• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于H運(yùn)算的動態(tài)網(wǎng)絡(luò)重要節(jié)點(diǎn)識別方法

    2019-10-31 09:21:33邵豪王倫文鄧健
    計(jì)算機(jī)應(yīng)用 2019年9期

    邵豪 王倫文 鄧健

    摘 要:傳統(tǒng)K-shell網(wǎng)絡(luò)重要節(jié)點(diǎn)識別方法迭代時需網(wǎng)絡(luò)全局拓?fù)湫畔?,而且難以應(yīng)用于動態(tài)網(wǎng)絡(luò)。為解決該問題,提出基于鄰域優(yōu)先異步H運(yùn)算的動態(tài)網(wǎng)絡(luò)重要節(jié)點(diǎn)識別方法。首先,證明該算法收斂于Ks(K-shell)值,其次以各節(jié)點(diǎn)的度作為h指數(shù)初始值;然后,通過節(jié)點(diǎn)h指數(shù)排序和鄰居節(jié)點(diǎn)h指數(shù)變化選擇更新節(jié)點(diǎn),同時針對動態(tài)網(wǎng)絡(luò)節(jié)點(diǎn)的增減數(shù)目和最大度,修改h指數(shù)適應(yīng)拓?fù)渥兓敝了惴ㄊ諗坎⒄业街匾?jié)點(diǎn)。仿真實(shí)驗(yàn)結(jié)果表明,該方法通過鄰居節(jié)點(diǎn)局部信息且以更高效率找到動態(tài)網(wǎng)絡(luò)的重要節(jié)點(diǎn),收斂時間在靜態(tài)網(wǎng)絡(luò)中較隨機(jī)選擇更新節(jié)點(diǎn)法與變化鄰居選點(diǎn)法分別下降77.4%和28.3%,在網(wǎng)絡(luò)拓?fù)渥兓蠓謩e下降84.3%和38.8%。

    關(guān)鍵詞:動態(tài)網(wǎng)絡(luò);重要節(jié)點(diǎn);h指數(shù);H運(yùn)算;K-shell;鄰居節(jié)點(diǎn)

    中圖分類號:TP393

    文獻(xiàn)標(biāo)志碼:A

    Important node identification method for dynamic networks based on H operation

    SHAO Hao1, WANG Lunwen1*, DENG Jian2

    1.Institute of Electronic Countermeasure, National University of Defense Technology, Hefei Anhui 230037, China;

    2.Second Department, Shijiazhuang Campus, Army Engineering University, Shijiazhuang Hebei 050003, China

    Abstract:

    Focused on the issue that the traditional important node identification method for K-shell networks needs global topology during iteration and cannot be used in dynamic networks, a neighborhood priority asynchronous H operation based an important node identification method for dynamic networks based on neighborhood priority asynchronous H operation was proposed. Firstly, the algorithm was proved to converge to Ks (K-shell) value; then the degree of each node was taken as the initial value of h-index, and the nodes to be updated were selected by the h-index ranking of the node and the h-index change of the neighbor nodes; meanwhile the h-index was modified to adapt to the topology change according to the number change and maximum degree of the dynamic network nodes, finally the algorithm converged to the Ks and the important nodes were found. The simulation results show that the algorithm can find important nodes effectively by local information of neighbor nodes with less convergence time. Compared with the random selection algorithm and the neighborhood-variety selection algorithm, the convergence time of the proposed algorithm decreases by 77.4% and 28.3% respectively in static networks and 84.3% and 38.8% respectively in dynamic networks.

    Key words:

    dynamic network; important node; h-index; H operation; K-shell; neighbor node

    0 引言

    隨著科技的發(fā)展,各種網(wǎng)絡(luò)滲透到人們?nèi)粘I钪校W(wǎng)絡(luò)在國民經(jīng)濟(jì)、軍事斗爭等領(lǐng)域發(fā)揮越來越大的作用。網(wǎng)絡(luò)中不同的節(jié)點(diǎn)在結(jié)構(gòu)和功能上發(fā)揮的作用截然不同[1],因此識別網(wǎng)絡(luò)中的重要節(jié)點(diǎn)具有十分重要意義。比如在社交網(wǎng)絡(luò)中,幾個重要用戶的微博信息能迅速傳遍整個網(wǎng)絡(luò)[2];戰(zhàn)場無線通信網(wǎng)中重要節(jié)點(diǎn)傳輸重要情報(bào),為作戰(zhàn)指揮提供信息保障[3];對重要節(jié)點(diǎn)的保護(hù)有助于防范網(wǎng)絡(luò)病毒攻擊[4]。

    傳統(tǒng)的網(wǎng)絡(luò)重要節(jié)點(diǎn)識別方法通常利用節(jié)點(diǎn)的某一屬性,例如將圖論中的度[5]、最短路徑[6]、最小生成樹[7]等概念與現(xiàn)實(shí)問題背景相結(jié)合。近年來提出了一些新的識別方法,例如文獻(xiàn)[8]考慮社交網(wǎng)絡(luò)節(jié)點(diǎn)交互特征,將節(jié)點(diǎn)權(quán)值作為阻尼系數(shù)提高PageRank算法的識別精度;文獻(xiàn)[9]通過拓?fù)涮卣骱蛣恿W(xué)特性的集成,提出動態(tài)敏感中心,計(jì)算包含傳播速率和傳播時間且終止于目標(biāo)節(jié)點(diǎn)的加權(quán)步行總數(shù),以此作為節(jié)點(diǎn)重要性標(biāo)準(zhǔn)。文獻(xiàn)[10]提出利用節(jié)點(diǎn)鄰居的拓?fù)渲丿B系數(shù)來衡量節(jié)點(diǎn)層間關(guān)系,從而判斷時序網(wǎng)絡(luò)的重要節(jié)點(diǎn)。文獻(xiàn)[11]通過考慮節(jié)點(diǎn)的近鄰數(shù)目和聚類系數(shù)[12]而提出了聚類等級的概念。一般來說,在相同的鄰居數(shù)目下,節(jié)點(diǎn)的聚類系數(shù)越大,其影響力越小。此外,韓忠明等[13]通過研究節(jié)點(diǎn)間的三角結(jié)構(gòu)與鄰居節(jié)點(diǎn)的數(shù)目作為節(jié)點(diǎn)影響力度量指標(biāo)。Kitsak等[14]提出K-shell方法,通過依次剝離度數(shù)不符合條件的節(jié)點(diǎn)來給予其Ks(K-shell)值,以此來尋找網(wǎng)絡(luò)的核心,且Ks值越高的節(jié)點(diǎn),信息傳播能力越強(qiáng)[15]。但是,以上方法的缺點(diǎn)是運(yùn)算時都需要網(wǎng)絡(luò)全局的拓?fù)湫畔?,不適用于動態(tài)網(wǎng)絡(luò)以及分布計(jì)算。

    為解決這一問題,呂琳媛在《Nature Communications》提出并證明網(wǎng)絡(luò)節(jié)點(diǎn)的h指數(shù)經(jīng)H運(yùn)算迭代收斂于Ks值[16],且H運(yùn)算的迭代使用節(jié)點(diǎn)鄰居局部信息,支持異步運(yùn)算。在原始算法中,節(jié)點(diǎn)的選擇策略是隨機(jī)的。因此隨著算法的進(jìn)行,已經(jīng)收斂的h指數(shù)對應(yīng)的節(jié)點(diǎn)個數(shù)增加,隨機(jī)選擇到已收斂節(jié)點(diǎn)的概率也會增加,導(dǎo)致一次迭代后h指數(shù)不發(fā)生改變,造成本次迭代浪費(fèi)[16]。隨機(jī)選擇節(jié)點(diǎn)的方式使算法在后期收

