基于网络分层谱系模型的综合评估方法
李明辉1, 2，夏靖波1，陈才强3
(1. 空军工程大学 信息与导航学院，陕西 西安，710077；
2. 空军后勤部，北京，100720；
3. 空军通信网络技术管理中心，北京，100843)
摘要：为了对网络运行质量进行综合评估，定义和描述网络分层谱系模型，并基于网络分层谱系模型设计综合评估方法，考虑不同方案之间基于承载关系有向路的运行指标差异程度对评估结果的影响，凸显网间关系的整体公平和个体差异。算例分析结果表明：该方法能够实现网络运行质量的关联综合评估，为网络管理提供了新的思路。
关键词：网络分层谱系模型；承载；关联；Petri网
中图分类号：TP393 文献标志码：A 文章编号：1672-7207(2013)03-1054-09
Integration evaluation method based on network layering pedigree model
LI Minghui1, 2, XIA Jingbo1, CHEN Caiqiang3
(1. School of Information and Navigation, Air Force Engineering University, Xi’an 710077, China;
2. Air Force Logistics Department, Beijing 100720, China;
3. Air Force Communication Networks Technology Management Center, Beijing 100843, China)
Abstract: To analyse the carrying and associating relations in concurrent network running quality integrated evaluation, the definition and description of network layering pedigree model (NLPM) was discussed, integrated evaluation method based on network layering pedigree model was designed. The effect of running indicator diversity degree on evaluation results in different projects based on network carrying direction route was taken into consideration, and the impartiality and discrepancy of different networks were shown in the method. The results show that this method based on NLPM in network running quality integrated evaluation show good performance compared with the other methods, and it provides a new idea for network management.
Key words: network layering pedigree model; carrying; associating; Petri net
近年来，关于网络评估体系、方法的研究一直是网络管理者和研究人员关注的焦点。文献[1]提出了一种传感器网络体系评估方法；文献[2]提出一种新的基于仿真的关联时序风险分析模型，用于对风险因素关联关系不确定情况下的建筑项目网络评估；文献[3]提出了基于测量的线性加权网络性能评估方法；文献[4]采用模糊综合评估方法对校园网性能进行评估；文献[5-6]分别提出了采用神经网络和支持向量机的移动通信网络质量评估方法；文献[7]提出一种基于灰关联分析和TOPSIS的武器系统效能评估方法。但是，目前还没有从全网角度建立评估网络运行质量的有效方法，缺乏对网络运行状况及业务保障关联情况的实时掌握，从而在对整个网络系统进行评估时还不够全面、客观、准确。基于此，本文作者在分析网络分层谱系模型原理的基础上，提出基于网络分层谱系模型的综合评估方法，给出具体实施步骤，并对应用实例进行讨论。
1 网络分层谱系模型(NLPM)原理
1.1 网络分层谱系的定义
