Page 253 - 《软件学报》2020年第11期

3568 Journal of Software 软件学报 Vol.31, No.11, November 2020

4.2 网络抗毁性
网络抗毁性指的是在恶意攻击作用下,网络的对抗能力 [22] .在军事战斗中,无人机集群不得不面临敌方的攻
击和干扰,通常这种干扰与攻击是具有针对性的,无人机群体中处于重要地位的节点(指挥中心、执行中心等)
往往首当其冲.我们期望网络中处于重要位置上的无人机被击落或者发生故障时,整个通信网络依然能够保持
良好的性能,进而保障无人机群体协作工作的有效进行.
节点的度值越大,意味着与之产生信息交换的节点就越多,该节点对网络的影响作用也越明显,因此我们定
义通信网络中大度值节点为重要节点.为了模拟恶意攻击,本文按照节点度值由高到低的顺序删除节点,进行多
次重复实验,统计网络的最大联通集群比例以及平均最短路径比.
图 6(a)、图 6(b)分别反映了网络中失效节点比例对网络最大连通集群比例、平均最短路径长度比例的影
响.通过观察我们可以看出,随着网络中节点失效比例的逐渐增多,DFRRG 算法与 BA 算法的网络性能下降极为
明显.BA 算法在失效节点比例达到 0.2 以上时,网络的连通率近乎为 0%,平均最短路径长度比也逐步趋近于 0,
这是因为无标度网络在恶意攻击下普遍具有脆弱性.DFRRG 算法在失效节点比例小于 0.2 时,网络的连通性尚
好,但此时平均最短路径长度比大于 1.在失效节点比例大于 0.2 时,网络的最大连通集群比例与平均最短路径长
度比开始迅速下降,并且当失效节点比例达到 0.6 时,网络的最大连通集群比例与平均最短路径长度比降低为
0,此时网络中所有节点均为独立节点.尽管 LPCN 算法的性能要优于 DFRRG 算法和 BA 算法,但与 LPTCN 算
法之间仍然存在一定的差距.与此同时,通过对比随机破坏与恶意攻击下本文所提算法的网络性能,我们能够发
现,LPTCN 算法在恶意攻击情况下能够保持与随机破坏场景下同样良好的网络连通性,并且平均最短路径长度
始终维持在 1 以下,证明在恶意破坏环境下 LPTCN 算法依然能够发挥作用,有效保证网络的可靠性.

(a) 最大连通集群比例 (b) 平均最短路径长度比
Fig.6 Network properties in deliberate attack scenario
图 6 蓄意攻击场景下的网络性质

5 总 结

无人机的协同合作过程需要依赖彼此之间频繁的数据交换来获取集群控制的相关信息,这对集群的通信
质量提出了很高的要求.而通信实时精确的前提是通信网络的稳定与可靠,因此,本文致力于构建可靠的无人机
集群通信网络.本文的主要工作包括:
(1) 提出二跳共同邻居指标.相较于传统的复杂网络指标,二跳共同邻居在反映网络非均匀性的同时,能
够刻画节点之间的相似性.
(2) 基于链路预测思想以及二跳共同邻居指标,提出 LPTCN 网络演化算法.该算法将以往算法所忽视的
节点失效情况考虑在内,并将算法划分为网络初始化与网络维护两个部分,以解决节点失效所造成的