    斂速度和性能明顯下降,為解決這一問題,Lee等[17] 考慮H運(yùn)算使用節(jié)點(diǎn)鄰居局部信息,提出變化鄰居選點(diǎn)法,優(yōu)先選擇鄰居h指數(shù)變化的節(jié)點(diǎn)進(jìn)行迭代,從而提高原始算法的后期收斂速度。但這兩種算法都沒有考慮值的固有屬性以及度大小對算法性能的影響。此外,兩種算法只考慮靜態(tài)網(wǎng)絡(luò),未考慮網(wǎng)絡(luò)節(jié)點(diǎn)鏈接發(fā)生變化的情況。

    針對上述存在問題,本文提出一種基于H運(yùn)算的動態(tài)網(wǎng)絡(luò)重要節(jié)點(diǎn)識別方法。該算法改進(jìn)隨機(jī)選擇更新節(jié)點(diǎn)法[16]與變化鄰居選點(diǎn)法[17]的節(jié)點(diǎn)選擇策略,以及網(wǎng)絡(luò)變化后h指數(shù)的更新策略。通過鄰域優(yōu)先與h指數(shù)排序的方法選擇更新節(jié)點(diǎn),根據(jù)網(wǎng)絡(luò)節(jié)點(diǎn)變化數(shù)目修改h指數(shù)迭代值進(jìn)行運(yùn)算。通過理論與實(shí)驗(yàn)分別證明,本文算法與原始算法都收斂至Ks值,以判斷節(jié)點(diǎn)重要性,且收斂速度大大加快。

    1 相關(guān)知識

    1.1 網(wǎng)絡(luò)表示

    G(N,M)表示由N個節(jié)點(diǎn)、M條鏈路組成的無權(quán)向網(wǎng)絡(luò)。鄰接矩陣A來表示網(wǎng)絡(luò)節(jié)點(diǎn)連接,矩陣元素aij定義如下:

    aij=0, 節(jié)點(diǎn)i, j之間無鏈接

    1,節(jié)點(diǎn)i, j有間無鏈接 (1)

    節(jié)點(diǎn)度ki是節(jié)點(diǎn)i的鄰居節(jié)點(diǎn)的個數(shù),即ki=∑Nj=1aij。

    1.2 基于K-shell 的重要節(jié)點(diǎn)識別方法

    K-shell的思想[14]如下:剔除網(wǎng)絡(luò)中孤立節(jié)點(diǎn)后,先刪除網(wǎng)絡(luò)中度為1的節(jié)點(diǎn)及其邊,之后刪除新產(chǎn)生的度為1的節(jié)點(diǎn)及其邊。重復(fù)上述操作,直到網(wǎng)絡(luò)中不存在度為1的節(jié)點(diǎn),將所有被刪除的節(jié)點(diǎn)賦予1-shell,即Ks值為1。隨后重復(fù)刪除度為2的節(jié)點(diǎn),得到Ks值為2的節(jié)點(diǎn)。依此類推,直到網(wǎng)絡(luò)中所有節(jié)點(diǎn)都被賦予Ks值。節(jié)點(diǎn)Ks值越高,表示節(jié)點(diǎn)位于網(wǎng)絡(luò)更核心位置,重要性越高[15]。

    1.3 h指數(shù)與H算法

    h-index[18]作為一個混合量化指標(biāo),其目的是量化科研人員作為獨(dú)立個體的研究成果。其原始定義是,一名科研人員的h-index等于h,意味著其總共發(fā)表的N篇論文中,有h篇論文被引用至少h次。目前,h-index也被用于社交網(wǎng)絡(luò)用戶影響力的排名[19]等領(lǐng)域。

    與原始定義類似,本文將h-index定義擴(kuò)展至網(wǎng)絡(luò)拓?fù)洌粤炕?jié)點(diǎn)在其網(wǎng)絡(luò)中的重要性。定義H運(yùn)算如下:

    g=H(g1,g2,…,gj)(2)

    其中g(shù)1,g2,…,gj是任意j個非負(fù)整數(shù)。式(2)表示在這j個非負(fù)整數(shù)中,至少有g(shù)個整數(shù)的值不小于g,g取最大值。例如,在集合(2,2,3,3,4,5)中,至少有3個數(shù)的值不小于3命題成立,4個數(shù)的值不小于4命題不成立,因此,H(2,2,3,3,4,5)=3。此外,即節(jié)點(diǎn)的Ks值,等于其鄰居節(jié)點(diǎn)Ks值經(jīng)過H運(yùn)算后的值[16]。

    針對網(wǎng)絡(luò)G(N,M),每個節(jié)點(diǎn)的h指數(shù)初始值是該節(jié)點(diǎn)的度,即h(0)i=ki。依據(jù)前文定義的H運(yùn)算,更新網(wǎng)絡(luò)中節(jié)點(diǎn)i的h指數(shù):

    hi=H(hi1,hi2,…,hiki)(3)

    其中,hi1,hi2,…,hiki為節(jié)點(diǎn)i的ki個鄰居的h指數(shù)。

    當(dāng)網(wǎng)絡(luò)的H運(yùn)算迭代收斂時,每個節(jié)點(diǎn)的h指數(shù)都到達(dá)穩(wěn)態(tài)不發(fā)生變化。文獻(xiàn)[16]證明節(jié)點(diǎn)h指數(shù)到達(dá)穩(wěn)態(tài)時等于Ks值。在式(3)迭代中,h指數(shù)值沒有時間上標(biāo),也就是說 hi1,hi2,…,hiki的值可能位于不同時間階段,有的更新已數(shù)十次,有的從未更新,這樣的異步運(yùn)算為動態(tài)網(wǎng)絡(luò)與分布計(jì)算邁出了重要一步。

    2 基于H運(yùn)算的重要節(jié)點(diǎn)識別方法

    在實(shí)際中,節(jié)點(diǎn)的移動或者狀態(tài)變化會導(dǎo)致拓?fù)浣Y(jié)構(gòu)的變化。通過獲取新的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),重新初始化相關(guān)數(shù)值,重新進(jìn)行H算法迭代獲得節(jié)點(diǎn)的Ks值以判斷節(jié)點(diǎn)重要性是可行的,但這并不適合動態(tài)網(wǎng)絡(luò)的實(shí)際。本文考慮修改節(jié)點(diǎn)在變化前最新的h指數(shù)值以適應(yīng)拓?fù)渥兓?,避免重新迭代,并保證收斂時間不大于重新迭代的收斂時間。

    2.1 動態(tài)網(wǎng)絡(luò)算法收斂性定理及證明

    原始算法中h指數(shù)的收斂過程,是從節(jié)點(diǎn)度收斂至Ks值的單調(diào)非遞增過程[16]。在本文中,動態(tài)網(wǎng)絡(luò)結(jié)構(gòu)變化后,節(jié)點(diǎn)h指數(shù)初始值不是節(jié)點(diǎn)的度,而是一個更接近于收斂值Ks的數(shù),從而提高算法效率。以下給出定理并證明在本方法中,初始值雖然不是度,但依舊與原始算法一樣可以收斂至Ks值。

    定理1 在網(wǎng)絡(luò)G(N,M)中,任意節(jié)點(diǎn)i的h指數(shù)的初始值h(0)i 不小于Ksi,通過H運(yùn)算,h(∞)i=Ksi。

    證明 首先,證明任意節(jié)點(diǎn)i在任意時刻t,皆滿足h(t)i≥Ksi。采用反證法,因?yàn)楣?jié)點(diǎn)h指數(shù)初始值h(0)i=Ksi。隨著迭代的進(jìn)行,若存在某時刻t1,此時刻首次出現(xiàn)某一個節(jié)點(diǎn)j∈N,h(t1)j

