一种状态异质组件的多状态流网络可靠性评估方法及装置

本技术涉及在多状态流网络可靠性评估的向量搜索，特别是涉及一种状态异质组件的多状态流网络可靠性评估方法及装置。

背景技术：

1、多状态网络模型作为更贴合实际的抽象化工具，被广泛用于二态网络无法全面覆盖的现实世界网络系统的建模与分析中，如通信网络、配送网络、电力网络、道路交通网络和无人机集群网络等系统。多状态网络认为系统及其节点或组件会由于设计因素或性能降级处于多种状态，并具有网络流特性，也被称为多状态流网络(mfn)。可靠性作为复杂系统安全运行的重要属性和指标被设计与管理人员重点关注，mfn可靠性指其在规定条件和时间内完成既定物理量的传输能力。将d+1单位需求流从源点s输送到汇点t的概率rd+1是mfn可靠性搜索的关键性能指标。搜索mfn可靠性的精确解是np难问题，基于最小割集向量(d-mc)的可靠性精确求解算法是一种有效方法。然而，现有d-mc搜索方法都只在组件状态空间为从0开始依次递增的整数集合的网络中获取d-mc，若存在一个及以上状态异质组件(shc)，就导致现有d-mc搜索算法无法直接使用。因此，提出在包含shc的mfn中搜索全部d-mc*的准确且高效的算法具有重要意义。

2、搜索d-mc或d-mc*的最终目的都是为获取mfn在d需求水平下的mfn可靠度。针对d-mc搜索问题，现有方法中，“niu y f,xu x z.a new solution algorithm for themultistate minimal cut problem[j].ieee transactions on reliability,2019,69(3):1064-1076”提出的算法求解效率最高，通过在网络组件的两相邻整数状态间补充缺失状态，并在状态概率分布中将对应概率值设置为0，进而使用该算法求解全部d-mc，也可求得正确的网络可靠度。

3、现有的最小割集向量d-mc搜索方法的对象主要集中于不存在状态异质组件(shc)的多状态流网络(mfn)中，其中大部分没有直接使用组件实际情况下的性能值作为其状态。以通信网络系统为例，假设连接用户或网络节点(路由器或交换机)的数据流传输链路可能处于的最大传输速率与mfn的组件状态作如下映射，状态0：0gbps，状态1：2gbps，状态2：4gbps，状态3：6gbps(性能水平等比例递增)。此时，若在两组件并联的通信网络中源用户s到汇用户t间的最大传输速率需求d＝3(6gbps)，则有两种链路状态组合对应的速率组合满足该需求，即d＝0+3＝3(0gbps+6gbps＝6gbps)、d＝1+2＝3(2gbps+4gbps＝6gbps)。但如果链路最大传输速率及其状态映射为状态0：0gbps、状态1：2gbps、状态2：5gbps、状态3：6gbps，则只有一种组合满足需求，即d＝0+3＝(0gbps+6gbps＝6gbps)，另一组合d＝1+2＝3(2gbps+5gbps≠6gbps)不满足。这就说明，如果mfn中组件的实际性能水平并非等比例递增，则它们就不能映射于状态集合{0,1,2,...,w}，只能用它们本身作为组件的状态集合，例如{0,2,5,6}，此类组件被定义为shc。因此，在包含shc的mfn中，现有的各种d-mc搜索方法无法直接使用。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够正确且高效搜索包含状态异质组件的一种状态异质组件的多状态流网络可靠性评估方法及装置。

2、一种状态异质组件的多状态流网络可靠性评估方法，所述方法包括：

3、获取包含状态异质组件的多状态流网络、多状态流网络的最小割集合、组件状态分布以及需求水平。

4、根据需求水平计算每个组件的最小容量界，以及最小割集合中每一个最小割向量的状态向量的关联值。

5、令最小割向量的候选向量数为1，采用隐枚举法根据需求水平的约束条件获取最小割向量的候选状态向量集合。

6、根据候选状态向量集合生成满足预设的第一约束条件的候选状态向量对应的最小割向量中组件的状态组合，采用状态组合比较法与预设的第二约束条件生成候选多状态最小割向量集合。

