
- •2. Основные понятия математического моделирования
- •2. Принципы построения математических моделей
- •3.Классификационные признаки и классификация моделей
- •1.Основные этапы математического моделирования
- •2. Понятие о вычислительном эксперименте
- •3.Оценка свойств моделей
- •2.1. Метод нелинейного преобразования, обратного функции распределения
- •2.2. Метод суперпозиции
- •2.3. Некоторые специальные методы моделирования случайных величин
- •2.3.1. Метод Неймана
- •3.2. Метод кусочной аппроксимации
- •2.4. Моделирование векторных случайных величин
- •Раздел 2. Модели и методы исследования структурных свойств сетей связи
- •2. Изоморфность графов
- •1. Подграфы и дополнения
- •2. Деревья, разрезы, циклы
- •1. Матрица циклов и ее связь с матрицей инцидентности.
- •2.Матрица разрезов и ее связь с матрицей циклов
- •Матрицы смежности и перечисления путей
- •2. Связность
- •1. Степенная последовательность вершин графа
- •2. Алгоритм синтеза графов с максимальной связностью
- •3. Алгоритмы синтеза графов с максимальной связностью при заданном числе вершин и ребер.
- •4.Однородные графы. Мера неоднородности.
- •Модели и методы оценки разведзащищенности сетей связи
- •1.Показатели разведзащищенности сетей связи.
- •2.Модель оценки разведзащищенности сети связи.
- •Матрица смежности графа а
- •Матрица смежности графа в
- •Зависимость разведзащищённости от степени неоднородности сетей
- •5. Синтез сетей связи, оптимальных по показателям структурной устойчивости и разведзащищенности.
- •3.1. Моделирование марковских случайных процессов
- •3.2. Разностные и дифференциальные стохастические уравнения
- •2. Понятие эквивалентной функции стохастической сети
- •1.Метод двухмоментной аппроксимации.
- •3.Разложение на простые дроби.
- •3. Общие правила моделирования исследуемых процессов
4.Однородные графы. Мера неоднородности.
Граф G называется однородным k-связным, если, его вершинная связность æ(G) = k и все степени вершин di = k. Такие графы обладают наибольшей связностью, а следовательно и живучестью при прочих равных условиях.
В практике связи встречается большое разнообразие структур, которые выделяются по типам, например, древовидные, радиально-узловые, кольцевые, сотовые, решетчатые, алмазные, k-связные, полносвязные и т.д. Каждая из этих структур имеет свои достоинства и недостатки и в большей или меньшей степени приспособлена для выполнения возложенных функций.
Вместе с тем сети связи должны быть приспособлены действовать в условиях активного деструктивного воздействия и обладать наибольшей устойчивостью (живучестью), которая в значительной степени зависит от характеристик связности графа, отображающего эту сеть.
Поскольку свойства связности для сетей связи является определяющим то представляет интерес, в какой мере связность у различных структур при заданных m и n отличается от оптимальной, получаемой по рассмотренным алгоритмам, реализующим максимальную однородность графов.
Для определения степени неоднородности графа введем меру, аналогичную дисперсии при рассмотрении случайных величин:
(1)
Где:.
Рис.5. Пример неоднородного (G1 ) и однородного(G2) 3-х-связного графов.
Например, для графовG1 и G2 на рис.2.5 с m=9 и n=6 у графа G1dcp = 3; D = 1,67; связность λ=1; для графа у графа G2di = dcp = 3; D = 0; λ=3.
Для типовых и преобразованных по алгоритму синтеза оптимальных структур сравнительные данные приведены в таблице. В числителе для типовых, в знаменателе – для преобразованных с таким же числом вершин n и ребер m.
Таблица 1.
|
Тип структуры |
Количество вершин n |
Количество ребер m |
dср |
D |
λ(G) |
Количество остовных деревьев Т |
Количество независимых остовных деревьев Тн |
|
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
1 |
Древовидная |
|
|
|
|
|
|
|
2 |
Радиально-узловая |
|
|
|
|
|
|
|
3 |
Алмазная |
|
|
|
|
|
|
|
4 |
Решетка |
|
|
|
|
|
|
|
5 |
Сотовая |
|
|
|
|
|
|
|
В таблице в качестве показателей связности использовались: реберная связность λ(G), количество независимых остовных деревьев Тн, количество остовных деревьев Т.
Количество независимых остовных деревьев определяется как Тн=m/(n-1) и изменяется от 1 до n/2, количество остовных деревьев изменяется от 1 до достаточно широких пределов и определяется по известной методике, реберная связность изменяется в пределах от 1 до n-1 для полносвязного графа.
Как видно из таблицы, при переходе от типовых структур к структурам, синтезированным по оптимальным алгоритмам такие показатели, как количество независимых остовных деревьев и реберная связность не изменяются, за исключением λ(G) для алмазной структуры. Изменяются два показателя- количество остовных деревьев и мера неоднородности, т.е. только они являются чувствительными к изменению структуры, однако вычисление количества остовных деревьев является достаточно громоздкой процедурой, а вычисление дисперсии- простой. При этом увеличение числа остовных деревьев соответствует уменьшению дисперсии. В связи с отмеченными свойствами показателей возникает вопрос об условиях применения того или иного показателя. Кроме того, поскольку желательно получить общие рекомендации для произвольных структур, то необходимо, чтобы число вершин и ребер у всех графов было одинаковым, а менялась только степень неоднородности. Это позволяет глубоко исследовать зависимость связности сетей от степени их неоднородности.
Задача генерирования графов с различной степенью неоднородности заключается в разбиении числа 2m на суммы из n членов, каждый из которых равен степени i-ой вершины di(i=1,2…n) при этом dimax ≤n-1, поскольку граф простой, а dimin ≥1, поскольку граф связен.