    其次,證明網(wǎng)絡(luò)中度最小的節(jié)點(diǎn)滿足h(∞)i=Ksi。對于ki值最小的節(jié)點(diǎn)i,依據(jù)K-shell性質(zhì),ki=Ksi;根據(jù)H運(yùn)算定義,h(∞)i≤ki,之前已用反證法證明h(∞)i≥Ksi。綜合得:Ksi≤h(∞)i≤ki=Ksi,故h(∞)i=Ksi。

    然后,類似K-shell,將網(wǎng)絡(luò)中度最小的節(jié)點(diǎn)i剝離后,證明剩下所有節(jié)點(diǎn)中,度最小的節(jié)點(diǎn)j依舊滿足h(∞)j=Ksj。此時,節(jié)點(diǎn)j的情況分兩種情況討論:

    ① 節(jié)點(diǎn)j不與已剝離節(jié)點(diǎn)相連,與前文證明類似,可得kj=Ksj,h(∞)j≤kj ;綜合得h(∞)j=Ksj。

    ② 節(jié)點(diǎn)j與已剝離節(jié)點(diǎn)相連。據(jù)K-shell的性質(zhì),Ksj≥Ksi。h(∞)j=H(h(∞)j1,h(∞)j2,…,h(∞)jkj),在節(jié)點(diǎn)的kj個鄰居中,已被的剝離節(jié)點(diǎn)個數(shù)為kj-Ksj,且滿足h(∞)i=Ksi≤Ksj;剩余未剝離節(jié)點(diǎn)的個數(shù)為Ksj,且滿足h(∞)≥Ksj,h(∞)j=H(h(∞)j1,h(∞)j2,…,h(∞)jkj)=Ksj。

    重復(fù)剝離步驟,同理,網(wǎng)絡(luò)中最小度節(jié)點(diǎn)仍滿足h(∞)=Ks。最終所有節(jié)點(diǎn)被剝離,皆滿足h(∞)i=Ksi。定理1得證。

    通過理論證明,本文算法與文獻(xiàn)[16]、文獻(xiàn)[17]的收斂值相同,即Ks值。1.2節(jié)介紹節(jié)點(diǎn)Ks值作為網(wǎng)絡(luò)核心位置的評判標(biāo)準(zhǔn),基于相同的評價指標(biāo),本文算法與原始算法相比,收斂后得到相同的網(wǎng)絡(luò)重要節(jié)點(diǎn)排序,有效地判斷網(wǎng)絡(luò)節(jié)點(diǎn)的重要性。

    2.2 動態(tài)網(wǎng)絡(luò)重要節(jié)點(diǎn)識別策略與速度改進(jìn)

    定理1證明,只要保證節(jié)點(diǎn)的h指數(shù)初始值大于其Ks值,H運(yùn)算也能夠收斂至Ks值。本文把網(wǎng)絡(luò)節(jié)點(diǎn)的變化,等效為同時增加m個節(jié)點(diǎn)和減少n個節(jié)點(diǎn)。網(wǎng)絡(luò)拓?fù)溆?10101010變化為011101110,可視作為網(wǎng)絡(luò)減少1個度為1的節(jié)點(diǎn),增加1個度為2的節(jié)點(diǎn)。假設(shè)變化前算法最新迭代至H=(h1,h2,…,hv)。以下,分別討論增加m個節(jié)點(diǎn)和減少n個節(jié)點(diǎn)時,如何改變h指數(shù),保證定理1成立。

    1)網(wǎng)絡(luò)中增加m個節(jié)點(diǎn)。根據(jù)K-shell性質(zhì),每新增1個節(jié)點(diǎn),其余節(jié)點(diǎn)的Ks值至多加1。因此,將hi+m和k(new)i的較小值作為節(jié)點(diǎn)變化后的h指數(shù)初始值,算法依舊能收斂至Ks值。

    2)網(wǎng)絡(luò)中減少n個節(jié)點(diǎn)。因?yàn)楣?jié)點(diǎn)與鏈路的減少,可能會導(dǎo)致節(jié)點(diǎn)的Ks值降低。節(jié)點(diǎn)的h指數(shù)的更新迭代依舊是非增的過程,依據(jù)定理1,算法依舊能收斂至Ks值。因此只需刪去減少節(jié)點(diǎn)的h指數(shù),其余之前更新到的h指數(shù)都可以繼續(xù)使用。

    網(wǎng)絡(luò)變化后,原算法只能用新的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)重新迭代,hi初始值是k(new)i。本算法的hi初始值是hi+m和k(new)i的較小值,不大于k(new)i,從而提高算法速度并適應(yīng)網(wǎng)絡(luò)動態(tài)變化。

    此外,為提升收斂速度,本文算法中,節(jié)點(diǎn)的選擇策略不再是隨機(jī)的,選擇策略考慮以下兩個方面:

    1)一個節(jié)點(diǎn)的h指數(shù)更新過程,是從ki到Ks值的單調(diào)非增變化過程(ki≥hi≥Ksi)[16]。實(shí)際上,節(jié)點(diǎn)的度越高,其H運(yùn)算后其變化的概率越大,這對于度分布不均勻的網(wǎng)絡(luò)更加明顯。例如,如圖1的星型拓?fù)浣Y(jié)構(gòu)中,中心節(jié)點(diǎn)的度為8,周圍節(jié)點(diǎn)的度為1。優(yōu)先選擇度大的中心節(jié)點(diǎn)進(jìn)行H運(yùn)算,其值能迅速收斂至Ks值;若優(yōu)先選擇度小的周圍節(jié)點(diǎn),則會浪費(fèi)迭代次數(shù)。

    對于hi=1的節(jié)點(diǎn),h指數(shù)已經(jīng)收斂,在接下去的算法選擇迭代節(jié)點(diǎn)時,跳過這些已收斂的節(jié)點(diǎn),提高收斂速度。

    2)根據(jù)H運(yùn)算的定義,節(jié)點(diǎn)h指數(shù)只與其鄰居節(jié)點(diǎn)的h指數(shù)有關(guān),節(jié)點(diǎn)h指數(shù)定義為其有最多hi個鄰居節(jié)點(diǎn)的h指數(shù)不小于hi。由此可得,若某個節(jié)點(diǎn)i的鄰居節(jié)點(diǎn)j經(jīng)過H運(yùn)算后滿足h原j>hi>h現(xiàn)j ,則hi經(jīng)過H運(yùn)算可能會發(fā)生變化。因此,在下步迭代中,優(yōu)先選擇節(jié)點(diǎn)i進(jìn)行H運(yùn)算以提高收斂速度。

    綜上:為提高收斂速度,本文改進(jìn)原始算法更新節(jié)點(diǎn)的選擇策略以及網(wǎng)絡(luò)變化時h指數(shù)迭代值。一方面,基于鄰域優(yōu)先和度排列的方式,優(yōu)先選擇可能會發(fā)生變化的節(jié)點(diǎn)作為更新節(jié)點(diǎn),并跳過已收斂節(jié)點(diǎn),避免每步迭代時,節(jié)點(diǎn)的h指數(shù)未發(fā)生變化從而導(dǎo)致迭代浪費(fèi);另一方面,考慮到節(jié)點(diǎn)h指數(shù)的非遞增變化,盡可能縮小h指數(shù)的初始值以加快收斂速度。

    2.3 基于H運(yùn)算的重要節(jié)點(diǎn)識別算法

    基于2.2節(jié)介紹的改進(jìn)思想,提出基于鄰域優(yōu)先的H運(yùn)算的動態(tài)網(wǎng)絡(luò)重要節(jié)點(diǎn)識別方法,算法具體流程如下:

    步驟1 對于無權(quán)向網(wǎng)絡(luò),獲取其節(jié)點(diǎn)鄰居拓?fù)湫畔?。初始化?jié)點(diǎn)集合V,運(yùn)算節(jié)點(diǎn)集合VC;集合HV記錄對應(yīng)節(jié)點(diǎn)的h指數(shù)。其中,集合V以節(jié)點(diǎn)度降序排列,初始hi=ki,VC為空集。

    步驟2 若VC為空,取集合V中第一個節(jié)點(diǎn)v1,判斷其h=1是否為真。若為真,從集合V中刪除v1,取第二個節(jié)點(diǎn)進(jìn)行判斷,直至不為真。將不為真的節(jié)點(diǎn)加入集合VC中,并將該節(jié)點(diǎn)移至集合V最后。若VC不為空,直接進(jìn)行步驟3。

    步驟3 將VC中的第一個節(jié)點(diǎn)vi按式(3)更新其hi值,并在VC中刪除該節(jié)點(diǎn)。

    步驟4 比較步驟3中節(jié)點(diǎn)vi的鄰居vj的hj、hi和hi原。若hi原≥hj≥hi為真,將節(jié)點(diǎn)vj放入集合VC最首;否則,直接進(jìn)行步驟5。在本步驟中,如果滿足條件的節(jié)點(diǎn)vj不唯一,以hj值降序排列。

    步驟5 更新節(jié)點(diǎn)鄰居拓?fù)湫畔⒉⑴c之前比較,若拓?fù)浒l(fā)生變化,進(jìn)行步驟6;否則,返回步驟2。

    步驟6 獲取增加和減少的節(jié)點(diǎn)個數(shù)為分別為m、n,增加節(jié)點(diǎn)中最大的度為kadmax。

    步驟7 將減少的節(jié)點(diǎn)從集合V、VC、HV中刪除,對于減少節(jié)點(diǎn)i的鄰居節(jié)點(diǎn)j,若hj≤hi,則將節(jié)點(diǎn)vj放入集合VC最首;否則,直接進(jìn)行步驟8。

    步驟8 將增加節(jié)點(diǎn)按度遞減排列放至集合VC首位。集合HV中滿足hi

    直到節(jié)點(diǎn)h指數(shù)集合HV=(h1,h2,…,hV)收斂且網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)不發(fā)生變化,算法終止。

    2.4 算法復(fù)雜度分析

    對于一個N個節(jié)點(diǎn)、M條鏈路的網(wǎng)絡(luò),文獻(xiàn)[17]證明,隨機(jī)選擇更新節(jié)點(diǎn)法[16]與變化鄰居選點(diǎn)法[17]空間復(fù)雜度均為O(N+M)。與原始算法類似,本文算法的輸入是節(jié)點(diǎn)數(shù)及各節(jié)點(diǎn)鄰居信息,空間復(fù)雜度同為O(N+M),較原始算法未增加。靜態(tài)網(wǎng)絡(luò)中,文獻(xiàn)[16]隨機(jī)選擇節(jié)點(diǎn)更新其h指數(shù)。可能會一直選擇經(jīng)過式(3)運(yùn)算后,h指數(shù)不變的節(jié)點(diǎn),因此最壞時間復(fù)雜度為無窮大;N次選擇后,平均每個節(jié)點(diǎn)被選擇一次進(jìn)行h運(yùn)算,一個節(jié)點(diǎn)的h指數(shù)是非遞增序列(最大值不大于N-1,最小值不小于1),因此平均時間復(fù)雜度為O(N2)。文獻(xiàn)[17]對所有節(jié)點(diǎn)進(jìn)行鄰居變化對比,時間復(fù)雜度為O(N2)。本文算法中,根據(jù)步驟2可得,運(yùn)算集合VC中節(jié)點(diǎn)來源于滿足條件的集合V,節(jié)點(diǎn)個數(shù)小于N,因此其時間復(fù)雜度小于O(N2)。若已收斂的網(wǎng)絡(luò)有n個節(jié)點(diǎn)的結(jié)構(gòu)發(fā)生變化,文獻(xiàn)[16-17]算法需重新賦值迭代,時間復(fù)雜度與靜態(tài)網(wǎng)絡(luò)相同。本文算法根據(jù)步驟7、8改變節(jié)點(diǎn)的初始賦值,Ks的變化不高于n-1,其時間復(fù)雜度變?yōu)镺(nN)。綜上,本文算法相比原始算法,在相同的空間復(fù)雜度的前提下,有更低的時間復(fù)雜度。

    3 實(shí)驗(yàn)分析

    本文采用美國航空網(wǎng)絡(luò)(Air)[20]、政治博客網(wǎng)絡(luò)(PB)[21]、海豚網(wǎng)絡(luò)(Dolphin)[16]、社團(tuán)網(wǎng)絡(luò)(Zachary)、無標(biāo)度網(wǎng)絡(luò)(BA)[22]網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行實(shí)驗(yàn)分析。Air、PB、Dolphin網(wǎng)絡(luò)是無權(quán)重的有向網(wǎng)絡(luò),在實(shí)驗(yàn)前將網(wǎng)絡(luò)中定向的鏈接轉(zhuǎn)換為非定向[11]。五種網(wǎng)絡(luò)的參數(shù)性質(zhì)如表1。

    實(shí)驗(yàn)中算法評價標(biāo)準(zhǔn)PT,其定義為迭代到T步時,h指數(shù)已收斂的節(jié)點(diǎn)數(shù)目比例。根據(jù)定義,PT∈[0,1]且單調(diào)非減。若PT=1成立,表示算法可以收斂至Ks值;若PT上升速度越快,表示收斂時間越短,算法的收斂速度越快。

    本實(shí)驗(yàn)使用Matlab程序,首先對實(shí)驗(yàn)網(wǎng)絡(luò)使用本文提出的基于鄰域優(yōu)先與排序的H算法、文獻(xiàn)[16]的隨機(jī)選擇更新節(jié)點(diǎn)法和文獻(xiàn)[17]的鄰居變化選擇法,輸出評價標(biāo)準(zhǔn)PT以分析本文算法在靜態(tài)網(wǎng)絡(luò)上的性能及收斂速度。其次,隨機(jī)在不同時刻t1、t2,模擬網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化,隨機(jī)改變網(wǎng)絡(luò)中m個節(jié)點(diǎn)與其余節(jié)點(diǎn)的鏈接情況(m=10%*V),輸出評價標(biāo)準(zhǔn)PT,以分析動態(tài)網(wǎng)絡(luò)中三種算法的性能及收斂速度。在實(shí)驗(yàn)結(jié)果中,方法1表示文獻(xiàn)[16]算法,方法2表示文獻(xiàn)[17]算法。

    圖2表示不同網(wǎng)絡(luò)中,不同方法收斂過程(PT);表2表示在不同網(wǎng)絡(luò)中,三種方法的收斂迭代次數(shù)。

    由圖2及表2可得,無論是靜態(tài)網(wǎng)絡(luò)還是動態(tài)網(wǎng)絡(luò),本文提出的算法與文獻(xiàn)[16-17]算法相同,最終都收斂至Ks值(PT=1),證明本文算法能與原始算法一樣有效判斷重要節(jié)點(diǎn)。在靜態(tài)網(wǎng)絡(luò)中,三種算法在迭代初期性能差別不大,這是因?yàn)樵诔跗诠?jié)點(diǎn)h指數(shù)普遍大于其Ks值,三種算法節(jié)點(diǎn)經(jīng)過H運(yùn)算后h指數(shù)大概率能發(fā)生變化。隨著迭代進(jìn)行,因?yàn)楸疚乃惴ɑ卩徲蜃兓椭笖?shù)排序的方法選擇更新節(jié)點(diǎn),迭代后h指數(shù)發(fā)生變化的概依舊較高。而文獻(xiàn)[16]和文獻(xiàn)[17]算法選擇到h指數(shù)不會變化的節(jié)點(diǎn)概率大大增加,性能下降。最終,本文算法收斂時間較文獻(xiàn)[16]、[17]算法平均下降77.4%、28.3%。

