[发明专利]一种面向移动网络中节点网络距离的预测方法

摘要

本发明属于计算机网络技术领域，公开了一种针对移动网络中多节点的网络距离预测算法。为了解决现有网络距离预测方法的局限，本发明通过矩阵分解的方法对基本的网络距离预测算法进行延伸，引入节点坐标的入口及出口向量，通过更新相应的向量来进行网络距离的预测。算法中包含线性搜索策略，动态更新学习速率参数，减小学习速率参数对距离预测的影响；还融入了用于处理测量奇异值的能提高鲁棒性的对称矩阵分解方法，以及非负矩阵分解，用于保证预测距离的非负性和对称性，保证其实际意义。本发明通过引入线性搜索策略及矩阵分解，扩大了距离预测算法的通用性，能够提高距离预测的精度，具有显著的效果和很强的实用性。 1

主权项

1.一种面向移动网络中节点网络距离的预测方法，其特征在于包括以下步骤：

(1)建立由网络节点组成的网络计算系统模型，将由网络节点构成的网络空间映射到欧氏空间，所述欧氏空间为嵌入空间，从网络节点中选取基准节点，网络节点中除基准节点以外的节点为普通节点；测量基准节点之间的距离值，确定基准节点的坐标值；测量嵌入空间中的每个普通节点到基准节点的距离，构建由各距离值组成的距离矩阵X，确定普通节点对于基准节点的坐标；

(2)将距离矩阵X进行随机梯度分解，得到矩阵U和矩阵V，其中，矩阵U的第i行为第i个网络节点即节点i的进口向量u_i，矩阵U的第j行为第j个网络节点即节点j的进口向量u_j，矩阵V的第j列为节点i的出口向量v_i，矩阵V的第i列为节点j的出口向量v_j；

(3)节点i向节点j发送请求；

节点j接收请求，回答节点i的请求，该请求中包括(u_j,v_j)，u_j表示节点j的进口向量，v_j表示节点j的出口向量；

节点i收到节点j的回答，测算节点i到节点j的距离d_ij，同时节点i更新其进口向量u_i和出口向量v_i；

(4)根据以下公式计算节点i到其他普通节点的损耗之和l_i以及其他普通节点到节点i的损耗之和lⁱ：

其中，N_i表示节点i的近邻节点集，由节点i的设置距离范围内的普通节点组成，λ为预设置的调整参数，表示测量值与预测值的误差函数，其中d和为误差函数中的参数。

2.根据权利要求1所述的面向移动网络中节点网络距离的预测方法，其特征在于：步骤(3)中，节点i根据以下公式更新其进口向量u_i和出口向量v_i：

其中，和利用损耗函数计算，η为预设置的学习速率参数，λ为预设置的调整参数，测量值与预测值的误差函数为：

其中，d和为误差函数中的参数。

3.根据权利要求1所述的面向移动网络中节点网络距离的预测方法，其特征在于：步骤(3)中，节点i根据以下公式更新其进口向量u_i和出口向量v_i：

其中，和利用损耗函数计算，η为设置的学习速率参数，λ为预设置的调整参数，测量值与预测值的误差函数为：

d和