• <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av综合色区一区| 久久这里有精品视频免费| 最后的刺客免费高清国语| 亚洲人与动物交配视频| 内地一区二区视频在线| 18+在线观看网站| 久久久久国产网址| 欧美亚洲 丝袜 人妻 在线| 视频区图区小说| 97在线视频观看| 天美传媒精品一区二区| 我要看黄色一级片免费的| 热re99久久精品国产66热6| 丝袜喷水一区| 久久久国产精品麻豆| 日韩av不卡免费在线播放| 美女国产视频在线观看| 亚洲欧洲精品一区二区精品久久久 | 国产男女超爽视频在线观看| 久久久欧美国产精品| 亚洲国产看品久久| 国产一区有黄有色的免费视频| 国产黄色视频一区二区在线观看| 国产老妇伦熟女老妇高清| 亚洲成人手机| 伦理电影免费视频| 国产国拍精品亚洲av在线观看| 一本—道久久a久久精品蜜桃钙片| 最新中文字幕久久久久| 日韩精品有码人妻一区| 如日韩欧美国产精品一区二区三区| 国产永久视频网站| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久久久久国产精品人妻一区二区| 午夜福利视频在线观看免费| 免费av不卡在线播放| 国产黄色免费在线视频| 精品久久国产蜜桃| 色婷婷久久久亚洲欧美| 精品亚洲成a人片在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日韩欧美一区视频在线观看| 夫妻性生交免费视频一级片| 99热国产这里只有精品6| 国产亚洲最大av| 一本久久精品| 精品亚洲乱码少妇综合久久| 国产精品人妻久久久久久| 久久久精品区二区三区| 如日韩欧美国产精品一区二区三区| 国产精品无大码| 亚洲av中文av极速乱| 天天躁夜夜躁狠狠久久av| 伊人亚洲综合成人网| 永久网站在线| av免费在线看不卡| 毛片一级片免费看久久久久| 精品99又大又爽又粗少妇毛片| 国产不卡av网站在线观看| 国产成人精品久久久久久| 欧美bdsm另类| 看免费av毛片| 香蕉精品网在线| 国产淫语在线视频| 精品国产一区二区三区久久久樱花| 国产精品秋霞免费鲁丝片| 我的女老师完整版在线观看| 国产成人免费无遮挡视频| 国产精品一二三区在线看| 国产淫语在线视频| 交换朋友夫妻互换小说| 国产激情久久老熟女| 美国免费a级毛片| 纯流量卡能插随身wifi吗| 国产精品不卡视频一区二区| 99国产综合亚洲精品| 欧美激情极品国产一区二区三区 | 国产精品秋霞免费鲁丝片| 国产综合精华液| 熟女人妻精品中文字幕| 久久精品aⅴ一区二区三区四区 | 大话2 男鬼变身卡| 成人国语在线视频| 高清欧美精品videossex| 内地一区二区视频在线| 90打野战视频偷拍视频| 国产一区二区在线观看av| 多毛熟女@视频| videossex国产| 国产成人欧美| 亚洲精品美女久久av网站| av播播在线观看一区| 国产精品欧美亚洲77777| 我要看黄色一级片免费的| 伊人久久国产一区二区| 人人妻人人澡人人爽人人夜夜| 欧美亚洲 丝袜 人妻 在线| 亚洲伊人久久精品综合| 国产精品女同一区二区软件| 99热6这里只有精品| 久久久久久久亚洲中文字幕| 亚洲经典国产精华液单| 国产精品秋霞免费鲁丝片| 多毛熟女@视频| 又黄又粗又硬又大视频| 一级爰片在线观看| 亚洲av日韩在线播放| 99久久中文字幕三级久久日本| 校园人妻丝袜中文字幕| 高清欧美精品videossex| 国产深夜福利视频在线观看| 成人亚洲精品一区在线观看| 我的女老师完整版在线观看| 五月天丁香电影| 高清毛片免费看| 欧美成人精品欧美一级黄| 激情视频va一区二区三区| 97人妻天天添夜夜摸| 免费黄色在线免费观看| 亚洲成人一二三区av| 极品少妇高潮喷水抽搐| 一个人免费看片子| 亚洲人成网站在线观看播放| 亚洲,欧美精品.