复杂性理论在计算机网络行为研究中的应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (35): 30-34.

复杂性理论在计算机网络行为研究中的应用

雷霆^1,2,余镇危²

1．北京林业大学理学院，北京100083
2．中国矿业大学（北京）机电与信息工程学院，北京100083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-11 发布日期:2007-12-11
通讯作者: 雷霆

Application of complexity theory to study of computer network behavior

LEI Ting^1,2,YU Zheng-wei²

1.School of Science，Beijing Forestry University，Beijing 100083，China
2.School of Mechanical Electronic & Inf. Eng.，China University of Mining & Technology at Beijing，Beijing 100083，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-11 Published:2007-12-11
Contact: LEI Ting

摘要/Abstract

摘要： 随着计算机网络的快速发展，网络行为日益复杂，强调系统整体性的新兴学科——复杂性理论为网络复杂行为的研究提供了一个新的视野和思路。综述了当前基于复杂性理论网络行为研究的状况；分析了其中存在的问题；强调将复杂性理论应用到计算机网络行为研究当中的必要性。最后对复杂性理论在未来网络行为研究中的可能应用方向进行了总结。

关键词: 复杂性理论, 网络行为, 网络流量, 网络拓扑

Abstract: Due to the rapid development，computer network is increasingly complicated.Complexity theory，a newly risen subject，emphasizes system integrity and provides a new view and thinking for us.In the paper，current conditions of research on network behavior based on complexity theory are surveyed，some problems existing among them are analysed as well.Furthermore，applying this theory to study is emphasized.At last，the direction to research in future is summarized.

Key words: complexity theory, network behavior, network traffic, network topology

雷霆^1,2,余镇危². 复杂性理论在计算机网络行为研究中的应用[J]. 计算机工程与应用, 2007, 43(35): 30-34.

LEI Ting^1,2,YU Zheng-wei². Application of complexity theory to study of computer network behavior[J]. Computer Engineering and Applications, 2007, 43(35): 30-34.

[1]	康梦轩，宋俊平，范鹏飞，高博文，周旭，李琢. 基于深度学习的网络流量预测研究综述[J]. 计算机工程与应用, 2021, 57(10): 1-9.
[2]	顾兆军，吴优，赵春迪，周景贤. 流量的集成学习与重采样均衡分类方法[J]. 计算机工程与应用, 2020, 56(6): 86-91.
[3]	洪征，龚启缘，冯文博，李毅豪. 自适应聚类的未知应用层协议识别方法[J]. 计算机工程与应用, 2020, 56(5): 109-117.
[4]	李松，周亚同，池越，何静飞，张世立. 高斯过程混合模型应用于网络流量预测研究[J]. 计算机工程与应用, 2020, 56(5): 186-193.
[5]	孙璇，高昕. 基于事件流数据世系的恶意网络行为检测方法[J]. 计算机工程与应用, 2019, 55(16): 70-76.
[6]	单文波1，陈博伶2，钟秋浩1，王建新1. 基于终端数据的电信承载网异常节点定位方法[J]. 计算机工程与应用, 2019, 55(11): 85-92.
[7]	田鹤1，赵海2. 水电运行仿真软件网络结构特征的度量[J]. 计算机工程与应用, 2018, 54(3): 259-264.
[8]	殷荣网. 基于FCM-LSSVM网络流量预测模型[J]. 计算机工程与应用, 2016, 52(1): 105-109.
[9]	尹熙，李志华，孙雅，张华伟. 基于节点竞争力的网络分簇拓扑控制算法[J]. 计算机工程与应用, 2015, 51(8): 79-84.
[10]	陈鸿星. 基于ELM-LSSVM的网络流量预测[J]. 计算机工程与应用, 2015, 51(24): 73-77.
[11]	刘忠华1，于华1，杨方廷2，隋杰1. 山西大水网工程的网络拓扑性能分析[J]. 计算机工程与应用, 2015, 51(20): 220-226.
[12]	黄芳1，刘元君1，陈波2. 组合核函数高斯过程的网络流量预测模型[J]. 计算机工程与应用, 2015, 51(19): 93-97.
[13]	尹向东，杨杰，屈长青. CPSO算法优化神经网络重构的网络流量预测[J]. 计算机工程与应用, 2014, 50(9): 65-68.
[14]	冯慧芳，王梦茹. 节点移动性对MANETs网络拓扑特征的影响[J]. 计算机工程与应用, 2014, 50(9): 73-76.
[15]	张显江1，刘小强2. 一种参数联合优化的网络流量非线性预测模型[J]. 计算机工程与应用, 2014, 50(6): 64-67.