网络分层分割理论是韦乐平[8-9]于2000年前后提出的，它将完整的信息网络由下至上划分为传送网、业务网和应用层。夏海涛等[10]提出根据业务将电信网在垂直方向上划分为IP层网络等若干独立专业网系的分析方法，初步体现了相邻层网络之间的业务承载关系；ITU-T建议书M.3017[11] 给出了业务与专业网络之间以及各网络之间承载和关联关系的概念；ITU-T建议书Y.1541[12]和IETF RFC 4148[13]提出业务是一种独立的逻辑管理实体或者软件功能实体的理念，并指出它从提供该业务的网络中“分离”出来，既与提供它的承载网关联(“提供”关系)，又与使用它的被承载网关联(“使用”关系)，形象客观地描述了网络、业务及其之间的关系，为通信网络分析方法研究提供了理论基础。于是，通过借鉴相关领域谱系研究成果，并结合网络承载和关联关系实际提出如下定义。
定义1 网络分层谱系(network layering pedigree, NLP)是用来反映通信网络各专业网系之间类似家族谱系的简单化图表或图例，定量或定性地显示所属范围内所有网系成员相互之间的服务与保障关系、承载与关联关系等显著特征。
研究网络分层谱系，就是要搞清楚网系家族成员之间的影响与被影响的关系，即研究网络1为网络2提供服务，网络2需要网络1提供保障这种关系的有无及其程度。在通信网络尤其军事通信网络系统中，这种复杂的网系间承载和关联关系具有重要的作用。图1所示为网络分层谱系的承载和关联关系，其中承载关系通过“可达影响因子”[14-15](定量描述网系间服务程度)来衡量，关联关系则用“贡献度”、“关联度”[16](定量描网系或者运行指标间影响程度)来表征。
网络分层谱系模型(network layering pedigree model, NLPM)即对网络分层谱系的模型化抽象，是对网系间承载和关联关系的简单呈现。
1.2 NLPM结构
网络分层谱系模型示意图如图2所示。其中：ni(i=1, 2, …, 12)为网系节点；mi,j(i, j=1, 2, …, 12)为网系可达影响因子；rk(k=1, 2, …, 12)为网系贡献关联度；
为网系k的运行指标贡献关联度。
结合图2并借鉴Petri网理论，给出NLPM的相关定义。
定义2 定义各专业网系N={n1, n2, …, nk}为网络分层谱系模型的网系节点集。
定义3 定义各子网系之间的承载关系C={ci,j}(i, j=1, …, k)为网络分层谱系模型的承载边集。cij=(ni, nj)表示从节点ni到nj的一条有向边，其中ni称为边c的源点，nj称为边c的终点。
定义4 定义M={mi,j}(i, j=1, …, k)为网络分层谱系模型的网系可达影响因子集，并规定承载边集C与网系可达影响因子M为一一映射关系。
图1 网络分层谱系承载和关联关系示意图
Fig.1 Carrying and associating relation of NLP
图2 网络分层谱系模型示意图
Fig.2 Sketch map of NLPM
定义5 定义R={r1, r2, …, rk}为网络分层谱系模型的网系贡献关联度集，其中ri={RDi, RLi}，RDi为网系i的贡献度，RLi为网系i的关联度。在这里规定网系节点集N与贡献关联集R为一一映射关系。
同理，可以定义网系i的运行指标的贡献关联度集为
，其中
由运行指标的贡献度与关联度组合而成。
定义6 若
，则称节点
为节点ni的前集或输入集；若
，称节点
为节点ni的后集或输出集。
定义7 若
，则称节点ni为根节点；若
，则称节点ni为枝节点；若
，则称节点ni为叶节点。
定义8 网络承载关系有向路，定义为在网络分层谱系模型中，由网系节点集N和承载边集C构成的顶点、边互不相同的顶点和边的交替序列。
1.3 NLPM分析
图3所示为反映某通信网络系统特征的NLPM实例及其抽象图。由图3(a)可知：该NLPM包括4个网系和2个网络承载关系有向路，每个网系分别由2~4个不同运行指标来反映其属性特征，不同网系和运行指标间拥有各自的承载与关联关系等特征以及可达影响因子[14-15]和贡献度、关联度[16]等参数。
作为对NLPM的抽象(图3(b))，网络承载和关联关系描述如下：ni(i=1, …, 4)为网络节点，mi,j(i, j=1, …, 4)为可达影响因子，例如，m2,3=0.08；ri为网系贡献关联度，
为运行指标贡献关联度，以节点n1为例，其网系贡献关联度为r1={148.195 8, 266.220 0}，运行指标贡献关联度分别为
{178.367 4, 178.367 4} 和 
{87.852 6, 87.852 6}；n1为根节点，n2枝节点，n3和n4为叶节点；2个网络承载关系有向路为n1→ n2→ n3和n1→ n4。
2 基于NLPM的综合评估方法
对基于NLPM的综合评估问题作出如下抽象：
(1) {Si, i=1, 2, …, m}为m个待评估方案的集合；
(2) {Nk, k=1, 2, …, n}为n个参评网系的集合；
(3) {
, j=1, 2, …, mk}为所有参评网系的运行指标构成的集合(这里令
，
为所有指标的个数)；
图3 含有4个典型网系的网络分层谱系模型及抽象图
Fig.3 NLPM with four networks and its abstract graph
(4) 