    在動態(tài)網(wǎng)絡(luò)中,在實(shí)驗(yàn)中t1,t2時刻,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)發(fā)生變化,導(dǎo)致節(jié)點(diǎn)的h指數(shù)和Ks值都發(fā)生變化,三種算法的PT都發(fā)生下降。拓?fù)渥兓?,本文算法h指數(shù)初始值比重新迭代的原算法值更低,更接近于收斂值,從而加快了收斂速度。比較網(wǎng)絡(luò)拓?fù)渥兓瘯r刻到算法收斂時刻間的迭代次數(shù),可得網(wǎng)絡(luò)變化后本文方法的收斂時間較文獻(xiàn)[16]和文獻(xiàn)[17]下降了84.3%和38.8%。

    綜上:經(jīng)實(shí)驗(yàn)表明,在靜態(tài)網(wǎng)絡(luò)中,本文算法相較于原始兩種算法分別減少77.4%和28.3%的收斂時間。當(dāng)網(wǎng)絡(luò)10%節(jié)點(diǎn)變化后,本文算法分別減少84.3%和38.8%的收斂時間。這證明本文提出的算法不僅能夠最終收斂至Ks值以判斷節(jié)點(diǎn)重要性,而且有效地提升了收斂速度,這極大地促進(jìn)K-shell在動態(tài)網(wǎng)絡(luò)中的應(yīng)用。

    4 結(jié)語

    本文改進(jìn)隨機(jī)選擇更新節(jié)點(diǎn)法與變化鄰居節(jié)點(diǎn)選擇法的節(jié)點(diǎn)更新策略與鏈接變化時的初始化策略,提出基于鄰域優(yōu)先異步H運(yùn)算的重要節(jié)點(diǎn)識別方法。一方面,比較節(jié)點(diǎn)h指數(shù)大小和鄰居h指數(shù)變化情況來選擇更新節(jié)點(diǎn)進(jìn)行H運(yùn)算;另一方面,根據(jù)變化節(jié)點(diǎn)的參數(shù)修改迭代值,避免拓?fù)渥兓瘜?dǎo)致重新迭代。通過理論和實(shí)驗(yàn)證明,本文算法在保證相同的識別結(jié)果和空間復(fù)雜度的基礎(chǔ)上,較原算法降低了時間復(fù)雜度,更快速地找到網(wǎng)絡(luò)中重要節(jié)點(diǎn),且適應(yīng)拓?fù)渥兓?。下一步,將考慮基于h運(yùn)算的分布式并行計(jì)算網(wǎng)絡(luò)重要節(jié)點(diǎn)方法。

    參考文獻(xiàn)

    [1]高壯良,呂雁飛,張鴻.基于Graphlab的網(wǎng)絡(luò)圖關(guān)鍵節(jié)點(diǎn)發(fā)現(xiàn)算法研究[J].通信學(xué)報(bào),2016,37(3):182-189.(GAO Z L, LYU Y F, ZHANG H. Key nodes discovery in network graph based on Graphlab [J]. Journal on Communications, 2016, 37(3): 182-189.)

    [2]ARINGHIERI R, GROSSO A, HOSTEINS P, et al. Local search metaheuristics for the critical node problem [J]. Networks, 2016, 67(3): 209-221.

    [3]ROSATO V, ISSACHAROFF L, TIRITICCO F, et al. Modelling interdependent infrastructures using interacting dynamical models [J]. International Journal of Critical Infrastructures, 2016, 4(1): 63-79.

    [4]楊雄,黃德才,張子柯.推薦重要節(jié)點(diǎn)部署防御策略的優(yōu)化模型[J].物理學(xué)報(bào),2015,64(5):502-505.(YANG X, HUANG D C, ZHANG Z K. Recommendation of important nodes in deployment optimization model of defense strategy [J]. Acta Physica Sinica, 2015, 64(5): 502-505.)

    [5]任曉龍,呂琳媛.網(wǎng)絡(luò)重要節(jié)點(diǎn)排序方法綜述[J].科學(xué)通報(bào),2014,59(13):1175-1197.(REN X L, LYU L Y. Review of ranking nodes in complex networks [J]. Chinese Science Bulletin, 2014, 59(13): 1175-1197.)

    [6]VENTRESCA M, ALEMAN D. Efficiently identifying critical nodes in large complex networks [J]. Computational Social Networks, 2015, 2: 6-22.

    [7]GHOSH R, LERMAN K. Rethinking centrality: the role of dynamical processes in social network analysis [J]. Discrete and Continuous Dynamical Systems Series B, 2017, 19(5): 1355-1372.

    GHOSH R, LERMAN K. Rethinking centrality: the role of dynamical processes in social network analysis [EB/OL]. [2018-12-21]. https://arxiv.org/pdf/1209.4616v1.pdf.

    [8]王班,馬潤年,王剛,等.改進(jìn)的加權(quán)網(wǎng)絡(luò)節(jié)點(diǎn)重要性評估的互信息方法[J].計(jì)算機(jī)應(yīng)用,2015,35(7):1820-1823.(WANG B, MA R N, WANG G, et al. Improved evaluation method for node importance based on mutual information in weighted networks [J]. Journal of Computer Applications, 2015, 35(7): 1820-1823.)

    [9]HUANG D-W, YU Z-G. Dynamic-sensitive centrality of nodes in temporal networks [J]. Scientific Reports, 2017, 7: 41454.

    [10]楊劍楠,劉建國,郭強(qiáng).基于層間相似性的時序網(wǎng)絡(luò)節(jié)點(diǎn)重要性研究[J].物理學(xué)報(bào),2018,67(4):272-280.(YANG J N, LIU J G, GUO Q. Node importance idenfication for temporal network based on inter-layer similarity [J]. Acta Physica Sinica, 2018, 67(4): 272-280.)

    [11]ZHANG J-X, CHEN D-B, DONG Q, et al. Identifying a set of influential spreaders in complex networks [J]. Scientific Reports, 2016, 6: Article No. 27823.

    [12]WANG Y, VASILAKOS A V, MA J. VPEF: a simple and effective incentive mechanism in community-based autonomous networks [J]. IEEE Transactions on Network and Service Management, 2015, 12(1): 75-86.

    [13]韓忠明,陳炎,李夢琪.一種有效的基于三角結(jié)構(gòu)的復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)影響力度量模型[J].物理學(xué)報(bào),2016,65(16):285-296.(HAN Z M, CHEN Y, LI M Q. An efficient node influence metric based on triangle in complex networks [J]. Acta Physica Sinica, 2016, 65(16): 285-296.)

    [14]KITSAK M, GALLOS L K, HAVLIN S, et al. Identification of influential spreaders in complex networks [J]. Nature Physics, 2010, 6(11): 888-893.

    [15]FAN Y, ZHANG R, ZHAO Y, et al. Identifying the most influential spreaders in complex networks by an Extended Local K-Shell Sum [J]. International Journal of Modern Physics C, 2017, 28(1): 925-936.

    [16]LL, ZHOU T, ZHANG Q-M, et al. The h-index of a network node and its relation to degree and coreness [J]. Nature Communications, 2016, 7(2): 10-16.

