本书系统阐述了多状态网络可靠性评估的理论基础、关键方法与典型应用，旨在为复杂网络系统在不确定环境下的可靠性精确建模与高效评估提供系统化解决方案。针对两状态模型难以刻画实际系统性能退化与状态多样性的局限，本书构建了多状态网络模型，深入探讨最小路集搜索、最小路集/割集向量生成及基于不交积和与状态空间分解的可靠性评估算法，有效应对评估过程中的NP-难问题。全书共九章，内容涵盖理论基础、计算方法与工程实践。理论部分阐明多状态网络可靠性的基本原理，方法部分聚焦复杂拓扑结构下的高效算法设计，应用部分以无人机集群网络为案例，展示所提方法的工程价值与实践意义。
样章试读
目录
- 目录
序
前言
第1章 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 5
1.2.1 网络可靠性国内外研究现状 5
1.2.2 多状态网络可靠性国内外研究现状 8
1.3 研究内容 16
1.4 本章小结 18
第2章 多状态网络可靠性基础 20
2.1 多状态网络可靠性基本概念 20
2.1.1 相关符号与假设 20
2.1.2 多状态网络模型及组件状态分布 23
2.1.3 最小路集/割集 25
2.1.4 网络结构函数 30
2.1.5 最小路集/割集向量 30
2.1.6 容量可靠性指标 36
2.2 多状态网络可靠度的计算复杂度 37
2.2.1 算法时间复杂度 37
2.2.2 基于算法时间复杂度的问题分类 40
2.2.3 算法空间复杂度 41
2.2.4 网络数据结构 42
2.3 多状态网络结构搜索算法基础 43
2.3.1 深度优先搜索算法 43
2.3.2 宽度优先搜索算法 45
2.3.3 其他搜索算法 45
2.4 多状态网络可靠度精确计算方法基础 47
2.4.1 多状态网络可靠度计算直接法 47
2.4.2 多状态网络可靠度计算间接法 48
2.4.3 案例分析 51
2.5 本章小结 55
第3章 最小路集搜索方法 56
3.1 网络最小路集搜索基础 56
3.1.1 基于邻接表的网络结构描述方法 57
3.1.2 网络中的闭包结构 59
3.2 基于回溯的网络最小路集并行搜索算法 62
3.2.1 基于回溯的网络最小路集搜索机理 62
3.2.2 最小路集并行搜索机制 65
3.2.3 基于回溯的网络最小路集并行搜索算法简介 66
3.3 算法效率分析 70
3.3.1 算法计算复杂度 71
3.3.2 算法效率对比 71
3.4 本章小结 78
第4章 最小路集向量生成方法 79
4.1 面向特定需求的最小路集向量生成方法 79
4.1.1 面向特定需求的最小路集向量重复项产生机制 80
4.1.2 面向特定需求的最小路集向量免重复搜索机制 84
4.1.3 面向特定需求的最小路集向量免重复搜索算法 86
4.1.4 算法效率分析 88
4.2 面向全部需求的最小路集向量生成方法 91
4.2.1 面向全部需求的最小路集向量重复项产生机制 91
4.2.2 面向全部需求的最小路集向量免重复方法 95
4.2.3 面向全部需求的最小路集向量免重复搜索算法 97
4.2.4 算法效率分析 102
4.3 本章小结 108
第5章 含状态异质组件多状态网络最小割集向量生成方法 109
5.1 d-MC问题与已知结果 110
5.1.1 d-MC的定义 110
5.1.2 d-MC候选项的生成 111
5.1.3 d-MC候选项的验证与去重 111
5.2 含SHC网络中的d-MC*问题 112
5.2.1 d-MC*的定义及其候选项生成 113
5.2.2 d-MC*候选项数量的缩减 115
5.2.3 d-MC*候选项的验证与去重 117
5.3 d-MC*生成方法 120
5.3.1 含SHC网络中d-MC*生成算法 120
5.3.2 算法时间复杂度分析 122
5.3.3 算法示例 124
5.4 算法效率分析 127
5.4.1 含SHC多状态网络不同拓扑结构下的对比实验 128
5.4.2 含SHC大规模多状态网络不同特征参数的扩展性实验 134
5.5 本章小结 138
第6章 基于RSDP方法的多状态网络可靠性评估排序启发式算法 139
6.1 RSDP方法的基本原理及局限性 139
6.2 d-MP排序启发式的开发 141
6.2.1 d-MP长度的定义 141
6.2.2 RSDP方法的分析 142
6.2.3 排序启发式O1 144
6.2.4 排序启发式O2 145
6.2.5 排序启发式O3 146
6.2.6 排序启发式O4 147
6.3 四种排序启发式RSDP方法的效率研究 150
6.4 给定d-MC的排序启发式RSDP方法 154
6.5 本章小结 155
第7章 基于状态空间分解的多状态网络可靠性精确评估方法 156
7.1 状态空间分解方法概述 156
7.1.1 状态空间分类 157
7.1.2 状态空间分解过程 158
7.1.3 状态空间概率与可靠度 160
7.2 基于状态空间分解的多状态网络可靠性精确评估改进算法 162
7.2.1 状态空间分解法的局限性 162
7.2.2 并行状态空间分解方法 164
7.2.3 状态空间分解过程的启发式规则 170
7.3 算法效率分析 174
7.3.1 启发式规则效率对比 174
7.3.2 并行状态空间分解算法效率分析 179
7.4 本章小结 182
第8章 基于状态空间分解的多状态网络可靠性边界估计算法 183
8.1 多状态网络可靠性边界估计算法 183
8.1.1 状态空间深度优先分解的局限性 183
8.1.2 多状态网络可靠度上界计算方法 185
8.1.3 基于状态空间广度优先分解的多状态网络可靠度边界估计算法 185
8.1.4 串并结合状态空间分解的多状态网络可靠度边界估计算法 192
8.2 边界估计算法效率与稳定性分析 194
8.2.1 边界估计算法效率分析 194
8.2.2 边界估计算法稳定性分析 198
8.3 本章小结 201
第9章 面向信息交互的无人机集群多状态网络可靠性评估及应用 202
9.1 面向信息交互的无人机集群多状态网络模型 202
9.1.1 无人机集群网络描述 202
9.1.2 无人机集群信息交互网络传输建模 203
9.1.3 无人机集群网络信道容量建模 203
9.1.4 面向信息交互的无人机集群多状态网络建模 204
9.2 面向信息交互的无人机集群多状态网络可靠性指标及评估方法 206
9.2.1 无人机集群多状态网络可靠性指标 206
9.2.2 无人机集群多状态网络可靠性评估方法 208
9.3 面向任务的无人机集群信息交互多状态网络可靠性评估 211
9.3.1 具体任务场景 211
9.3.2 无人机集群运动模型与仿真参数设置 211
9.3.3 基于信息交互的无人机集群可靠性建模 213
9.3.4 面向特定任务的无人机集群多状态网络可靠性评估 215
9.3.5 面向全部任务的无人机集群多状态网络可靠性评估 220
9.4 本章小结 223
参考文献 224
京公网安备 11010102004214号