{ j=1, 2, …, mk}为网系Nk(k=1, 2, …, n) (该网系具有mk个运行指标)的运行指标贡献度；
(5) 
(p, q=1, 2, …, n)为网络可达影响因子；
(6) η为网络承载关系有向路的个数，且每个有向路中网络运行指标的个数分别为
，
，…，
；
(7) ηk为网系Nk所在的承载关系有向路个数(即网系Nk所拥有的承载关系有向路的个数)。
综合评估的目标即在基于承载和关联关系确知的网络分层谱系模型的基础上实现对{Si, i=1, 2, …, m}中各方案进行综合评比排序。
2.1 基本原理
通常，若各待评估方案在某个运行指标下的评估差异越大，说明该指标对综合评估的影响越大；反之，则说明该指标对综合评估的影响越小[17-18]。于是，基于网络承载关系有向路的评估差异成为本文综合评估方法的突破，不妨定义评估差异值[17]如下：
定义9 对于运行指标值
和
，定义评估差异值为
。
基于此，在每条有向路上采用指标评估差异占本有向路总差异的比例来确定不同指标的有向路归一化差异因子：
其中：i1和i2表示不同方案，i1=1, 2, …, m；i2=1, 2, …, m。
于是，得到有向路归一化指标差异因子序列：
由于一些网系作为节点会出现在不同的网络承载关系有向路中，因此，
成立。为了描述方便，令非本有向路上的网系运行指标的有向路归一化指标差异因子为0。于是，得到修正后的有向路归一化指标差异因子：
令由网络分层谱系模型确定的网系间可达影响因子为mp,q(p, q=1, 2, …, n)。对于网系Nk，设其有ηk条承载关系有向路，得到修正有向路归一化指标差异因子与网系可达影响因子的匹配关系，其中有向路归一化指标差异因子记为
，i表示不同网系，j表示不同运行指标，l表示不同承载关系有向路，
( q=1, 2, …, n)表示第l条有向路上相应网系间的可达影响因子，具体如表1所示。
于是，可以求得网系Nk的指标差异向量：
2.2 实施步骤
步骤1 构建指标集评估矩阵P。根据m个待评估方案及其
个参评网系运行指标构成指标集评估矩阵
。
步骤2 建立评估增广矩阵
。将指标集评估矩阵P转化为评估增广矩阵
。其中：
，对于效益型指标，
；对于成本型指标，
。
步骤3 求解规范化评估矩阵
。对评估增广矩阵进行规范化处理，形成规范化评估矩阵
。对于效益型指标，
；对于成本型指标，
。其中i表示方案数，i=1, 2, …, m；j表示所有参评网系指标数，j=1, 2, …, n。
步骤4 构建基于网络谱系模型的权化评估矩阵E。将网络分层谱系模型中得到的运行指标贡献度作为所有参评网系指标的权重，进行归一化处理：设待评某网系Nk(k=1, 2, …, n)包括mk个运行指标
(j=1, 2, …, mk)，其贡献度为( j=1, 2, …, mk)，则修正的运行指标权重为
, j=1, 2, …, mk。在此基础上，将所有待评网系的修正指标权重
作归一化处理，即
，并统一编号得到归一化修正指标权重
。
进一步，对规范化评估矩阵进行权化处理，得到权化评估矩阵
。
步骤5 确定指标差异因子wj。根据基本原理计 算所有网系的指标差异向量为w(1), w(2), …, w(k), …, w(n)，规范化处理得到归一化指标差异向量
，且
。
这里要说明的是，该运行指标差异因子wj的含义不同于步骤4的权重系数
，其反映的是指标差异对综合评估的贡献程度，并且不具有可继承性，不带有任何主观色彩。
表1 网系Nk的承载关系有向路信息
Table 1 Carrying relation directed route of network Nk
步骤6 求解权化差异评估矩阵Z。利用指标差异向量w及权化评估矩阵E，得出权化差异评估矩阵
。
步骤7 确定各方案在正负理想点
上的投影
[17]。根据权化差异评估矩阵，确定正、负理想点为
，进而得到各方案在正负理想点上的投影
。
步骤8 计算综合评估系数EDi并对评估方案进行排序。根据各待评估方案在正、负理想点上的投影计算其综合评估系数为
，据此对待评估方案进行综合排序，给出客观评估。
3 应用实例
为了验证上述方法的有效性和可行性，进而说明网络分层谱系模型在网络运行质量综合评估中的作用，以图3中4个典型通信网系构建的NLPM为实例，选取3个具有上述典型网系及其特征的待评估单位(m=3)，每个单位考察上述4个评估网系(n=4)的11项运行指标(
)，其中网系4的运行指标3为成本型指标，其余的均为效益型指标，结果如表2所示。
根据综合评估方法步骤可以将表2数据整理形成指标集评估矩阵P，进而得到评估增广矩阵：
依据评估增广矩阵对指标集评估矩阵P进行规范化处理，得到规范化评估矩阵为
依据步骤4得到归一化修正指标权重w0为(0.197 1 0.097 1 0.085 8 0.054 8 0.054 8 0.054 8 0.109 2 0.140 8 0.083 7 0.077 6 0.088 7)。
表2 3组待评估方案的网络运行指标
Table 2 Value of network running indicators in three different units