7、根据候选多状态最小割向量集合判断每一个候选多状态最小割向量与候选多状态最小割向量的所有派生向量的大小，若判断结果为负，则采用排序法返回重复值的索引集合，删除候选多状态最小割向量集合中索引对应的多状态最小割向量重复项，得到真实的多状态最小割向量集合。若判断结果均为正，则根据最小容量界对候选状态向量集合中每一个候选最小割状态向量进行候选搜索，得到搜索结果，根据搜索结果获取真实的多状态最小割向量集合。

8、一种状态异质组件的多状态流网络可靠性评估装置，所述装置包括：

9、输入模块，用于获取包含状态异质组件的多状态流网络、多状态流网络的最小割集合、组件状态分布以及需求水平。

10、真实集合初始化模块，用于根据需求水平计算每个组件的最小容量界，以及最小割集合中每一个最小割向量的状态向量的关联值。

11、候选状态向量集合获取模块，用于令最小割向量的候选向量数为1，采用隐枚举法根据需求水平的约束条件获取最小割向量的候选状态向量集合。

12、候选多状态最小割向量集合生成模块，用于根据候选状态向量集合生成满足预设的第一约束条件的候选状态向量对应的最小割向量中组件的状态组合，采用状态组合比较法与预设的第二约束条件生成候选多状态最小割向量集合。

13、最小割向量搜索模块，用于根据候选多状态最小割向量集合判断每一个候选多状态最小割向量与候选多状态最小割向量的所有派生向量的大小，若判断结果为负，则采用排序法返回重复值的索引集合，删除候选多状态最小割向量集合中索引对应的多状态最小割向量重复项，得到真实的多状态最小割向量集合。若判断结果均为正，则根据最小容量界对候选状态向量集合中每一个候选最小割状态向量进行候选搜索，得到搜索结果，根据搜索结果获取真实的多状态最小割向量集合。

14、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

15、获取包含状态异质组件的多状态流网络、多状态流网络的最小割集合、组件状态分布以及需求水平。

16、根据需求水平计算每个组件的最小容量界，以及最小割集合中每一个最小割向量的状态向量的关联值。

17、令最小割向量的候选向量数为1，采用隐枚举法根据需求水平的约束条件获取最小割向量的候选状态向量集合。

18、根据候选状态向量集合生成满足预设的第一约束条件的候选状态向量对应的最小割向量中组件的状态组合，采用状态组合比较法与预设的第二约束条件生成候选多状态最小割向量集合。

19、根据候选多状态最小割向量集合判断每一个候选多状态最小割向量与候选多状态最小割向量的所有派生向量的大小，若判断结果为负，则采用排序法返回重复值的索引集合，删除候选多状态最小割向量集合中索引对应的多状态最小割向量重复项，得到真实的多状态最小割向量集合。若判断结果均为正，则根据最小容量界对候选状态向量集合中每一个候选最小割状态向量进行候选搜索，得到搜索结果，根据搜索结果获取真实的多状态最小割向量集合。

20、上述一种状态异质组件的多状态流网络可靠性评估方法及装置，通过隐枚举法和状态组合比较法，结合预设的约束条件，高效筛选满足需求水平的最小割向量集合。首先，获取多状态流网络的信息，包括状态异质组件、最小割集合、组件状态分布以及需求水平(d)。接着，依据需求水平计算每个组件的最小容量界，为候选状态向量集合的筛选提供基础。采用隐枚举法，根据需求水平的约束条件，初步筛选出候选最小割状态向量集合。随后，生成满足预设第一约束条件的候选状态向量对应的最小割向量中组件的状态组合，并通过状态组合比较法和第二约束条件，进一步筛选出候选多状态最小割向量集合。在判断候选多状态最小割向量与候选多状态最小割向量的所有派生向量的大小时，如果二者一致，采用排序法返回重复值索引，删除候选集合中的重复项，得到真实的多状态最小割向量集合；若二者不一致，候选多状态最小割向量数较少或者过多，则根据最小容量界搜索每个候选状态向量，最终获得真实的多状态最小割向量集合。在状态异质组件增多、组件状态离散程度增大和需求水平提高的情况下，利用状态差异性和需求约束，减少搜索空间，提高可靠性搜索效率。因此，在多状态流网络中，通过优化可靠性搜索和筛选技术，有效降低时间复杂度和提高搜索效率，尤其在组件状态多样化和需求水平较高的情况下，表现出更高的计算效率和可靠性搜索效果。