Ağlarda tepe ve ayrıt ekleme, çıkarma ve tepe yığılma işlemleri sonrasında bütünlük değerinin değişimlerinin incelenmesi

Abstract

İletişim ağları graf veri modeli ile modellenebilir. Ağların merkezlerine veya bağlantı hatlarına zarar gelmesi sonucunda ne kadar dayanıklı olduklarının belirlenmesi ağ tasarımcıları için çok önemlidir. Bir ağın dayanıklılığı ağın zedelenebilirliği olarak da ifade edilir. Bir iletişim ağının zedelenebilirlik değeri, “bazı merkezler veya bu merkezler arasındaki bağlantıların bozulmasıyla iletişim kesilene kadar ağın gösterdiği dayanma gücüdür” şeklinde tanımlanır. Zedelenebilirlik değerleri graf teorik parametreleri ile yapılır. İlk ve en bilinen graf zedelenebilirlik parametresi ağın connectivity (bağlantılılık) değeridir. Daha sonra birçok graf zedelenebilirlik değeri tanımlanmıştır. Bunlara, dayanıklılık değeri, saçılım değeri, bütünlük değeri, kopma değeri, bağlılık değeri, yakınlık değeri ve artık yakınlık değeri örnek verilebilir. Bununla beraber, bu parametreleri temel alan komşu zedelenebilirlik değerleri ve ortalama zedelenebilirlik değerleri tanımlanmıştır. Bir ağı büyütmek istediğimizde (ayrıt ve tepe ekleme işlemi sonrası) veya ağı küçültmek istediğimizde (tepe ve ayrıt çıkarma, tepe yığılma işlemi sonrası) zedelenebilirlik parametre değerlerinin nasıl değiştiği, hangi durumlarda arttığı, azaldığı veya değişmediği sorusu önemli olmuştur. Bu tez çalışmasında, önemli zedelenebilirlik ölçümlerinden biri olan integrity (bütünlük) değerinin tahminlenmesi için bir yapay zeka modeli oluşturulmuştur. Var olan veriseti kümesi ile sonuçlar karşılaştırılmıştır. Geliştirilen yapay zeka modeli gerçek değerlere yüksek yakınlıkta tahminlemede bulunmuştur. R-kare (R2) değeri: 0.9094 olacak şekilde hesaplanmıştır. Daha sonra tepe ve ayrıt ekleme, çıkarma ve tepe yığılma işlemleri sonrasında bütünlük değerlerinin değişimleri incelenmiştir. Son olarak tez çalışmasının sonuçları verilmiştir.

Communication networks can be modeled with a graph data model. Determining how resilient these networks are when their centers or connection lines are damaged is very important for network designers. The resilience of a network is also referred to as the network's vulnerability. The vulnerability value of a communication network is defined as "the strength shown by the network until communication is lost due to the disruption of some centers or the connections between these centers." Vulnerability values are calculated using graph theoretical parameters. The first and most well-known graph vulnerability parameter is the network's connectivity value. Subsequently, many graph vulnerability values have been defined. These include the toughness value, scattering value, integrity value, rupture value, binding value, closeness value and residual closeness value. Additionally, neighbor vulnerability values and average vulnerability values based on these parameters have been defined. When we want to enlarge a network (after adding edges and vertices) or shrink a network (after removing vertices and edges, vertex collapse), the question of how the vulnerability parameter values change, and under what conditions they increase, decrease, or remain unchanged, has become significant. In this thesis, an artificial intelligence model has been created to predict the integrity value, which is one of the important vulnerability measures. The results have been compared with the existing dataset. The developed artificial intelligence model has made predictions with high proximity to the real values. The R-squared (R²) score has been calculated as 0.9094. Then, changes in integrity values after adding and removing vertices and edges, and vertex agglomeration operations have been examined. Finally, the results of the thesis study have been presented.