进而构建基于网络分层谱系模型贡献度的权化评估矩阵E为
根据有向路
和
，可以确定各承载关系修正后的有向路归一化指标差异因子为
由网络分层谱系模型可达影响因子确定归一化指标差异向量w为(0.043 4, 0.006 5, 0.042 1, 0.045 4, 0.074 6, 0.074 6, 0.113 5, 0.100 6, 0.021 6, 0.019 3, 0.458 4)。
差异评估矩阵Z为
确定正、负理想点分别为
=(0.008 6, 0.000 6, 0.003 6, 0.002 5, 0.004 1, 0.004 1, 0.002 4, 0.014 2, 0.001 8, 0.001 5, 0.040 7)；
=(0.008 5, 0.000 6, 0.003 6, 0.002 4, 0.003 9, 0.003 9, 0.012 0, 0.013 9, 0.001 8, 0.001 5, 0.022 2)。
各方案在正负理想点上的投影为
。
综合评估系数为
。
综上可知：不同单位网络运行质量综合评估排序从优到劣依次为单位2网系，单位1网系，单位3网系。
为了进一步说明本文所提方法的优势，获取上述3个单位连续8次的网络运行质量指标数据，与基于文献[3-6]的综合评估结果进行比较，得到图4所示的对比结果。
由图4可见：不同方法所采用评判准则不同导致评估结果数值相差较大。文献[3-6]能够实现不同单位网络运行质量和趋势的比较与排序，并给出较为科学合理的评估结论。然而，对于由多个网络构成的不同单位网络运行质量评估来说，其只能将各单位网络作为整体或者独立实体予以考虑，而不能体现出不同网络之间的内在承载关联关系。本文所提出的基于NLPM的综合评估方法正是从全网的角度解决评估问题的有效方法，既考虑运行指标的个体差异对评估结果的影响，又凸显了网系承载的整体关联程度，可以较系统地实现待评方案的有效排序，指导不同单位网络建设与管理。
图4 不同评估方法的结果对比
Fig.4 Contrast of evaluation methods
4 结论
(1) 提出网络分层谱系及模型的概念，分析了网络分层谱系模型的原理，可为网系综合评估指标关系复杂、关联分析困难等难题的解决提供参考。
(2) 提出基于网络分层谱系模型的综合评估方法，充分考虑不同方案之间基于承载关系有向路的运行指标差异程度对评估结果的影响，较好地实现了网络综合评估。
(3) 构建的综合评估方法运用指标贡献度重新确定指标权重，凸显整体公平；根据网系之间承载和关联关系建立网络承载关系有向路，凸显网间关系；利用承载关系差异因子对指标进行二次赋权，凸显个体差异。
参考文献：
[1] JIANG Yuxiang, CHEN Tingting, LI Zheying. Sensor network evaluation system based on embedded technology[C]// Proceedings of International Symposium on Information Science and Engineering. Piscataway,NJ: IEEE Computer Society, 2008: 694-696.
[2] Okmen O, Oztas A. Construction project network evaluation with correlated schedule risk analysis model[J]. Journal of Construction Engineering and Management, 2008, 134(1): 49-63.
[3] 张冬艳, 胡铭曾, 张宏莉. 基于测量的网络性能评估方法研究[J]. 通信学报, 2006, 27(10): 74-79.
ZHANG Dongyan, HU Mingzeng, ZHANG Hongli. Study on network performance evaluation method based on measurement[J]. Journal on Communications, 2006, 27(10): 74-79.
[4] 张靖. 模糊综合评判的校园网性能评价研究[J]. 电子科技大学学报, 2009, 38(6): 998-1000.
ZHANG Jing. Campus network performance assessment based on the fuzzy comprehensive evaluation[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(6): 998-1000.
[5] 徐海东, 李冶文, 江峰, 等. 基于神经网络的UTRAN网络质量综合评价[J]. 北京邮电大学学报, 2005, 28(4): 41-44.
