将攻击图与并行遗传算法相结合,提出了一种基于并行遗传算法的网络最优弥补模型PGA-ONHM(optimal network hardening model based on parallel genetic algorithm),该模型能得到目标网络系统的近似解。为了验证该模型的可行性、有效性...将攻击图与并行遗传算法相结合,提出了一种基于并行遗传算法的网络最优弥补模型PGA-ONHM(optimal network hardening model based on parallel genetic algorithm),该模型能得到目标网络系统的近似解。为了验证该模型的可行性、有效性和可扩展性,本文从不同的分析角度进行仿真验证,实验结果表明:并行遗传算法的CPU消耗时间随着初始属性节点数量的增加呈多项式增加,随着子群体数量的增加呈减小趋势;无论是平均迭代次数还是单次迭代的平均计算时间,并行遗传算法比经典遗传算法都要优越;并行遗传算法可以得到较好的加速比;能够克服局部最优解的问题,可以适用于大规模复杂的网络系统。展开更多
文摘将攻击图与并行遗传算法相结合,提出了一种基于并行遗传算法的网络最优弥补模型PGA-ONHM(optimal network hardening model based on parallel genetic algorithm),该模型能得到目标网络系统的近似解。为了验证该模型的可行性、有效性和可扩展性,本文从不同的分析角度进行仿真验证,实验结果表明:并行遗传算法的CPU消耗时间随着初始属性节点数量的增加呈多项式增加,随着子群体数量的增加呈减小趋势;无论是平均迭代次数还是单次迭代的平均计算时间,并行遗传算法比经典遗传算法都要优越;并行遗传算法可以得到较好的加速比;能够克服局部最优解的问题,可以适用于大规模复杂的网络系统。
