基于MDD的随机流网络可靠度分析算法研究-软件工程专业论文.docxVIP

摘 摘 要 I万方数据 I 万方数据 摘 要 随机流网络模型是一种多状态离散概率模型，常用来建模计算机网络、交通运输 网、通信网等。网络可靠度是评估随机流网络性能的一项重要指标。由于随机流网络 的多状态特性，随着网络规模的增长，评估随机流网络可靠度的容斥原理方法的生成 项呈指数级增长，无法有效控制状态空间组合爆炸问题。多值决策图(Multi-valued Decision Diagram, MDD)适用于描述多状态变量，能够实现状态空间或者变量组合的 隐式表示与搜索，从而缓解状态空间组合爆炸问题。本文基于多值决策图理论，分节 点可靠边不可靠的网络和节点边都不可靠的网络两种情况，对约束条件下的随机流网 络可靠度进行了研究。主要成果如下： (1) 针对节点可靠而边不可靠的随机流网络，基于 MDD 给出评估成本和时间约 束下随机流网络可靠度的 BTSFN_MDD 算法。给出成本和时间约束的随机流网络的 形式化模型和可靠度定义。对评估随机流网络可靠度的 Lin 算法进行了分析，指出容 斥原理是影响 Lin 算法计算效率的主要因素。针对这一问题，引入 MDD 评估成本和 时间约束的随机流网络可靠度，给出 BTSFN_MDD 算法。实例分析及实验结果表明， BTSFN_MDD 算法能够精确计算成本和时间约束的随机流网络可靠度，与 Lin 算法相 比，BTSFN_MDD 算法具有更好的时间效率。 (2) 针对节点和边都不可靠的计算机网络，基于 MDD 给出评估错误率和时间约 束计算机网络可靠度的 RTSCN_MDD 算法。给出错误率和时间约束计算机网络的形 式化模型和可靠度定义。对评估计算机网络可靠度的 Lin 算法进行了分析，指出容斥 原理是影响 Lin 算法计算效率的主要因素。针对这一问题，引入 MDD 评估错误率和 时间约束计算机网络可靠度，给出 RTSCN_MDD 算法。实例分析及实验结果表明， RTSCN_MDD 算法能够精确计算错误率和时间约束计算机网络可靠度，具有较好的 时间效率。 (3) 针对 节点和 边 都 不 可 靠 的二状态 网络 ， 给 出 评 估 二 状 态 网 络 可 靠 度 的 NEF_MDD 算法。NEF_MDD 算法划分单个节点与其未访问邻接边为一个集合，通过 枚举节点和边的不同组合，合并导致子网同构的冗余状态，获得简化后的状态向量和 可靠度向量，并将此用一个多值决策图变量来表述。通过使用自定义的 MDD 操作算 子，构建整个网络的 MDD，遍历 MDD 节点，计算网络的可靠度。与二元决策图方 法相比，NEF_MDD 算法能够降低决策图层数和节点规模，有助于节点和边不可靠网 络的可靠度分析。 关键词：网络可靠度；随机流网络；多值决策图 Abst Abstract II万方数据 II 万方数据 Abstract As a multi-state discrete probability model, the stochastic-flow network is used to describe computer networks, transportation networks, communication networks. Reliability analysis is an important indicator for network performance evaluation. With the increasing expansion of the network scale, the terms of the inclusion-exclusion principle will be grew exponentially, leading to inefficiencies for evaluating network reliability. Due to the basic characters of compact and disjoint features, multi-valued decision diagram is used to implicitly represent and search the state space or the combination of variables, therefore, the state space explosion problem can be reduced by MDD method. Based on two assumptions of networks with imperfect edges and networks with imperfect edges and nodes, multi-valued decis