[发明专利]计算机网络中的高效数据传播

权利要求书

1.用于通过处理用于激活技术网络（NW）中的所述边缘的技术网络约束来可靠地优化具有多个节点和边缘的技术网络（NW）中的数据传播的方法，其中技术网络（NW）被表示为具有边缘和分配的概率值的概率图（G），包括以下步骤：

-通过将概率图（G）划分（3）为独立组件（A-F）来生成（2，4）组件树（CT）作为数据结构，独立组件（A-F）表示概率图（G）的子集并且包括循环和非循环组件，其中组件树（CT）中的边缘表示组件之间的父子关系

-迭代地确定（5，6，7，8）生成的组件树（CT）中的最优边缘，其通过处理技术网络约束并通过以下操作来将去往和/或来自每个网络节点的到查询节点（Q）的预期信息流最大化

--执行蒙特卡罗采样，用于估计针对循环组件的预期信息流，以及

--分析地计算非循环组件的预期信息流

-用每个确定的最优边缘迭代地更新（8）组件树（CT）并重新估计更新的组件树中的预期信息流

-计算（7）最优边缘的集合并且基于此向技术网络（NW）中的节点提供结果（r）用于数据传播，使得通过处理技术网络约束来将信息流最大化。

2.根据权利要求1所述的方法，其中通过应用启发法，利用组件树（CT）的特征来执行迭代地确定（5，6，7，8）最优边缘。

3.根据权利要求2所述的方法，其中启发法基于贪婪算法。

4.根据上述权利要求中的任一项所述的方法，其中通过组件记忆执行以下操作来优化迭代地确定（5，6，7，8）最优边缘：

-跳过执行蒙特卡罗采样的步骤，用于估计保持不变的循环组件的预期信息流，以及通过

-记忆和重新使用针对不变组件的信息流的计算值。

5.根据上述权利要求中的任一项所述的方法，其中通过删减采样和通过采样置信区间来优化蒙特卡罗采样，使得每当另一边缘以一定的置信度具有较高信息流时，就停止探测边缘。

6.根据上述权利要求中的任一项所述的方法，通过应用延迟采样来优化蒙特卡罗采样，所述延迟采样考虑用于相对于候选边缘的信息增益对候选边缘进行采样的成本，以便将要被采样的候选边缘的量最小化。

7.根据上述权利要求中的任一项所述的方法，其中所述方法包括以下步骤：

-确定对提供结果（r）的运行时要求，

使得通过选择边缘选择算法来执行最优边缘的迭代确定（5，6，7，8），使得满足所确定的运行时要求。

8.根据上述权利要求中的任一项所述的方法，其中由于技术网络约束，可以被激活的技术网络（NW）中的边缘的数量是有限的。

9.根据上述权利要求中的任一项所述的方法，其中分析地计算非循环组件的预期信息流基于以下等式：

，

其中G=（V，E，W，P）是概率有向图，其中V是顶点v的集合，是边缘的集合，是将每个顶点映射到表示相应顶点的信息权重的正值的函数，并且其中是节点。

10.根据上述权利要求中的任一项所述的方法，其中通过从候选边缘的集合中选择局部最有希望的边缘来执行确定（5，6，7，8）最优边缘，对于最优边缘，预期信息流可以被最大化，其中，如果候选边缘将被包括在技术网络（NW）的组件树（CT）中，则仅在受影响的组件树（CT）的那些组件上执行针对候选边缘的预期信息流的估计。

11.根据上述权利要求中的任一项所述的方法，其中，所述方法进一步包括：

-高效地聚合概率图（G）的独立子图，同时利用针对包含循环的图MaxFlow（G，Q，k）的组件的采样解决方案。