| 久久精品人人爽人人爽视色| 99国产综合亚洲精品| 亚洲欧美一区二区三区黑人 | 久久国产精品男人的天堂亚洲 | 99热网站在线观看| 国产成人精品婷婷| 精品少妇久久久久久888优播| 日韩欧美精品免费久久| 春色校园在线视频观看| 久久99热6这里只有精品| 日韩电影二区| 久久久久国产网址| 久久久久久久久久成人| 咕卡用的链子| 51国产日韩欧美| 日韩制服丝袜自拍偷拍| 欧美老熟妇乱子伦牲交| 国产精品久久久久久久电影| 熟女电影av网| 久久99精品国语久久久| 中文字幕人妻熟女乱码| 久久久久视频综合| 亚洲高清免费不卡视频| 国产精品久久久久久精品古装| 久久婷婷青草| 香蕉丝袜av| 草草在线视频免费看| 丰满迷人的少妇在线观看| 美国免费a级毛片| 欧美亚洲日本最大视频资源| 成人综合一区亚洲| 九九在线视频观看精品| 国产精品成人在线| 久久久久久伊人网av| 久久99热这里只频精品6学生| 高清av免费在线| 欧美性感艳星| 2021少妇久久久久久久久久久| 一二三四在线观看免费中文在 | 丝袜在线中文字幕| 一区二区日韩欧美中文字幕 | 日产精品乱码卡一卡2卡三| 一级a做视频免费观看| av不卡在线播放| 自线自在国产av| 久久久久久久久久人人人人人人| 又粗又硬又长又爽又黄的视频| 精品一区二区三区视频在线| 久久亚洲国产成人精品v| 只有这里有精品99| 欧美日韩视频高清一区二区三区二| 激情视频va一区二区三区| 久久久久精品人妻al黑| 桃花免费在线播放| 国产精品久久久久成人av| 一级爰片在线观看| 免费高清在线观看视频在线观看| 精品国产国语对白av| 欧美 日韩 精品 国产| 咕卡用的链子| 精品视频人人做人人爽| 成人手机av| 国产亚洲最大av| 大片免费播放器 马上看| 秋霞在线观看毛片| 日韩视频在线欧美| 男女下面插进去视频免费观看 | 欧美成人精品欧美一级黄| 黄色配什么色好看| 免费不卡的大黄色大毛片视频在线观看| 热99国产精品久久久久久7| 国产淫语在线视频| 91aial.com中文字幕在线观看| 亚洲色图综合在线观看| 国产色婷婷99| 国产黄频视频在线观看| 精品第一国产精品| 韩国精品一区二区三区 | 亚洲国产色片| 国产精品不卡视频一区二区| 久久精品久久久久久噜噜老黄| 咕卡用的链子| 人妻 亚洲 视频| 两性夫妻黄色片 | 秋霞伦理黄片| 中文欧美无线码| 日日爽夜夜爽网站| 免费少妇av软件| 日韩av不卡免费在线播放| 国产高清国产精品国产三级| 国产成人欧美| 在线看a的网站| 中文字幕最新亚洲高清| 高清毛片免费看| 午夜福利视频在线观看免费| 亚洲av日韩在线播放| 国产精品人妻久久久影院| 日本vs欧美在线观看视频| 精品国产一区二区三区久久久樱花| 精品国产一区二区久久| 一级毛片我不卡| 高清在线视频一区二区三区| 看十八女毛片水多多多| 国产成人免费观看mmmm| 一本久久精品| 国产又爽黄色视频| 久久久久久久久久人人人人人人| 日本色播在线视频| 日韩中文字幕视频在线看片| 久久久久人妻精品一区果冻| 亚洲国产精品成人久久小说| 亚洲性久久影院| 日本vs欧美在线观看视频| av女优亚洲男人天堂| 久久亚洲国产成人精品v| 国产欧美日韩综合在线一区二区| a级毛片黄视频| 