XU Haidong, LI Yiewen, JIANG Feng, et al. 3G UTRAN quality evaluation based on neural network[J]. Journal of Beijing University of Posts and Telecommunications, 2005, 28(4): 41-44.
[6] 于艳华, 宋梅, 潘阳发, 等. 改进的基于支持向量机的网络综合评价策略[J]. 北京邮电大学学报, 2007, 30(6): 85-88.
YU Lanhua, SONG Mei, PAN Yangfa, et al. An improved network performance evaluation method based on support vector machines[J]. Journal of Beijing University of Posts and Telecommunications, 2007, 30(6): 85-88.
[7] GU Hui, SONG Bifeng. Study on effectiveness evaluation of weapon systems based on grey relational analysis and TOPSIS[J]. Journal of Systems Engineering and Electronics, 2009, 20(1): 106-111.
[8] 韦乐平. 网络的分层和分割[J]. 现代电信科技, 1999(1): 1-4, 23.
WEI Leping. Networks layering and partitioning[J]. Modern Science & Technology of Telecommunications, 1999(1): 1-4, 23.
[9] 韦乐平. 网络的分层分割与扁平化趋势[J]. 电信科学，2000, 16(6): 1-5.
WEI Leping. Networks layering & partitioning and delayer trends[J]. Telecommunication Science, 2000, 16(6): 1-5.
[10] 夏海涛, 詹志强. 新一代网络管理技术[M]. 北京: 北京邮电大学出版社, 2003: 25-26.
XIA Haitao, ZHAN Zhiqiang. The new generation network management technology[M]. Beijing: Beijing University of Posts & Telecommunications Press, 2003: 25-26.
[11] ITU-T Recommendation M.3017, Framework for the integrated management of hybrid circuit/packet networks[S].
[12] ITU-T Recommendation Y.1541, Network performance objectives for IP-based services[S].
[13] IETF RFC4148, IP Performance Metrics (IPPM) Metrics Registry[S].
[14] 李明辉, 夏靖波, 陈才强, 等. 一种新的含可达影响因子的系统结构分析算法[J]. 北京理工大学学报: 自然科学版, 2012, 32(2): 135-140.
LI Minghui, XIA Jingbo, CHEN Caiqiang, et al. A new system structure analysis arithmetic with reachable effect factor[J]. Transaction of Beijing Institute of Technology, 2012, 32(2): 135-140.
[15] 李明辉, 夏靖波, 陈才强. 基于决策试验和评价实验法与解释结构模型的含有可达影响因子的网络谱系模型[J]. 吉林大学学报: 工学版, 2012, 42(3): 782-788.
LI Minghui, XIA Jingbo, CHEN Caiqiang. Network pedigree model with reachable effect factor base on DEMATEL & ISM[J]. Journal of Jilin University: Engineering and Technology Edition, 2012, 42(3): 782-788.
[16] 李明辉, 夏靖波, 陈才强, 等. 通信网络系统结构分析研究[J]. 北京邮电大学学报, 2012, 35(3): 38-41.
LI Minghui, XIA Jingbo, CHEN Caiqiang, et al. System structural analysis of communication networks[J]. Journal of Beijing University of Posts and Telecommunications, 2012, 35(3): 38-41.
[17] 李明辉, 夏靖波, 韩仲祥, 等. 基于差异投影的多类型指标综合评估方法[J]. 兵工学报, 2011, 32(1): 17-22.
LI Minghui, XIA Jingbo, HAN Zhongxiang, et al. Method for solving integrated evaluation problems of multi-criteria indicator based on diversity projection[J]. Acta Armamentarii, 2011, 32(1): 17-22.
[18] 杨静, 邱菀华. 基于投影技术的三角模糊数型多属性决策方法研究[J]. 控制与决策, 2009, 24(4): 637-640.
YANG Jing, QIU Wanhua. Method for multi-attribute decision-making based on projection[J]. Control and Decision, 2009, 24(4): 637-640.
(编辑 赵俊)
收稿日期：2012-04-25；修回日期：2012-07-10
基金项目：陕西省自然科学基础研究计划项目(2009JM8001-1)；全军军事学研究生课题(2010XXXXX-488)；空军工程大学电讯工程学院博士生创新基金资助项目(2009-002)
通信作者：李明辉(1983-)，男，山东聊城人，博士，从事军事信息网络管理与安全等研究；电话：010-66725984；E-mail: airminghuili@163.com
