原则的优化路由策略，这也是一种考虑到全局信息的策略。与最短路由策略和有效路由策略相比，该策略能够最大限度地提高网络的承载能力，且其平均路径长度基本接近于最短路由策略。这使得网络在具有较高传输容量的同时拥有较短的信息包传递时间。 1．1．3加权路由策略早期的研究，通常假设网络是基于单一权重，即两节点间，若有边相连，则权重为1，若没有边相连，则权重为0。在这种情况下，所有的节点和边都是平等的，所生成的网络模型仅表示一种网络连接关系。但对实际网络来说，这种关系的并不能真实地刻画网络的实际状态。为更好地刻画实际复杂网络的拓扑结构和网络特性，通常采用不同的权重来表示，即网络内的边可以用0和1间的实数来描述，边的权重值能更好地描述个体间相互作用强度的差异，