国产伦理片在线播放av一区| 日韩不卡一区二区三区视频在线| 国产精品久久久久久精品电影小说| 午夜影院在线不卡| 午夜日本视频在线| 午夜久久久在线观看| 一边摸一边做爽爽视频免费| 日韩熟女老妇一区二区性免费视频| 亚洲精品乱久久久久久| 青春草国产在线视频| 99国产精品免费福利视频| 日韩精品有码人妻一区| 97人妻天天添夜夜摸| 80岁老熟妇乱子伦牲交| 成人国产麻豆网| 人妻少妇偷人精品九色| 免费看光身美女| 如日韩欧美国产精品一区二区三区| 日韩av免费高清视频| 美国免费a级毛片| 亚洲精品久久成人aⅴ小说| 国产 一区精品| 成人影院久久| 日韩欧美精品免费久久| 亚洲国产av新网站| 青春草亚洲视频在线观看| 色婷婷久久久亚洲欧美| 在线观看免费视频网站a站| av播播在线观看一区| 亚洲高清免费不卡视频| 成年女人在线观看亚洲视频| 又大又黄又爽视频免费| 午夜激情av网站| 岛国毛片在线播放| 亚洲国产av影院在线观看| 久久97久久精品| av线在线观看网站| 午夜av观看不卡| 最近手机中文字幕大全| 黄色一级大片看看| www.熟女人妻精品国产 | 国产伦理片在线播放av一区| 欧美3d第一页| 亚洲少妇的诱惑av| 日韩熟女老妇一区二区性免费视频| 欧美日韩成人在线一区二区| 精品卡一卡二卡四卡免费| 成年女人在线观看亚洲视频| www.色视频.com| 国产精品一区www在线观看| 国产一区二区激情短视频 | 亚洲熟女精品中文字幕| 18禁在线无遮挡免费观看视频| 久久这里有精品视频免费| 国产欧美日韩综合在线一区二区| 国产日韩欧美视频二区| 久久人妻熟女aⅴ| 亚洲国产精品一区三区| 欧美97在线视频| 亚洲天堂av无毛| 亚洲精品国产av成人精品| a级片在线免费高清观看视频| 久久这里只有精品19| 9热在线视频观看99| 亚洲精品美女久久av网站| 一级片'在线观看视频| 婷婷成人精品国产| 亚洲成色77777| 国国产精品蜜臀av免费| videos熟女内射| 久久99蜜桃精品久久| 夜夜骑夜夜射夜夜干| 97超碰精品成人国产| 最新的欧美精品一区二区| 国产成人a∨麻豆精品| 两个人免费观看高清视频| 视频区图区小说| 侵犯人妻中文字幕一二三四区| 亚洲成色77777| 成人影院久久| 国产精品麻豆人妻色哟哟久久| 男人操女人黄网站| 少妇熟女欧美另类| 午夜福利网站1000一区二区三区| 国精品久久久久久国模美| 美女中出高潮动态图| 婷婷色综合大香蕉| 九色亚洲精品在线播放| 寂寞人妻少妇视频99o| 国产亚洲最大av| 欧美3d第一页| 伦理电影大哥的女人| 少妇被粗大猛烈的视频| 久久国产亚洲av麻豆专区| 久久精品国产a三级三级三级| 最近中文字幕2019免费版| 国产精品国产三级国产av玫瑰| 一本久久精品| 日韩视频在线欧美| 伊人亚洲综合成人网| 亚洲精品国产色婷婷电影| 日韩欧美精品免费久久| videos熟女内射| 久久99一区二区三区| 国产男女内射视频| 亚洲五月色婷婷综合| 日韩成人伦理影院| 午夜福利网站1000一区二区三区| 啦啦啦在线观看免费高清www| 国产免费福利视频在线观看| 亚洲av电影在线进入| 免费高清在线观看视频在线观看| 观看av在线不卡| 自拍欧美九色日韩亚洲蝌蚪91| 久久久久久伊人网av| 亚洲国产最新在线播放| 高清在线视频一区二区三区| 最近中文字幕2019免费版| 国产一区亚洲一区在线观看| 在线免费观看不下载黄p国产| 人人妻人人爽人人添夜夜欢视频| 亚洲美女黄色视频免费看| 国产成人免费无遮挡视频| 丁香六月天网| 