具有不可靠结点网络可靠度的计算

提出了几个保持网络可靠度不变的将边可靠，结点不可靠的无向网络转化为有向网络的转化原则，进而给出了一个计算边可靠。

一种计算具有不可靠结点分布式计算网络可靠性的算法

提出了几个保持可靠性不变的缩减,结合这些缩减,利用因子分解公式建立了一个计算具有不可靠结点的分布式计算网络分布程序可靠性的有效算法,算法的时间复杂性是O(N·(V+E)),并对一些网络在Pentium 120 计算机上作了计算,结果显示用本文算法计算DPR所产生的N和所用时间比其它算法的要小得多。

基于网络缩简的K-剩余连通可靠度的蒙特卡洛方法

讨论了具有不可靠结点网络的可靠度估计问题,提出了具有不可靠结点K-终端网络的串并联缩简原则,并将该缩简原则应用于递归方差衰减(Recursive Variance Reduction,RVR)蒙特卡洛(Monte Carlo)方法中,得到一种无偏且高效的估计可靠度的方法.该方法是依据状态空间分解原理,将对原状态空间的抽样实验递归地转为对其子空间的实验,并且在对子空间抽样实验前进行网络缩简,使得有些子空间不用抽样,对应方差为0.最后,通过实验验证了算法的有效性.

基于同构子网判定的结点不可靠网络可靠度计算方法

为提高结点不可靠网络的可靠度计算效率,提出一种基于子网同构判定的高效计算方法。在生成有序二元决策图(OBDD)的因子分解过程中,利用特征合并划分(CMP)识别网络分解产生的同构子网,然后根据网络中边和节点的逻辑联系,执行边替换操作将不可靠结点存储于OBDD;通过遍历OBDD计算网络的可靠度。结果显示,该方法减少了同构子网带来的重复计算,并充分利用OBDD的存储结构进一步增强了计算效率,计算中小型网络可靠度的时间保持在100 s以下,计算数百结点网络可靠度的时间保持在百秒级,且计算中大型网络的开销远低于标准二元决策图(BDD)方法。