技术领域
[0001] 本发明属于信息技术领域，涉及指挥控制超网络建模方法，具体为一种基于超网络的指挥控制动态演化方法。
相关背景技术
[0002] 指挥控制网络演化模型的研究有助于揭示网络内部运行机理和外在行为，对提高网络抗毁性能具有重要意义。现有演化模型存在演化行为描述不完整、难以反映不同类型作战实体演化差异性的不足，这些不足导致指挥控制网络的抗攻击能力不强。
具体实施方式
[0092] 下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0093] 本发明提供的基于超网络的指挥控制网络动态演化方法，首先分析了指挥控制网络演化特性，定义了演化行为和约束条件；其次，给出了不同类型节点和边的演化规则；再次，提出了网络动态演化步骤，构建指挥控制超网络动态演化模型；最后，设计了模型仿真实验，分析了网络性能和对抗阶段演化动态特征，仿真表明该模型具有明显的抗攻击能力，有效提高了指挥控制网络的抗毁性，为指挥控制超网络动态演化模型的构建提供一种新方法。
[0094] 实施例1
[0095] 为验证本发明的可行性和有效性，进行了四组实验，分别是网络特征分析实验、参数选择分析实验、不同模型的网络性能对比分析实验和不同攻击策略下的网络性能对比分析实验。
[0096] 模型参数设置如下：设定初始指挥控制超网络模型的指挥层级为4、指挥跨度为3、指控节点、火力节点和感知节点数分别为121、400、150，演化步长值为200。同时，为克服随机因素对仿真结果的影响，实验结果取自10次独立仿真后的平均值。
[0097] (1)网络特征分析实验
[0098] 指挥控制网络的无标度特性体现了网络中各节点之间的连接具有不均匀分布性，使得网络中少数节点拥有极多的连接，而大多数节点只有少量的连接。因此，可通过超度分布直观反映网络的组织结构特点。设计了不同节点新增概率p1、连边新增概率p2和演化步长的模型超度分布仿真实验。选取p1＝0.3,p2＝0.6、p1＝0.5,p2＝0.4和p1＝0.7,p2＝0.2等3组参数，演化步长分别取100、500和1000。从图1可看出，经过一定的演化步长后，得到的模型超度分布均近似幂律分布，表现出明显的无标度特性，说明了本发明所提演化方法的合理性。
[0099] (2)参数选择分析实验
[0100] 图2、3分别为不同参数值下的网络平均路径长度和集聚系数的变化情况。由图中观察可知，新节点的增加使得网络规模增大，网络的稀疏性特征也逐渐显现；同时，节点间信息传输的平均路径长度增大，网络平均集聚系数降低。连边的增加优化了网络结构的内部组织关系，提高了节点间的信息交互能力和紧密程度，从而缩短网络平均路径长度和增大网络平均集聚系数。综合考虑网络平均路径长度、网络平均集聚系数两方面因素，选择参数为p1＝0.3,p2＝0.6，并在以下(3)、(4)的对比分析实验中均采用此参数。
[0101] (3)不同模型的网络性能对比分析实验
[0102] 为进一步分析本发明所提演化模型的网络性能，分别与两种演化模型进行了对比分析，模型选择如下表1所示。
[0103] 表1指挥控制网络演化模型对比说明
[0104]
[0105] 图4、5为上述三种模型在相同演化步骤下的平均路径长度和集聚系数变化情况，从图中可看出三种模型的变化趋势相同，且随着网络演化步数的增加，网络平均路径长度呈现下降的趋势。虽然三种模型在演化过程中网络规模基本保持一致，但M1的变化幅度都优于M2和M3，这是因为本发明所提模型M1在构建协同边时，更加强调了节点间的属性互补，使具有较强能力的节点尽可能地具备较短的网络路径长度，从而提高了节点间的协同效率，因而表现出更好的网络性能。M2采用了超度择优原则，虽然能更有效的提高网络集聚系数，但随着网络规模的增大，部分节点间的平均路径长度大于网络初始值。M3由于采用超度和介数相结合的原则，在层间网的连边上节点选择较为单一，同时忽略了指挥控制网络的层级特性，呈现出“强者愈强，弱者愈弱”的特点，网络的稀疏性特征也逐渐显现。
[0106] (4)不同攻击策略下的网络性能对比分析实验
[0107] 在网络对抗阶段，指挥控制网络会遭受到外界攻击，因此网络演化行为主要为节点和连边的移除行为。针对随机攻击和蓄意攻击两种典型的攻击方式，移除方法可以分为随机移除和择优移除。下面分析了随机攻击和蓄意攻击策略下三种模型的网络性能。
[0108] 图6、7分别为三种模型在随机攻击下的集聚系数和作战超链路效率的变化情况。从图中可看出三种网络模型在随机攻击下都呈现缓慢下降趋势，这是由于随机攻击对每个节点的移除概率是相同的，且指挥控制网络具有近似树状结构和层间协同结构。在面对随机攻击时，网络中节点的损伤大多能通过协同边弥补，只有在关键节点遭受打击时才会出现加速下降的情况。同时，模型M1相比M2、M3，在面对随机攻击时能够保持更高的集聚系数和作战超链路效率，这是由于M1考虑了节点重组行为，对孤立节点进行重组行为，能够降低网络模型的受损情况，提高了网络模型的作战能力。
[0109] 图8、9分别为三种网络模型在蓄意攻击下的集聚系数和作战超链路效率的变化情况。相较于随机攻击下的网络性能变化，由于蓄意攻击是优先攻击网络中度最大的关键节点，所以随着攻击次数的增加，三种网络模型的集聚系数和作战超链路效率的下降程度均大于随机攻击。从上图可以看出，模型M1在蓄意攻击下的抗毁性明显优于M2和M3，这是由于M2和M3采用的超度择优连接，使网络演化过程中过于依赖关键节点，在面对蓄意攻击时，极易造成网络性能的剧变。而模型M1的演化过程中，不仅仅考虑超度，而且对部分有作战能力的孤立节点进行重组，使得模型在面对蓄意攻击时仍能维持相对较好的网络性能。
[0110] 综上仿真分析，本发明所提模型在面对随机攻击和蓄意攻击时都能保持相对较好的网络性能，也验证了所提演化方法对指挥控制动态演化模型的网络性能有所提升。
[0111] 显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
[0112] 参考文献：
[0113] 1.规则2中涉及的层介数连边策略：[文献：B.Chen,H.Tao,et al.A command‑and‑control hypernetwork modeling approach based on hierarchy‑betweenness edge‑linking strategy[J].JT Supercomputing 2022.]。
[0114] 2.规则9中涉及重组方式逐级、越级、转隶和升级：[文献：王晓凯,侯朝桢.战术互联网的网络重组方法[J].火力与指挥控制,2005.]。