免费女性裸体啪啪无遮挡网站| 日本猛色少妇xxxxx猛交久久| 97人妻天天添夜夜摸| 欧美老熟妇乱子伦牲交| 欧美人与性动交α欧美精品济南到 | 日韩 亚洲 欧美在线| 久久99一区二区三区| 99re6热这里在线精品视频| 五月开心婷婷网| 多毛熟女@视频| 一个人免费看片子| 大香蕉久久成人网| 一级毛片我不卡| 精品一品国产午夜福利视频| 爱豆传媒免费全集在线观看| 精品国产一区二区三区四区第35| 免费久久久久久久精品成人欧美视频 | 亚洲成av片中文字幕在线观看 | 一级毛片我不卡| 美女脱内裤让男人舔精品视频| 亚洲精品国产av成人精品| 精品熟女少妇av免费看| 中文乱码字字幕精品一区二区三区| 满18在线观看网站| 亚洲精品第二区| 一区二区三区精品91| 另类精品久久| 26uuu在线亚洲综合色| 亚洲精品国产av蜜桃| 99热国产这里只有精品6| 日韩制服丝袜自拍偷拍| 18禁裸乳无遮挡动漫免费视频| 国产精品久久久av美女十八| 日韩av免费高清视频| 赤兔流量卡办理| 国产亚洲最大av| 免费在线观看完整版高清| 欧美性感艳星| 免费大片黄手机在线观看| 日日爽夜夜爽网站| 熟女电影av网| 熟女人妻精品中文字幕| 黄片无遮挡物在线观看| 亚洲美女搞黄在线观看| 中国三级夫妇交换| 日韩欧美一区视频在线观看| 亚洲情色 制服丝袜| 久久久久久久久久成人| 大片免费播放器 马上看| 一级毛片黄色毛片免费观看视频| 9热在线视频观看99| 视频在线观看一区二区三区| 美女视频免费永久观看网站| 少妇人妻 视频| 十八禁高潮呻吟视频| 精品久久蜜臀av无| 蜜桃在线观看..| 天堂8中文在线网| 久久精品国产亚洲av涩爱| 91精品国产国语对白视频| 99国产综合亚洲精品| www日本在线高清视频| 一级,二级,三级黄色视频| 激情视频va一区二区三区| av福利片在线| 国产亚洲精品第一综合不卡 | 日韩成人伦理影院| 久久国产亚洲av麻豆专区| 美女脱内裤让男人舔精品视频| 色婷婷久久久亚洲欧美| 国产极品天堂在线| 女人被躁到高潮嗷嗷叫费观| 日韩大片免费观看网站| 赤兔流量卡办理| 欧美日韩视频高清一区二区三区二| 黄色一级大片看看| 国产亚洲精品久久久com| 天天躁夜夜躁狠狠久久av| 久久久精品区二区三区| 久久精品久久久久久噜噜老黄| 男女午夜视频在线观看 | 不卡视频在线观看欧美| videossex国产| 日本-黄色视频高清免费观看| av女优亚洲男人天堂| 欧美日韩成人在线一区二区| 久久人人97超碰香蕉20202| 免费不卡的大黄色大毛片视频在线观看| 欧美性感艳星| 黄色配什么色好看| 日韩免费高清中文字幕av| 伊人亚洲综合成人网| 激情视频va一区二区三区| 免费播放大片免费观看视频在线观看| 国产日韩欧美在线精品| 成人18禁高潮啪啪吃奶动态图| 久久久久精品人妻al黑| 又黄又粗又硬又大视频| 最新的欧美精品一区二区| 在线亚洲精品国产二区图片欧美| 国产欧美另类精品又又久久亚洲欧美| kizo精华| 99久久综合免费| 午夜福利在线观看免费完整高清在| 国产精品一区www在线观看| 91aial.com中文字幕在线观看| 99久久人妻综合| av又黄又爽大尺度在线免费看| 午夜免费观看性视频| 欧美性感艳星| 99精国产麻豆久久婷婷| 国产成人aa在线观看| 哪个播放器可以免费观看大片| 涩涩av久久男人的天堂| 国产视频首页在线观看| 大香蕉久久网| 久久久久网色| 91aial.com中文字幕在线观看| 亚洲精品一区蜜桃| 一级a做视频免费观看| 精品少妇黑人巨大在线播放| 