Как отмечалось ранее последовательность П={d1, d2, ..,dn } во- первых должна быть графической, во- вторых упорядочена так, чтобы
n-1≥d1≥d2…..≥dn≥1 (1)
Возьмем в качестве примера граф, у которого число вершин n=12, число ребер m=36.
Наибольшим разнообразием обладает множество, в котором наибольшее число членов отличаются друг от друга. В нашем примере n членов могут принимать значение от 1 до n-1, стало быть два члена одинаковы и находятся в средине вариационного ряда (1)
Наименьшим разнообразием обладает последовательность, у которой все степени равны друг другу:
diср=dcр=2m/n=const (2)
Уменьшение разнообразия неоднородности производится так, чтобы уменьшалось отличие степеней от среднего значения.
Наибольшим отличием обладают крайние члены вариационного ряда (1). Поэтому суть алгоритма заключается в добавлении единицы к минимальной степени и вычитание единицы из максимальной до тех пор, пока не будет достигнуто равенство dimin= dimax= dcр.
Перечень последовательностей Пi для n=12 и m=36 приведен в таблице. Каждая из последовательностей проверяется на графичность, после чего по этой последовательности строится граф по одному из приведенных ранее алгоритмов ℓ-процедуры.
Таблица 2.
№ Пi |
Степени вершин |
Характеристики Степени Неоднородности |
Верхняя граница количества вариантов ф(2.8) |
Количество вариантов с учетом особенностей алгоритма | |||||||||||||||||
Di |
количество остовов |
|
N | ||||||||||||||||||
1 |
11 |
10 |
9 |
8 |
7 |
6 |
6 |
5 |
4 |
3 |
2 |
1 |
9,17 |
6653000 |
2 |
1 | |||||
2 |
10 |
10 |
9 |
8 |
7 |
6 |
6 |
5 |
4 |
3 |
2 |
2 |
7,7 |
11020000 |
8 |
27 | |||||
3 |
10 |
9 |
9 |
8 |
7 |
6 |
6 |
5 |
4 |
3 |
3 |
2 |
6,5 |
15190000 |
8 |
59 | |||||
4 |
9 |
9 |
9 |
8 |
7 |
6 |
6 |
5 |
4 |
3 |
3 |
3 |
5,3 |
16490000 |
72 |
56 | |||||
5 |
9 |
9 |
8 |
8 |
7 |
6 |
6 |
5 |
4 |
4 |
3 |
3 |
4,5 |
19760000 |
32 |
89 | |||||
6 |
9 |
8 |
8 |
8 |
7 |
6 |
6 |
5 |
4 |
4 |
4 |
3 |
3,67 |
24120000 |
72 |
112 | |||||
7 |
8 |
8 |
8 |
8 |
7 |
6 |
6 |
5 |
4 |
4 |
4 |
4 |
2,83 |
26350000 |
1152 |
199 | |||||
8 |
8 |
8 |
8 |
7 |
7 |
6 |
6 |
5 |
5 |
4 |
4 |
4 |
2,33 |
28650000 |
288 |
172 | |||||
9 |
8 |
8 |
7 |
7 |
7 |
6 |
6 |
5 |
5 |
5 |
4 |
4 |
1,83 |
22860000 |
288 |
435 | |||||
10 |
8 |
7 |
7 |
7 |
7 |
6 |
6 |
5 |
5 |
5 |
5 |
4 |
1,33 |
32960000 |
1152 |
435 | |||||
11 |
7 |
7 |
7 |
7 |
7 |
6 |
6 |
5 |
5 |
5 |
5 |
5 |
0,833 |
42330000 |
28800 |
845 | |||||
12 |
7 |
7 |
7 |
7 |
6 |
6 |
6 |
6 |
5 |
5 |
5 |
5 |
0,666 |
42900000 |
13824 |
954 | |||||
13 |
7 |
7 |
7 |
6 |
6 |
6 |
6 |
6 |
6 |
5 |
5 |
5 |
0,5 |
43250000 |
25920 |
968 | |||||
14 |
7 |
7 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
5 |
5 |
0,33 |
45960000 |
161280 |
1006 | |||||
15 |
7 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
5 |
0,166 |
48010000 |
3628800 |
1070 | |||||
16 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
6 |
0 |
72170000 |
479001600 |
5953 |
Пошаговое выполнение ℓ-процедуры с максимальным ведущим элементам для последовательности П(1)= 11, 10, 9, 8, 7, 6, 6, 5, 4, 3, 2, 1 приведено в таблице 2, а примеры построения по такой же процедуре графов для последовательностей Пi для i=1,7,8 и 16 приведены на рис.6.
i=1 i=16
i=7 i=8
Рис.6. Графы последовательностей Пi i=1,7,8 и 16
Поскольку при построении графов на каждом шаге возможны варианты в выборе последующих вершин, то в таблице приведено общее теоретическое число вариантов возможных перестановок вершин с заданными степенями и реальное число вариантов с учетом особенностей алгоритма построения и ограничений на графичность последовательностей.
Для каждой из конкретных реализаций графы по последовательностям Пii=1,16 вычислены такие показатели связности как число остовных деревьев и мера неоднородности.
Следует заметить, что все рассматриваемые до сих пор графы являются детерминированными, точно также как и показатели: - число остовных деревьев и мера неоднородности также использовались для детерминированных графов. Применение меры неоднородности для случайных графов не вызывает затруднений- более того эта мера, как указывалось ранее, является аналогом дисперсии при описании случайных величин. Подсчет числа остовных деревьев возможен только для конкретных реализаций и эту меру можно обобщать на случай стохастических графов путем усреднения по реализациям.
Лекция 11