典型文献
一种用于BDD网络可靠性分析的启发式排序新方法
文献摘要：
BDD(binary decision diagram)模型大小严重影响基于BDD的网络可靠性分析方法的性能,而所选定的变量排序又决定着BDD模型大小.然而,选择最佳变量排序是一个NP-hard问题,在实际应用中,通常采用启发式排序.其中,BFS(breadth-first-search)应用最为广泛,也被认为是最好的排序.为寻找新的高性能启发式排序,从分析基于边界集的BDD模型构建的动态过程入手,研究影响BDD模型大小的因素,得到启发式指导参数:BDD模型宽度和边界集总长度,提出排序起点选择方法和BDD模型宽度小优先的排序策略.大量实验表明,新提出的启发式排序能指导生成更小的BDD模型,从而提升基于BDD的网络可靠性分析方法的性能.
文献关键词：
网络可靠性;二叉决策图BDD;边界集;启发式排序
中图分类号：
作者姓名：
潘竹生;李闻白;林飞龙
作者机构：
浙江师范大学数学与计算机科学学院,浙江金华 321004;浙江师范大学经济与管理学院,浙江 金华 321004
文献出处：
引用格式：
[1]潘竹生;李闻白;林飞龙-.一种用于BDD网络可靠性分析的启发式排序新方法)[J].浙江师范大学学报（自然科学版）,2022(04):378-387
A类：
启发式排序
B类：
BDD,网络可靠性,可靠性分析,binary,decision,diagram,变量排序,NP,hard,BFS,breadth,first,search,边界集,动态过程,研究影响,模型宽度,总长度,点选,选择方法,二叉,决策图
AB值：
0.281671
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
