论文部分内容阅读
随着万维网技术的发展,在万维网、网格和云这些分布式环境中的资源数量和种类快速增长。由于分布式网络具有大规模性、动态性和分散性的特点,如何对分布式网络上的资源进行有效的组织和准确的搜索成为迫切需要解决的问题。与此同时,随着Watts和Barabási等人发现了复杂网络的小世界特性和无标度特性,揭示分布式复杂网络的簇结构分布就成了复杂网络研究领域的一个重要的研究方向。网络聚类方法对分析复杂网络拓扑结构、理解其功能、促进网络信息组织、加快信息搜索、发现其隐含模式、预测其行为都具有十分重要的理论意义,在社会网、生物网和万维网中具有广泛应用。 在这样的背景下,针对分布式网络的特性,通过对现有研究成果的分析,本文提出了基于自治Agent和面向自治计算技术(Autonomy Oriented Computing,简称AOC)的网络聚类算法,主要研究内容如下: 1.将自治Agent技术和AOC技术应用在针对分布式复杂网络内容和结构的聚类工作中。由于现实的真实网络大多是分布式的、动态的进化网络,这些网络中资源实时更新且分散控制,网络结构复杂多变种类繁多,而AOC技术适用于分布式的网络和分散的拓扑结构很难表达或难以获取的网络,例如P2P网络。本文采用分布式方法在网络中放置一组自治Agent,使其根据局部环境进行有效的网络聚类。 2.针对网络内容进行网络聚类。现在的网络上存放有大量信息资源,需要对这些资源进行有效的组织与聚类,加快网络内容的搜索。同时这些信息资源存放在分布式的网络中,这些网络没有中心控制器而且网络规模较大,所以本文采用智能Agent在网络上进行信息交互。在智能Agent的作用下,网络信息的副本聚合在一起,实现网络信息的自组织,将网络内容聚类在一起。 3.针对网络结构进行网络聚类。由于现在的网络大多呈分布式的复杂网络,具有小世界和无标度特性,识别网络簇结构具有重要意义。本文摒弃常规的基于优化方法和启发式方法,利用相似性原理并结合自治Agent,通过网络节点的相似度实现网络聚类,识别网络社团结构,发现网络拓扑的深层涵义。 本文提出的针对网络内容和网络结构的网络聚类方法对分布式复杂网络的研究具有一定地应用价值。