高清欧美精品videossex| 午夜日本视频在线| 亚洲图色成人| 高清av免费在线| 亚洲在久久综合| av国产久精品久网站免费入址| 国产成人精品无人区| 免费看av在线观看网站| 成人国语在线视频| 中国美白少妇内射xxxbb| 99久久综合免费| av网站免费在线观看视频| 亚洲av综合色区一区| 一级毛片 在线播放| 另类亚洲欧美激情| 国产1区2区3区精品| 高清黄色对白视频在线免费看| 国产69精品久久久久777片| 日本vs欧美在线观看视频| 人妻 亚洲 视频| 日日摸夜夜添夜夜爱| 亚洲一码二码三码区别大吗| 丝袜在线中文字幕| 自拍欧美九色日韩亚洲蝌蚪91| 欧美+日韩+精品| 99九九在线精品视频| 欧美精品一区二区大全| 黄色 视频免费看| 大码成人一级视频| 十八禁网站网址无遮挡| 国产精品嫩草影院av在线观看| 一区二区三区精品91| 男女午夜视频在线观看 | 色94色欧美一区二区| 亚洲国产精品成人久久小说| 久久精品国产自在天天线| 亚洲三级黄色毛片| 日日摸夜夜添夜夜爱| 亚洲精品aⅴ在线观看| 90打野战视频偷拍视频| 亚洲欧美清纯卡通| 最新的欧美精品一区二区| 亚洲美女搞黄在线观看| 夫妻午夜视频| www.av在线官网国产| 热99国产精品久久久久久7| 成人手机av| 91成人精品电影| 久久午夜综合久久蜜桃| 99精国产麻豆久久婷婷| 狂野欧美激情性bbbbbb| 亚洲欧洲国产日韩| 午夜视频国产福利| 精品第一国产精品| 一级毛片黄色毛片免费观看视频| 人妻系列 视频| 99热网站在线观看| 宅男免费午夜| 亚洲国产最新在线播放| 欧美日韩成人在线一区二区| 精品亚洲成a人片在线观看| 黑人猛操日本美女一级片| 国产精品一区二区在线观看99| 侵犯人妻中文字幕一二三四区| 少妇人妻久久综合中文| 蜜桃在线观看..| 国产在视频线精品| 亚洲熟女精品中文字幕| 久久婷婷青草| 美女内射精品一级片tv| 亚洲精品视频女| 新久久久久国产一级毛片| 精品第一国产精品| 寂寞人妻少妇视频99o| 久久久久久久大尺度免费视频| 久久人人爽人人爽人人片va| 伦理电影大哥的女人| 少妇人妻精品综合一区二区| 国产成人免费观看mmmm| 99re6热这里在线精品视频| 久久久久网色| 亚洲美女视频黄频| 熟女av电影| 国内精品宾馆在线| 看非洲黑人一级黄片| 成年动漫av网址| 亚洲婷婷狠狠爱综合网| 日本与韩国留学比较| 国产色婷婷99| 毛片一级片免费看久久久久| 亚洲精品日韩在线中文字幕| 91成人精品电影| 日本爱情动作片www.在线观看| 成人毛片a级毛片在线播放| 99久久人妻综合| 9色porny在线观看| 午夜福利在线观看免费完整高清在| 亚洲国产成人一精品久久久| av一本久久久久| 日本免费在线观看一区| 女人被躁到高潮嗷嗷叫费观| 欧美另类一区| 中文字幕另类日韩欧美亚洲嫩草| 亚洲精品456在线播放app| 亚洲欧洲日产国产| 精品国产露脸久久av麻豆| 黄色 视频免费看| 国国产精品蜜臀av免费| 99视频精品全部免费 在线| 999精品在线视频| 多毛熟女@视频| 在线天堂最新版资源| 女的被弄到高潮叫床怎么办| 男女边吃奶边做爰视频| 插逼视频在线观看| 999精品在线视频| 免费不卡的大黄色大毛片视频在线观看| 一区二区日韩欧美中文字幕 | 一边摸一边做爽爽视频免费| 制服诱惑二区| av线在线观看网站| 97在线视频观看| 亚洲经典国产精华液单| 我要看黄色一级片免费的| 天天操日日干夜夜撸| 国产日韩欧美视频二区| 欧美bdsm另类| 91成人精品电影| 中文字幕最新亚洲高清|