تاثير توپولوژي شبكه هاي پيچيده بر روي عملكرد تخمين تطبيقي توزيع شده با مشاركت نفوذي

Impact of Complex networks topogy in distributed adaptive estimation based on diffusion cooperation

در اين مقاله به بررسي توپولوژي شبكه­ هاي تطبيقي پيچيده مبتني بر الگوريتم كم­ترين مربعات خطا (LMS) براي حالت مشاركت نفوذي و مد تطبيق- تركيب به ­منظور تخمين پارامتر پرداخته مي­شود. مدلهاي شبكه پيچيده استفاده ­شده شامل شبكه­هاي منظم، تصادفي و جهان كوچك با شرايط وابستگي مكاني و زماني ديتا مي ­باشد. مشخصات استفاده ­شده براي پياده ­سازي شبكه­ هاي پيچيده علاوه­ بر ميزان دقت تخمين شبكه شامل پارامترهاي طول مسير، ضريب خوشه­ گرايي و اتصال جبري شبكه خواهد بود. نتايج شبيه­ سازي­ ها در تمامي شبكه­ هاي پيچيده نشان مي ­دهد كه در دو حالت لينك ايده­ ال و نويزي، شبكه جهان كوچك به دليل اضافه كردن لينك­ هاي تصادفي به شبكه منظم، به دليل داشتن پارامتر اتصال جبري پايين (ميزان مقاوم بودن به از بين رفتن گره)، طول متوسط كوتاه ­ترين مسير قابل ­قبول و ضريب خوشه­ گرايي بالا (محلي بودن گره­ها) در كنار عملكرد تخمين مطلوب داراي برتري نسبي نسبت به ساير شبكه‌ها دارا است. اين از لحاظ طراحي عملي شبكه بسيار مفيد مي ­باشد. نتايج شبيه ­سازي­ ها براي ضريب تركيب متروپوليس در ادامه آورده شده است.

In this paper, the topology of complex adaptive networks based on distributed estimation least mean square (LMS) algorithm for the diffusion mode of cooperation (ATC) is studied. The study covers different network models, including the regular, small-world and random assuming temporal and spatial dependence of data. The parameters used for implementation of complex networks are average path length, cluster coefficient and algebraic connectivity in addition to the performance of the network. The simulation results indicate that in all complex networks with ideal and noisy links, the small-world networks (for adding random links) are better candidates for practical implementations due to high algebraic connectivity(robust to node failure problem), average path length and cluster coefficients(strong locality). Simulation results are also included for the Metropolis coefficient combination.