邵 豪，王伦文，张孟伯

（国防科技大学电子对抗学院，合肥 230037）

0 引言

目前复杂网络的研究得到了广泛关注，网络理论可以详细分析个体间复杂的相互作用及传播过程，在战场态势感知、网络对抗等领域中发挥着关键作用［1］。网络中不同节点在结构和功能上有着完全不同的功能与作用，当某些节点失效时，整个网络会迅速遭受到破坏［2］。因此，识别网络中的重要节点有助于分析控制网络。例如在战场通信网络中，保护己方通信网中的重要节点，有助于提高网络抗毁性，保障作战信息的传输；针对敌方通信网络的重要节点进行干扰，能够以更少的干扰资源摧毁敌方通信。

至今已有许多评价网络节点重要性的指标［3］，例如节点度［4］、凝聚度［5］、介数［6］等。其中节点度基于邻居节点数目，方法简单但准确性不高。节点的凝聚度通过分析节点间的最短路径以提高度排序的准确性，但计算复杂度很高。Kitsak 等人提出运用K 核分解寻找网络核心的节点，但其低分辨率限制了广泛的应用［7］。最近，余法洪等人［8］利用最小连通支配集来识别网络重要节点，紧密子序列数量越多节点的越重要。杨云云等人［9］考虑节点之间的接触频率和节点之间的接触时间长度，提出双向PageRank 算法在复杂网络中挖掘重要节点。

上述文献从不同角度出发，针对特定网络结构定义节点重要性指标，获得较好的性能。事实上，不同网络拥有不同结构特征，甚至同一网络不同部位的结构也是完全不同的，因此，单一的重要性指标在不同网络中不可能都得到很好的性能。……