加权模型的复杂网络的多目标鲁棒性优化

摘要

现有的方法在复杂网络单目标鲁棒性优化中已取得显著成效.但在现实生活中，复杂网络结构往往会同时受到多种方式的破坏，因此设计能同时抵抗多种破坏下连通鲁棒性更佳的网络结构具有重要意义.多目标复杂网络鲁棒性计算成本非常大，在搜索过程中引入代理模型来评估复杂网络的连通鲁棒性，并对几个代理模型加权评估后的值作为评估值来引导进化算法搜索连通鲁棒性更佳的网络结构进行研究.通过3种代理模型加权组合(TSWA)方法对复杂网络连通鲁棒性进行评估，并与3种单一代理模型和3种代理模型求平均的评估方法进行比较.在4种合成复杂网络(SF、ER、SW、RT)上的连通鲁棒性进行实验分析，结果验证了加权代理模型评估方法能辅助进化算法得到连通鲁棒性更佳的网络结构.

关键词

多目标优化 / 代理模型 / 复杂网络 / 连通鲁棒性 / 进化算法