    [17]LEE Y-L, ZHOU T. Fast asynchronous updating algorithms for k-shell indices [J]. Physica A: Statistical Mechanics and its Applications, 2016, 482(1): 524-531.

    [18]van BEVERN R, KOMUSIEWICZ C,? NIEDERMEIER R, et al. H-index manipulation by merging articles: models, theory, and experiments [C]// IJCAI ‘15: Proceedings of the 24th International Conference on Artificial Intelligence. Menlo Park, CA: AAAI Press, 2015: 808-814.

    [19]賈沖沖,王名揚(yáng),車鑫.基于HRank的微博用戶影響力評價[J].計(jì)算機(jī)應(yīng)用,2015,35(4):1017-1020.(JIA C C, WANG M Y, CHE X. Evaluation of microblog users influence based on HRank [J]. Journal of Computer Applications, 2015, 35(4): 1017-1020.)

    [20]WANG C, NING H, BAI Y, et al. A method of network topology optimization design considering application process characteristic [J]. Modern Physics Letters B, 2018, 32(7): 85-91.

    [21]NEDIC A, OLSHEVSKY A, RABBAT M G. Network topology and communication-computation tradeoffs in decentralized optimization [J]. Proceedings of the IEEE, 2018, 106(5): 953-976.

    [22]SCHIEBER T A, CARPI L, DAZ-GUILERA A, et al. Quantification of network structural dissimilarities [J]. Nature Communications, 2017, 8(1): 13-28.

    This work is partially supported by Science and Technology Innovation Special Zone Project of Military (17-H863-01-ZT-003-204-03).

    SHAO Hao, born in 1995, M. S. candidate. His research interests include network topology recognition, network behavior analysis.

    WANG Lunwen, born in 1966, Ph. D., professor. His research interests include machine learning, data mining and intelligent information processing.

    DENG Jian, born in 1997. His research interests include electronic information processing.

