基于介度中心性熵的复杂网络关键节点识别算法

复杂网络中关键节点的识别始终是复杂网络研究的热点,传统的关键节点识别算法仅考虑度中心性或者介数中心性等单一因素,具有一定的局限性。文章根据网络的度中心性和介数中心性定义了介度中心性,结合网络熵,提出了介度熵中心性算法。并利用网络的抗毁性指标与度中心性,介数中心性,局部熵,映射熵算法进行了比较。仿真实验表明:介度中心性熵算法识别出的关键节点相比于其他四种算法能更快使网络连通性下降至崩溃阈值,能更准确地识别出网络的关键节点。

面向非规则大数据分析应用的多核帮助线程预取方法

大数据分析应用往往采用基于大型稀疏图的遍历算法,其主要特点是非规则数据密集访存。以频繁使用的具有大型稀疏图遍历特征的介度中心算法为例,提出一种基于帮助线程的多参数预取控制模型和参数优化方法,从而达到提高非规则数据密集程序性能的目的。在商用多核平台Q6600和I7上运用该方法后,介度中心算法在不同规模输入下平均性能加速比分别为1.20和1.11。实验结果表明,帮助线程预取能够有效提升该类非规则应用程序的性能。