基于复杂网络的虚拟计算环境信任演化博弈研究

针对互联网上大规模动态变化的虚拟计算环境中存在不可靠服务和欺诈行为，"搭便车"，资源滥用、浪费、利用率不高等严重信任问题，本项目利用群集智能技术对虚拟计算环境个体建模，设计其基本组成构件，确定相互之间的关系；采用复杂网络理论构建网络拓扑模型，研究虚拟计算环境中基于信任的演化博弈机制，研究基于自主学习的博弈机制性能优化方法；探索复杂网络参数的确定与取值对于网络拓扑的影响，探索基于信任的收益函数设计的原则；揭示网络拓扑特性与信任演化博弈之间的关系以及对系统中个体合作水平的影响，揭示基于复杂网络的大规模系统信任演化博弈的动力学规律，总结出虚拟计算环境信任优化的思路和策略。本项目通过研究个体建模、系统拓扑建模和系统信任演化博弈建模，可为设计新型大规模高可信的虚拟计算环境系统奠定基础，为优化设计虚拟计算环境拓扑生成方法，为提高系统效率、可用性的信任优化手段和方法提供思路。

项目组针对互联网上大规模动态变化的虚拟计算环境中存在不可靠服务和欺诈行为，“搭便车”，资源滥用、浪费、利用率不高等严重信任问题，根据申请书所确定的研究内容扎实推进研究工作，项目组成员分工又合作，进展顺利，达到预期的研究目标，主要研究成果如下：.1.利用群集智能技术对虚拟计算环境个体建模，提出了可信保障的虚拟计算环境框架与模型；采用复杂网络理论构建虚拟计算环境的网络拓扑模型，设计实现了兼具小世界特征和负载均衡能力的网络拓扑生成算法，配置系列不同参数，生成的网络拓扑既具有稳定的结构，同时也能较好地实现负载均衡、且节点间平均最短路径长度较小；项目所提出的虚拟计算环境的个体结构、可信服务框架以及拓扑生成机制实现了高效、安全、自适应地组织网络资源，对于设计面向互联网的虚拟计算系统具有重要的指导意义。.2.研究虚拟计算环境中基于信任的演化博弈机制，提出了带有记忆的自主元素的基于自主学习的遗传变异策略调解的演化博弈。引入带记忆能力的个体模型，基于遗传算法提出了异质小世界网络(Heterogeneous Newman-Watts,HNW)上的重复囚徒困境博弈，分析异质性对群体合作行为涌现的影响，发现不同的异质性参数区间对合作频率有完全不同的影响，对于使得网络有非常高的异质性的参数区间，异质性稍微的减少却能很大程度上增加群体采取合作策略的比例，而在剩余的对应于比较均匀网络的参数区间，异质性的变化基本上不对合作频率产生影响。.3.通过对面向互联网的自治系统的无标度拓扑的理论和实验分析，我们发现无标度网络特性影响归一化度分布常数，并建立数学模型来描述Internet拓扑的幂率关系。通过该模型获得了其分布特征并计算了平均度、最小以及最大k个度数节点所占的比例、最高度数，发现平均度数随着幂指数增加而增加。.4.分析了复杂网络参数，如聚集系数、相关性系数等对于网络拓扑的影响，提出了基于可信度的自主元素合作收益函数，为自主元素主动贡献资源提供一种有效的激励机制，仿真实验表明该机制能够将自主元素维持一个较高的合作水平，从而保障了iVCE服务请求能够获得较高的成功应答。揭示了网络拓扑特性与信任演化博弈之间的关系以及对系统合作水平的影响，揭示了基于复杂网络的大规模系统信任演化博弈的动力学规律。