论文摘要：基于Gossip的信息分发技术研究

  在信息时代的浪潮之下，各种新型网络技术的发展规模及速度空前，例如传感器网络、P2P网络、移动自组织网络以及社交网络等，网络规模的膨胀、网络用户数量的激增、网络服务的多样化及复杂化，使得通信网络迫切需要能够实现信息高效分发的技术，因而也成为当前关注的研究热点。本文从流言算法、拓扑结构和两个方面，开展多信息分发算法设计及其收敛性问题的研究，取得的主要研究成果如下：

  首先，基于随机流言及广播机制的特征提出了基于局部广播的LAB（Local Average Broadcast）算法，该算法的核心是利用广播机制及调度实现局部的一致平均，重点分析了提出的LAB算法在一般图的拓扑机构下信息分发问题。针对广播流言算法的弊端提出了LAB算法及其信息分发机制，证明了算法能够有效收敛，利用矩阵的基本性质、双随机矩阵的基本性质分析了算法在一般图下的理论下界为 ，并通过建模仿真给出算法随着领域尺寸的扩大对全局收敛不同程度提高的过程，证明了局部的一致平均后对全局收敛有明显加速作用。

  其次，重点讨论并分析LAB算法在不同阶数正则图下的多信息分发问题，创新地采用拉普拉斯矩阵描述算法的执行过程，即利用拉普拉斯矩阵表征平均权重矩阵及其归一化表达式，该矩阵的第二大特征值决定着算法的收敛速度，并利用拉普拉斯矩阵的谱特性分析LAB算法的平均收敛时间及通信成本，分别为和 ?。

  最后，将算法的应用推广至更接近实际的随机几何图及时变网络系统中，通过试验结果验证了LAB算法在动态的、不确定的网络环境下依旧能够高效收敛，具有良好的鲁棒性。

  本文中的主要研究成果对于提高信息分发的可靠性及鲁棒性分发具有一定的借鉴意义。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/280911.html