分布式网络管理：智能与形式化建模研究

"这篇博士学位论文主要探讨了分布式网络管理模型及建模方法，重点在于多Agent系统在构建下一代网络管理系统中的应用。作者李伟在导师罗军舟的指导下，研究了如何利用多Agent系统提升网络管理的分布式和智能化水平，同时提出了一个适用于大规模网络的分布式智能管理模型——MADINM模型。此模型结合了Agent的多种特性，实现了对网络的高效管理。论文还涉及了数据挖掘技术，提出了一种名为LiSpan的新序列模式挖掘算法，该算法通过定位索引投影减少了系统开销。此外，论文提出了一种用有色Petri网进行分布式网络管理模型的形式化建模方法，能够全面描述多Agent系统的结构和行为。最后，通过一个基于MADINM模型的原型系统实现，验证了模型的有效性和实用性。关键词包括：网络管理模型、分布式管理、智能化管理、多Agent系统、性能评估、自学习机制、序列模式挖掘、形式化建模、有色Petri网。" 本文的核心知识点包括： 1. 分布式网络管理：网络管理的趋势是从集中式转向分布式，以适应大规模网络环境的需求，提高管理效率和灵活性。 2. 多Agent系统：作为分布式网络管理的一种新型思路，多Agent系统能解决复杂问题，展现分布式智能，提升网络管理的自主性和适应性。 3. MADINM模型：这是一种基于域的管理策略，结合了Agent的特性，兼顾网络的分布式和智能化管理，尤其适合大规模网络环境。 4. 数据挖掘与自学习机制：研究利用数据挖掘技术，特别是提出的LiSpan算法，实现智能Agent的自学习，提升管理的自动化水平。 5. 形式化建模方法：通过有色Petri网对分布式网络管理模型进行形式化描述，增强了模型的清晰度，减少了理解和实现的歧义性。 6. 原型系统验证：实际的系统实现证明了MADINM模型的可行性，能够有效地支持网络的自治管理。 这些知识点反映了网络管理领域的最新研究进展，尤其是分布式和智能化的结合，以及理论与实践的结合，对于网络管理和相关领域的发展具有重要价值。