42、机会网络节点可信度评估与家庭电器无监督能源分解

机会网络节点可信度评估与家庭电器无监督能源分解

1. 机会网络节点可信度评估方法

在人际社交互动中,人们与陌生成员交流时,首要判断对方是否值得信任。在社交网络里,社会信任表现为成员间相互信任、获得认可并真诚交流。由于人类社会行为的影响,机会网络中的节点和现实社会中的人一样具有社会属性,因此可将社交网络的社会信任引入机会网络,节点通过建立信任关系避免不良节点的影响。

基于此,提出了一种名为FICT的可信度评估方法,该方法利用节点的熟悉度、亲密度和贡献度来构建机会网络中的信任关系。
- 熟悉度 :在现实社会中,两人频繁见面意味着彼此熟悉且一定程度上建立了信任关系。机会网络节点自组织运行,移动轨迹和行为各异,可通过节点间的接触次数计算熟悉度,选择熟悉的节点转发数据包。其定义公式如下:
[famiDegree_{i,j} = \frac{ConTimes_{i,j}}{\sum_{k = 0}^{n} ConTimes_{i,k}}]
其中,(famiDegree_{i,j}) 表示节点 (i) 和节点 (j) 之间的熟悉度,取值范围在 ([0, 1]);(ConTimes_{i,j}) 是节点 (i) 和节点 (j) 历史交互中的接触次数;(\sum_{k = 0}^{n} ConTimes_{i,k}) 是节点 (i) 与其通信范围内所有节点的接触次数总和。
- 亲密度 :社会心理学认为,社会成员间的交流能建立社会信任,交流时间越长关系越亲密。在机会网络中,若两节点长时间接触,可认为建立了信任关系。为防止恶意节点通过频繁接触提高熟悉度,定义亲密度公式如下:
[intiDegree

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值