    亚洲一区二区三区不卡视频| 一本久久中文字幕| 美女黄网站色视频| 亚洲一区高清亚洲精品| 国产日本99.免费观看| aaaaa片日本免费| 91麻豆av在线| bbb黄色大片| 精品无人区乱码1区二区| 在线观看日韩欧美| 可以在线观看的亚洲视频| 免费在线观看成人毛片| 99久久精品国产亚洲精品| 精品国产乱码久久久久久男人| 国产精品日韩av在线免费观看| 18美女黄网站色大片免费观看| 国模一区二区三区四区视频 | 中文字幕av在线有码专区| 色老头精品视频在线观看| 成年版毛片免费区| 国产精品久久久久久亚洲av鲁大| 国产91精品成人一区二区三区| 老汉色av国产亚洲站长工具| 俄罗斯特黄特色一大片| 精品一区二区三区视频在线 | 国产日本99.免费观看| 91老司机精品| 人妻丰满熟妇av一区二区三区| 韩国av一区二区三区四区| 国产极品精品免费视频能看的| 国产一区二区三区视频了| 国产爱豆传媒在线观看| 99久久精品热视频| 香蕉丝袜av| 99久久国产精品久久久| 国产 一区 欧美 日韩| 女人被狂操c到高潮| 色尼玛亚洲综合影院| 黑人欧美特级aaaaaa片| 色尼玛亚洲综合影院| 天堂影院成人在线观看| 亚洲av中文字字幕乱码综合| 日本熟妇午夜| 每晚都被弄得嗷嗷叫到高潮| 午夜影院日韩av| 波多野结衣高清无吗| 搡老岳熟女国产| 亚洲狠狠婷婷综合久久图片| www.www免费av| www国产在线视频色| 夜夜躁狠狠躁天天躁| 成人欧美大片| 黄色日韩在线| 一级黄色大片毛片| 老熟妇仑乱视频hdxx| 午夜福利欧美成人| 国产亚洲欧美在线一区二区| 91久久精品国产一区二区成人 | 久久精品影院6| 国产一区二区三区在线臀色熟女| 亚洲欧美日韩卡通动漫| 亚洲五月天丁香| 99久久国产精品久久久| 99久久综合精品五月天人人| 看免费av毛片| 亚洲自偷自拍图片 自拍| 亚洲 欧美 日韩 在线 免费| 国产一级毛片七仙女欲春2| 日本与韩国留学比较| 色综合亚洲欧美另类图片| 国产精品av久久久久免费| 亚洲精品久久国产高清桃花| 香蕉国产在线看| 国产成人av教育| 免费看日本二区| 日本在线视频免费播放| 成人一区二区视频在线观看| 国产亚洲精品一区二区www| 亚洲一区二区三区不卡视频| 国产精品98久久久久久宅男小说| 老汉色∧v一级毛片| 久久久国产欧美日韩av| 草草在线视频免费看| 床上黄色一级片| 国产伦人伦偷精品视频| 精品一区二区三区视频在线 | 久久久久久九九精品二区国产| 国产成人福利小说| 最好的美女福利视频网| 国产精品久久久久久人妻精品电影| 成年女人毛片免费观看观看9| 一个人看视频在线观看www免费 | 又大又爽又粗| 日日摸夜夜添夜夜添小说| 欧美+亚洲+日韩+国产| 亚洲av日韩精品久久久久久密| 中文字幕精品亚洲无线码一区| 人人妻人人看人人澡| 国产av在哪里看| 香蕉丝袜av| 色综合欧美亚洲国产小说| 国产毛片a区久久久久| 亚洲片人在线观看| 欧美xxxx黑人xx丫x性爽| 真实男女啪啪啪动态图| www.自偷自拍.com| 日韩欧美免费精品| 亚洲国产中文字幕在线视频| 动漫黄色视频在线观看| 欧美性猛交╳xxx乱大交人| 欧美3d第一页| 在线观看免费视频日本深夜| 岛国视频午夜一区免费看| 精品一区二区三区视频在线 | av天堂在线播放| 免费观看人在逋| 色综合欧美亚洲国产小说| 一级黄色大片毛片| 长腿黑丝高跟| 一进一出抽搐动态| 色老头精品视频在线观看| 一进一出好大好爽视频| 免费在线观看亚洲国产| 亚洲色图av天堂| 1024香蕉在线观看| 三级毛片av免费| 成人永久免费在线观看视频| 国产精品久久久人人做人人爽| 天天躁日日操中文字幕| 国产精品电影一区二区三区| 五月伊人婷婷丁香| 青草久久国产| 国产亚洲精品一区二区www| 日韩 欧美 亚洲 中文字幕| 国产精品久久视频播放| 亚洲av中文字字幕乱码综合| 美女免费视频网站| 给我免费播放毛片高清在线观看| 丁香六月欧美| 男人舔女人下体高潮全视频| 在线观看免费午夜福利视频| 亚洲午夜精品一区,二区,三区| 国产精品一及| 亚洲人成电影免费在线| 国产精品国产高清国产av| 九九久久精品国产亚洲av麻豆 | 成人国产综合亚洲| 日韩三级视频一区二区三区| 91麻豆av在线| 日韩精品中文字幕看吧| 午夜免费成人在线视频| 亚洲美女视频黄频| 国产成人精品无人区| 日本撒尿小便嘘嘘汇集6| 国产成人av激情在线播放| 99视频精品全部免费 在线 | 97超级碰碰碰精品色视频在线观看| 成人一区二区视频在线观看| 亚洲专区中文字幕在线| 国产一区二区三区在线臀色熟女| av片东京热男人的天堂| 黑人操中国人逼视频| 97碰自拍视频| 亚洲性夜色夜夜综合| 成年免费大片在线观看| 搡老熟女国产l中国老女人| 搡老岳熟女国产| 亚洲aⅴ乱码一区二区在线播放| 老司机福利观看| 激情在线观看视频在线高清| 一区福利在线观看| 19禁男女啪啪无遮挡网站| 久久久久久久精品吃奶| 国产成人欧美在线观看| 中文字幕av在线有码专区| 一区二区三区激情视频| 国产精品香港三级国产av潘金莲| 我要搜黄色片| 可以在线观看的亚洲视频| 国产av一区在线观看免费| 国产毛片a区久久久久| 少妇人妻一区二区三区视频| 噜噜噜噜噜久久久久久91| 99精品久久久久人妻精品| 两个人看的免费小视频| 女同久久另类99精品国产91| 国产精品自产拍在线观看55亚洲| 久久人妻av系列| 日韩精品青青久久久久久| 免费人成视频x8x8入口观看| 欧美一级a爱片免费观看看| 久久人人精品亚洲av| 欧美成人一区二区免费高清观看 | 国产伦人伦偷精品视频| 国产精品电影一区二区三区| 草草在线视频免费看| 18禁黄网站禁片午夜丰满| 精品福利观看| 叶爱在线成人免费视频播放| 中文在线观看免费www的网站| 成人国产一区最新在线观看| 这个男人来自地球电影免费观看| 熟妇人妻久久中文字幕3abv| 国产一区二区激情短视频| 成熟少妇高潮喷水视频| 婷婷精品国产亚洲av在线| 69av精品久久久久久| 啦啦啦韩国在线观看视频| www日本黄色视频网| 香蕉国产在线看| 不卡av一区二区三区| 免费av毛片视频| 久久久久性生活片| 亚洲中文字幕一区二区三区有码在线看 | 一边摸一边抽搐一进一小说| 特级一级黄色大片| 国产三级黄色录像| 黄色丝袜av网址大全| av天堂在线播放| 久久久久九九精品影院| 国产毛片a区久久久久| 变态另类丝袜制服| 99久久成人亚洲精品观看| 欧美又色又爽又黄视频| 亚洲五月婷婷丁香| 欧美日韩精品网址| 91av网站免费观看| 午夜福利在线在线| 后天国语完整版免费观看| 两性午夜刺激爽爽歪歪视频在线观看| 国产三级黄色录像| 国产成人av激情在线播放| 丁香欧美五月| av女优亚洲男人天堂 | 午夜精品在线福利| 一二三四在线观看免费中文在| 亚洲av日韩精品久久久久久密| www.熟女人妻精品国产| 久久人人精品亚洲av| 午夜精品在线福利| 欧美不卡视频在线免费观看| 中文字幕熟女人妻在线| 国产激情欧美一区二区| 黄片小视频在线播放| 成年免费大片在线观看| 嫩草影视91久久| 欧美xxxx黑人xx丫x性爽| 国产熟女xx| 亚洲国产欧洲综合997久久,| 级片在线观看| 国产不卡一卡二| 国产麻豆成人av免费视频| 小说图片视频综合网站| 啪啪无遮挡十八禁网站| 搞女人的毛片| 亚洲无线在线观看| 丁香六月欧美| 国产欧美日韩精品亚洲av| 亚洲av电影不卡..在线观看| 国产野战对白在线观看| 99久久国产精品久久久| 色哟哟哟哟哟哟| 国产成人精品久久二区二区91| 免费一级毛片在线播放高清视频| 天堂动漫精品| svipshipincom国产片| 国产男靠女视频免费网站| 欧美乱妇无乱码| 亚洲av五月六月丁香网| 18禁美女被吸乳视频| 日日摸夜夜添夜夜添小说| 午夜免费观看网址| 亚洲第一电影网av| 一区福利在线观看| 精品午夜福利视频在线观看一区| 日本与韩国留学比较| 欧美日韩福利视频一区二区| 国产一级毛片七仙女欲春2| 母亲3免费完整高清在线观看| 国产成人精品久久二区二区免费| 久久久久久国产a免费观看| 久久午夜综合久久蜜桃| 精品国产美女av久久久久小说| 免费看日本二区| 日韩精品青青久久久久久| 一本一本综合久久| 全区人妻精品视频| 18禁裸乳无遮挡免费网站照片| 免费在线观看视频国产中文字幕亚洲| 亚洲狠狠婷婷综合久久图片| 在线国产一区二区在线| 久久久国产精品麻豆| 国产精品一区二区免费欧美| 香蕉av资源在线| 特大巨黑吊av在线直播| 日韩成人在线观看一区二区三区| 免费在线观看成人毛片| 午夜福利在线在线| 一进一出抽搐动态| 国产爱豆传媒在线观看| 欧美日韩福利视频一区二区| 老熟妇仑乱视频hdxx| 嫩草影院入口| 国产精品99久久99久久久不卡| 少妇裸体淫交视频免费看高清| 人人妻人人看人人澡| 亚洲精品美女久久久久99蜜臀| 伦理电影免费视频| 国产又色又爽无遮挡免费看| 欧美成人免费av一区二区三区| 麻豆久久精品国产亚洲av| 在线观看午夜福利视频| 国产视频一区二区在线看| 舔av片在线| av黄色大香蕉| 日韩精品青青久久久久久| 久久中文字幕人妻熟女| 黑人欧美特级aaaaaa片| 亚洲片人在线观看| 色综合欧美亚洲国产小说| 色在线成人网| 操出白浆在线播放| 国产高潮美女av| 久久九九热精品免费| 黑人巨大精品欧美一区二区mp4| 亚洲国产精品成人综合色| 亚洲无线观看免费| 成人特级av手机在线观看| 国内精品久久久久精免费| 午夜免费观看网址| 真实男女啪啪啪动态图| 国产精品一区二区三区四区久久| 淫妇啪啪啪对白视频| 一进一出好大好爽视频| 久久午夜综合久久蜜桃| 97超视频在线观看视频| 国产人伦9x9x在线观看| 婷婷六月久久综合丁香| 国产高清videossex| av欧美777| 成人亚洲精品av一区二区| 亚洲国产精品sss在线观看| 桃色一区二区三区在线观看| 亚洲精品一区av在线观看| 亚洲人与动物交配视频| 婷婷精品国产亚洲av在线| bbb黄色大片| ponron亚洲| 久久久色成人| 免费在线观看影片大全网站| 在线观看日韩欧美| www.