重新認(rèn)識p2p網(wǎng)絡(luò)的拓?fù)?閱讀頁
2024-09-06 17:08本頁面
【正文】 理能力越少， 因此吸引力隨著節(jié)點度的增加應(yīng)該遞減而非遞增。因而，我們可以基本認(rèn)為該網(wǎng)絡(luò)不遵從優(yōu)先附著的規(guī)則。2. 理論分析首先，我們假設(shè)網(wǎng)絡(luò)是一個動態(tài)增長的過程，每個新加入的節(jié)點都采用隨機(jī)的方式選取鄰居，每個已存在節(jié)點被選中的概率服從均勻分布。新加入的節(jié)點隨機(jī)地與系統(tǒng)中已經(jīng)存在的m個節(jié)點相連。采用Barab225。該微分方程的解為：因而，ti時刻加入系統(tǒng)的節(jié)點在t時刻的度數(shù)小于k的概率為：在一個長時間的演化過程里，,可以忽略不計。 3. 仿真結(jié)果Fig 2 Node connectivity distribution for simulation result, with N=50020 and m=4圖 2 仿真結(jié)果的節(jié)點度分布 N=50020，m=4假設(shè)網(wǎng)絡(luò)服從增長的模式，即每隔一個時間單元，都有一個新的節(jié)點加入網(wǎng)絡(luò)。而每一個新加入的節(jié)點都隨機(jī)和網(wǎng)絡(luò)中的4個節(jié)點相連（文獻(xiàn)[1] 的測量結(jié)果是網(wǎng)絡(luò)的節(jié)點平均度數(shù)為7， 個節(jié)點相連），每個節(jié)點被選中作為新加入節(jié)點的鄰居的概率是相等的。對比圖1（b）和本圖，有兩點區(qū)別：一是本圖最低度節(jié)點為4，這是由于每個節(jié)點加入時都要選擇4個鄰居所致；二是最高度節(jié)點和圖1（b）相比，要低1/3左右。 而節(jié)點在網(wǎng)絡(luò)中逗留的時間長短是不一樣的，而是呈現(xiàn)重尾分布特征[7]，那些逗留時間長的節(jié)點就會相應(yīng)獲取更多的連接。 我們將初始連接數(shù)隨機(jī)化，假設(shè)每個節(jié)點初始獲取的連接數(shù)服從[1...7]的均勻分布，這樣，平均一個節(jié)點加入系統(tǒng)時獲取的鄰居數(shù)仍然是4 。Fig 3 Node connectivity distribution for simulation result with initial node degree uniformly distributed in [1..7] and N=50020圖 3 初始節(jié)點度均勻分布的節(jié)點度分布 N=50020，初始節(jié)點的度數(shù)服從[1..7]的均勻分布從仿真結(jié)果和圖1的對比可以看出，P2P網(wǎng)絡(luò)的節(jié)點度分布更傾向于服從負(fù)指數(shù)分布。特別是，在文獻(xiàn)[1]提出P2P網(wǎng)絡(luò)遵從冪律后， 人們提出了很多基于冪律特征的P2P網(wǎng)絡(luò)搜索方法[5,6]。比如，這些搜索算法的的一個共同假設(shè)是要求網(wǎng)絡(luò)節(jié)點的最大度數(shù)kmax 和網(wǎng)絡(luò)規(guī)模N滿足， 這里r表示節(jié)點度分布的冪律指數(shù)。 因而，以冪律為基本假設(shè)對P2P網(wǎng)絡(luò)進(jìn)行的網(wǎng)絡(luò)搜索算法的研究也就失去了理論基礎(chǔ)。然而冪律無處不在的假象使得人們在刻畫新的網(wǎng)絡(luò)特征時傾向于僅通過將度分布以Loglog方式顯示在圖上，從而做出新的網(wǎng)絡(luò)服從冪律的結(jié)論。造成這種錯誤的根源在于人們?nèi)狈τ谛碌木W(wǎng)絡(luò)演化過程的認(rèn)真思考，忽略了冪律產(chǎn)生的兩條基本原則。 在考察了P2P網(wǎng)絡(luò)的組網(wǎng)機(jī)制后， 我們指出P2P網(wǎng)絡(luò)并不遵從冪律，而是遵從負(fù)指數(shù)分布。我們通過理論分析和仿真試驗兩個方面驗證了我們的觀點，并進(jìn)而指出，基于冪律特征所作的搜索方法不適用于P2
法律信息相關(guān)推薦
鄂ICP備17016276號-1