恶意攻击下网络鲁棒的多智能体遗传算法优化

摘要

当前，人们对于复杂网络的研究已经成为一个新兴的话题。现实世界的诸多复杂系统都可以利用复杂网络进行表示，例如：社会关系网络，交通运输网络，神经网络，通信网络等等。网络鲁棒性（Network Robustness）作为复杂网络的一个重要性质，也已经成为时下研究的一个热点。有很多种方法可以对网络鲁棒性进行定义。通常，将网络在遭受到来自外界对它的节点或者边的攻击时，其仍能保持自身系统完整性的能力称为鲁棒性。攻击的方式通常有随机攻击和恶意攻击。网络在遭到随机攻击时，其节点和边将以相同的概率被删除。但是网络在遭到恶意攻击时，网络中的节点会按照度递减的顺序逐渐崩溃。并且，随着实际网络对鲁棒性要求的日益增加，如何提高实际网络的鲁棒性也成为当今社会一个急需解决的问题。
　　本篇论文首先介绍了网络鲁棒性的概念；接着对已有的优化网络鲁棒性的算法进行了分析，提出改进的算法，并采用合适的鲁棒性评价准则，达到提高无标度网络和实际网络鲁棒性的目的。本篇论文的主要工作总结如下：
　　首先，本篇论文给出了复杂网络以及网络鲁棒性的定义，并介绍其研究背景与实际意义。在总结当前国内外对复杂网络的研究现状的基础上，进一步的阐述了进化计算的潜在性影响。
　　接着，本篇论文阐明了网络的五种基本模型，并介绍了针对节点以及边进行的两种常见的恶意攻击方式：高度自适应节点攻击(NAHDA)以及高度自适应边攻击(LAHDA)。同时，介绍了优化网络鲁棒性的评价准则以及本篇论文所使用的优化网络鲁棒性的已有算法。
　　最后，本篇论文将多智能体遗传算法应用到优化网络鲁棒性的问题上，设计了改进的邻域交叉算子和变异算子，提出了基于多智能体遗传算法抵抗恶意攻击的无标度网络鲁棒性优化方法：MAGA-RSFMA。并将已有优化算法和MAGA-RSFMA在无标度网络和实际网络上进行算法性能检验。这两个算法的实验结果表明MAGA-RSFMA在解决“度分布不变”的网络鲁棒性优化问题上具有更好的性能。

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研究背景及意义

1.2国内外研究现状

1.3进化计算

1.4论文结构安排

第二章 复杂网络理论及其优化算法

2.1基本网络模型

2.2恶意攻击类型

2.3网络鲁棒性评价准则

2.4已有算法

第三章 优化恶意攻击下网络鲁棒性的多智能体遗传算法

3.1恶意攻击下的网络鲁棒性

3.2适应度评价函数

3.3 MAGA-RSFMA介绍

3.4仿真实验及结果分析

3.5本章总结

第四章 总结与展望

4.1本文工作总结

4.2未来工作展望

参考文献

致谢

作者简介