自偷自拍.com| 国产97色在线日韩免费| 免费看a级黄色片| 99久久精品国产亚洲精品| 日韩欧美国产一区二区入口| e午夜精品久久久久久久| 精品人妻1区二区| 精品一区二区三区四区五区乱码| 欧美日本亚洲视频在线播放| 又爽又黄无遮挡网站| 亚洲欧美日韩无卡精品| 成人亚洲精品av一区二区| 国产一区在线观看成人免费| 法律面前人人平等表现在哪些方面| 欧美在线黄色| 日韩欧美在线二视频| 亚洲美女视频黄频| 制服人妻中文乱码| 亚洲av免费在线观看| 真实男女啪啪啪动态图| 99在线人妻在线中文字幕| 国内精品久久久久精免费| 亚洲av成人av| 一级毛片高清免费大全| 叶爱在线成人免费视频播放| 欧美日韩瑟瑟在线播放| 亚洲五月天丁香| 在线观看66精品国产| 中亚洲国语对白在线视频| 免费av不卡在线播放| 久久精品91无色码中文字幕| 国产视频一区二区在线看| 午夜免费激情av| 亚洲熟女毛片儿| 男插女下体视频免费在线播放| 亚洲成人免费电影在线观看| 国产淫片久久久久久久久 | 午夜精品一区二区三区免费看| 天堂动漫精品| 少妇的逼水好多| 舔av片在线| 久久精品亚洲精品国产色婷小说| 日韩欧美免费精品| 老熟妇乱子伦视频在线观看| 嫁个100分男人电影在线观看| 精品国产超薄肉色丝袜足j| 给我免费播放毛片高清在线观看| 日本免费一区二区三区高清不卡| 精品一区二区三区四区五区乱码| 国产成人系列免费观看| www.精华液| 久久99热这里只有精品18| www.熟女人妻精品国产| 中文字幕人妻丝袜一区二区| 看片在线看免费视频| 亚洲av日韩精品久久久久久密| netflix在线观看网站| 我要搜黄色片| 一个人看的www免费观看视频| 在线观看午夜福利视频| 两个人的视频大全免费| 免费在线观看亚洲国产| 中文字幕人成人乱码亚洲影| 伦理电影免费视频| 亚洲熟妇熟女久久| 亚洲午夜理论影院| 久久久精品大字幕| 亚洲无线在线观看| 国产精品乱码一区二三区的特点| 91久久精品国产一区二区成人 | 国产高清视频在线播放一区| 午夜激情福利司机影院| 亚洲欧美日韩无卡精品| 欧美国产日韩亚洲一区| 中文字幕人妻丝袜一区二区| 亚洲av片天天在线观看| 国产成人精品无人区| 国语自产精品视频在线第100页| 嫩草影院入口| 老汉色∧v一级毛片| 狂野欧美白嫩少妇大欣赏| 亚洲真实伦在线观看| 99久久综合精品五月天人人| 91麻豆精品激情在线观看国产| 日本一本二区三区精品| a级毛片a级免费在线| 一个人看视频在线观看www免费 | 制服人妻中文乱码| 国产亚洲欧美在线一区二区| 99国产精品一区二区三区| 国产精品久久久久久人妻精品电影| 日本成人三级电影网站| 欧美色视频一区免费| 欧美+亚洲+日韩+国产| 国产单亲对白刺激| 91麻豆精品激情在线观看国产| 精品国产乱子伦一区二区三区| 久久久久久久午夜电影| 亚洲最大成人中文| 日韩高清综合在线| 999久久久国产精品视频| 日本撒尿小便嘘嘘汇集6| 国产探花在线观看一区二区| 老汉色av国产亚洲站长工具| 欧美日韩国产亚洲二区| 久久天躁狠狠躁夜夜2o2o| 亚洲一区二区三区色噜噜| 美女 人体艺术 gogo| 国产成人系列免费观看| 久久国产精品人妻蜜桃| 色综合站精品国产| 国产毛片a区久久久久| 午夜免费激情av| 男人舔女人的私密视频| 老司机福利观看| 国产精品免费一区二区三区在线| 精品久久久久久久人妻蜜臀av| 免费看美女性在线毛片视频| 在线a可以看的网站| 精品欧美国产一区二区三| 国产av在哪里看| 精品久久久久久成人av| 日本精品一区二区三区蜜桃| 少妇的逼水好多| 亚洲av熟女| 精品国产亚洲在线| 97超级碰碰碰精品色视频在线观看| 在线观看一区二区三区| 看免费av毛片| 日本a在线网址| 中文亚洲av片在线观看爽| 亚洲人与动物交配视频| 在线观看一区二区三区| 中文字幕久久专区| 18禁美女被吸乳视频| 国产精品久久久久久久电影 | 久久久久久久久中文| 亚洲精品中文字幕一二三四区| 熟女电影av网| 国产成人一区二区三区免费视频网站| 午夜a级毛片| 一级毛片女人18水好多| 日韩欧美免费精品| 国产亚洲精品久久久久久毛片| 国产麻豆成人av免费视频| 亚洲国产看品久久| 脱女人内裤的视频| 搡老妇女老女人老熟妇| 日本成人三级电影网站| 精品一区二区三区四区五区乱码| 草草在线视频免费看| 99精品在免费线老司机午夜| 日本a在线网址| 精品国产超薄肉色丝袜足j| 欧美色欧美亚洲另类二区| 久久99热这里只有精品18| 国产伦精品一区二区三区四那| а√天堂www在线а√下载| 亚洲熟女毛片儿| 老司机午夜十八禁免费视频| 丰满的人妻完整版| 一级毛片高清免费大全| 嫩草影院入口| 97碰自拍视频| 亚洲第一电影网av| 国产精品爽爽va在线观看网站| 国产毛片a区久久久久| 久久久国产成人免费| av国产免费在线观看| 午夜精品一区二区三区免费看| 制服丝袜大香蕉在线| 九九在线视频观看精品| 色视频www国产| 色吧在线观看| 中文资源天堂在线| 性色avwww在线观看| 午夜免费成人在线视频| 制服人妻中文乱码| 免费看美女性在线毛片视频| 久久精品91蜜桃| 国产97色在线日韩免费| 亚洲av免费在线观看| 搞女人的毛片| 久久久久九九精品影院| 麻豆久久精品国产亚洲av| 操出白浆在线播放| 国产一区二区在线观看日韩 | 色av中文字幕| 久久久久久久久久黄片| 两性午夜刺激爽爽歪歪视频在线观看| 精品欧美国产一区二区三| 亚洲成人中文字幕在线播放| 欧美最黄视频在线播放免费| 日韩av在线大香蕉| 国内少妇人妻偷人精品xxx网站 | 国产午夜精品久久久久久| 在线十欧美十亚洲十日本专区| 欧美成狂野欧美在线观看| 亚洲自拍偷在线| 久久国产精品人妻蜜桃| 国产黄色小视频在线观看| 国产极品精品免费视频能看的| 成年女人毛片免费观看观看9| 一二三四社区在线视频社区8| 亚洲国产精品合色在线| 可以在线观看的亚洲视频| 热99在线观看视频| 黑人操中国人逼视频| 男插女下体视频免费在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲在线自拍视频| 亚洲av熟女| 亚洲 国产 在线| 久久久久精品国产欧美久久久| 精品久久久久久久毛片微露脸| 中文亚洲av片在线观看爽| 女人被狂操c到高潮| 免费高清视频大片| 精品福利观看| 99久久精品国产亚洲精品| 岛国视频午夜一区免费看| 不卡av一区二区三区| 欧美日韩福利视频一区二区| 日韩欧美一区二区三区在线观看| netflix在线观看网站| 免费观看的影片在线观看| 巨乳人妻的诱惑在线观看| 99久久精品一区二区三区| 精品久久久久久久末码| 人人妻,人人澡人人爽秒播| 制服人妻中文乱码| 51午夜福利影视在线观看| 国产高潮美女av| 成人18禁在线播放| 国内毛片毛片毛片毛片毛片| 国产极品精品免费视频能看的| 色av中文字幕| 国产精品爽爽va在线观看网站| 日本黄色视频三级网站网址| 久久精品国产99精品国产亚洲性色| 亚洲av成人av| 一二三四在线观看免费中文在| 国产69精品久久久久777片 | 两性午夜刺激爽爽歪歪视频在线观看| 在线观看日韩欧美| 欧美午夜高清在线| 搞女人的毛片| 18禁黄网站禁片午夜丰满| 色吧在线观看| www日本在线高清视频| 无人区码免费观看不卡| 黄片小视频在线播放| 日韩精品中文字幕看吧| 精品一区二区三区四区五区乱码| 亚洲精品色激情综合| 曰老女人黄片| 老司机午夜十八禁免费视频| 五月玫瑰六月丁香| 白带黄色成豆腐渣| 日本撒尿小便嘘嘘汇集6| 天堂√8在线中文| 又紧又爽又黄一区二区| 国产v大片淫在线免费观看| 欧美日韩中文字幕国产精品一区二区三区|