Министерство образования и науки РФ

ГОУ ВПО «Омский государственный технический университет»

Кафедра «Автоматизированные системы обработки информации и управления»

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

К КУРСОВОМУ ПРОЕКТУ

по дисциплине «Методологии разработки ПО»

РАЗРАБОТКА И ИССЛЕДОВАНИЕ УСКОРЕННОГО АЛГОРИТМА КОЛИБРОВКИ МОДЕЛЕЙ БОЛЬШИХ СЕТЕЙ ПО КОЭФФИЦИЕНТУ КЛАСТЕРИЗАЦИИ

Преподаватель:

ст. преподаватель А.Г. Белик

подпись, дата

Преподаватель:

к.т.н., доцент В.Н. Цыганенко

подпись, дата

Исполнитель:

студентка гр. ИВТ-449 Е.В. Овчинникова

подпись, дата

Омск 2013

Реферат

Пояснительная записка 38с., 1ч., 2табл., 4рис., 10источ., 1прил.

АЛГОРИТМ, КОЭФФИЦИЕНТ КЛАСТЕРИЗАЦИИ, ГРАФ, БОЛЬШИЕ СЕТИ, ДИАМЕТР, СТЕПЕНЬ СВЯЗНОСТИ

Предметом исследования является ускоренный алгоритм калибровки БС по коэффициенту кластеризации.

Объектом выполнения работы является разработанный и реализованный алгоритм.

Цель работы – изучить уже существующие алгоритмы калибровки БС, разработать улучшенный алгоритм, реализовать его и провести необходимые испытания.

В ходе выполнения научно-исследовательской работы была изучена теория случайных графов, основные модели сетей (графы БА, Эрдеша-Реньи, Уотса-Строгатса и др.), разработан алгоритм. Также была изучена программная среда R и были проведены необходимые испытания.

В результате выполнения курсового проекта были решены следующие задачи:

- разработан ускоренный алгоритм калибровки БС по коэффициенту кластеризации;

- реализация полученного алгоритма на языке Java в среде Eclipce;

- проведён анализ экспериментальных данных.

Разработанный алгоритм планируется внедрить в систему агентного моделирования SIMBIGRAPH.

Определения, обозначения, сокращения

АС – автономная сеть

БС – большие сети

БСС – большая стохастическая сеть

граф БА – граф Барабаши-Альберт

граф с НППС – граф с нелинейным правилом предпочтительного связывания

ПС – предпочтительное связывание

РСС – распределение степени связности

сл.г. – случайный граф

Содержание

Введение 5

1 Аналитический обзор и постановка задачи 7

1.1 Постановка задачи 7

1.2 Структурные характеристики случайных графов 7

1.3 Модель графа с НППС 8

1.4 Обзор аналогов 8

1.4.1 Ускоренный метод генерации графа БА и графа с НППС 8

1.4.2 Метод сепарабельной реконфигурации по коэффициенту кластеризации 11

2 Разработка алгоритма 12

2.1 Обоснование необходимости разрабатываемого алгоритма 12

2.2 Описание алгоритма 12

2.3 Тестирование алгоритма 15

3 Реализации алгоритма 17

Заключение 18

Список использованных источников 19

Приложение А 20

Введение

В современном мире можно обнаружить множество различных сетей. Это и биологические сети, сети дорог, нейронные сети и в том числе сети интернет.

Исследование сетей неразрывно связано с теорией случайных графов. Имея мгновенный снимок сети интернет не сложно представить её в виде графа: каждый отдельный сайт будет вершинной графа, а ссылки между ними будут являться его рёбрами.

Однако интернет является постоянно изменяющейся структурой и без исследований нельзя предугадать, как будет выглядеть данная сеть в следующий момент времени. Поэтому последнее время большое внимание стало уделяться моделям графов БС.

Огромное значение в исследовании сети интернет играют модели сетей на основе случайных графов. Ранее большие сети рассматривались на основе классического случайного графа, получаемого случайным равномерным распределением. Однако при анализе реальной сети интернет исследователи столкнулись с иным характером распределения степени связности графа. Было выяснено, что распределение вероятностей узлов степени связности обычно подчиняется степенному закону.

Случайный граф, удовлетворяющий данному условию, предложили А.Барабаши и Р.Альберт (1999), который строится на основе правила «предпочтительного связывания». Также действующие модели предложили Д. Уотс и С. Строгатц (1998), М. Ньюман (2000), С. Н. Дороговцев, Дж. Мендес и А. Н. Самухин (2001), К. Купер и А. Фрези (2002), B. Боллобас (2001), Ф. Чанг и Л. Лу (2006), Ю. Лесковец (2006), В. Н. Задорожный (2010). Но, не смотря на большое разнообразие моделей, ни одна из сетей не даёт полного соответствия с реальной сетью.

Было выяснено, что коэффициент кластеризации непосредственно влияет на диаметр графа и при разной калибровке графа можно добиться практически полного соответствия с реальной сетью. Однако существующие алгоритмы при работе с БС оказываются весьма медлительными. Поэтому в данной работе был разработан и реализован ускоренный алгоритм калибровки моделей БС по коэффициенту кластеризации.

Пояснительная записка содержит 3 главы.

В первой главе описана постановка задачи данного курсового проектирования. Описаны основные структурные характеристики сл.г. Представлена основная для данной работы модель графа. Произведён обзор аналогичных алгоритмов с выявлением их особенностей и недостатков.

Во второй главе происходит наглядное обоснование необходимости данного алгоритма, идёт описание самого алгоритма, представлена его схема и результаты тестирования алгоритма.

В третьей главе описаны некоторые аспекты программной реализации алгоритма.

Также пояснительная записка содержит список сокращений, список использованных источников и приложение, где можно найти код данного алгоритма.