弹性与分散体系架构的可靠性模型与优化算法研究

摘要

当前系统受到的攻击具有自适应性、复杂性和持续性等特点，完全抵御这种攻击是一个巨大的挑战；在面对扰动以及突发事件时，系统性能下降非常快、恢复成本高。在这种情况下，弹性与分散体系架构应运而生，弹性是指系统架构在面对系统故障、环境挑战或敌对行动时继续提供所需功能的能力，必将作为下一代系统必要的设计与操作属性；分散是提高弹性的一种战略。这种新型的体系架构能够很好地增强系统的抗毁性能、抵抗性能和防护性能，维护系统安全。可靠性是弹性与分散体系架构的一个重要特性，能极大地影响系统的弹性，因此研究其可靠性具有重要价值。本文基于弹性与分散体系架构，研究其可靠性模型及其智能优化算法。
　　本文简要介绍选题背景以及国内外相关研究现状，概述弹性与分散体系架构，并简要分析可靠性度量参数和现有研究存在的主要问题，介绍智能算法的理论基础和多目标进化算法的相关知识。本文主要工作包括以下两个部分：
　　(1)网络的生存性能和抗毁性能是影响可靠性的两个重要因素。已有可靠性研究大多数仅关注于网络生存性，鲜有网络抗毁性的研究，也未考虑节点不可靠情况，研究场景与实际情况相差甚远。本文据此提出了考虑网络的生存性能、抗毁性能和节点不可靠情形的可靠性单目标优化模型。为了有效地求解该优化模型，提出了一种基于遗传算法(GA)和蚁群优化(ACO)的混合算法，称为MGACA。该算法具有GA的全局搜索性能的优点，并通过ACO能够跳出局部最优解以找到更好的解决方案。编程完成MGACA在三种不同拓扑网络系统的仿真测试，并将其结果与其它已有算法获得的结果进行比较。结果表明MGACA具有更好的性能，验证了所提算法的有效性。
　　(2)目前基于可靠性约束的多目标优化问题研究较少，而多目标优化可为网络设计者或运营商提供一系列解“集”，为此建立一种以网络成本和全终端可靠度为优化目标的双目标优化模型，提出一种基于多目标进化算法的双目标可靠性优化算法BOROA用以求解该优化模型。BOROA算法采用快速非支配排序机制，降低了算法的时间复杂度；采用精英策略确保基因良好的个体能够进入下一代，采用拥挤距离比较机制来维持解的多样性。采用Java编程完成所提算法BOROA的性能评估，并在多种场景中进行仿真测试，通过对比所提算法与其它已有算法的仿真结果，验证BOROA算法的可行性与有效性。仿真结果表明，所提BOROA算法具有良好的性能，适用于解决可靠性多目标优化问题。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪 论

1.1研究背景和价值

1.2国内外研究现状

1.3研究内容和章节安排

第二章 弹性与分散体系架构可靠性及研究基础

2.1弹性与分散体系架构

2.2弹性与分散体系架构的可靠性

2.3智能算法简介

2.4多目标进化算法概述

2.5小结

第三章 单目标可靠性优化模型及其算法

3.1单目标可靠性优化模型

3.2混合遗传蚁群算法MGACA

3.3算法仿真及结果分析

第四章 双目标可靠性优化模型及其算法

4.1双目标优化模型

4.2双目标可靠性优化算法BOROA

4.3算法仿真及结果分析

第五章 结束语

5.1全文总结

5.2待开展的研究

参考文献

致谢

作者简介