技術(shù)特征：

1.基于生物智能的傳播源定位方法，其特征在于，包括：

S1、獲取觀察點被感染時刻并計算觀察點間的實際傳播延遲向量；

S2、計算多頭絨泡菌網(wǎng)絡(luò)中各節(jié)點壓力；

S3、判斷是否達(dá)到多頭絨泡菌最大迭代次數(shù)，若是，則跳轉(zhuǎn)入步驟S6；否則轉(zhuǎn)入步驟S4；

S4、計算所述多頭絨泡菌網(wǎng)絡(luò)中各管道內(nèi)的流量；

S5、更新所述多頭絨泡菌網(wǎng)絡(luò)中各管道傳導(dǎo)性，并返回步驟S2重新計算多頭絨泡菌網(wǎng)絡(luò)中各節(jié)點壓力；

S6、基于所述多頭絨泡菌網(wǎng)絡(luò)計算傳播路徑上的時延；

S7、遍歷候選源點，基于所述多頭絨泡菌網(wǎng)絡(luò)計算各觀察點的理論被感染時刻和觀察點間的理論傳播延遲向量；

S8、計算每個候選源點對應(yīng)得到的理論傳播延遲向量與實際傳播延遲向量的相似度，并取相似度最大的候選源點為預(yù)測的傳播源。

2.如權(quán)利要求1所述的基于生物智能的傳播源定位方法，其特征在于，步驟S1之前還包括：S0、初始化所述多頭絨泡菌網(wǎng)絡(luò)的各主要參數(shù)。

3.如權(quán)利要求1所述的基于生物智能的傳播源定位方法，其特征在于，步驟S1之前還包括：將多頭絨泡菌網(wǎng)絡(luò)中的邊看作有流量的生物管道，節(jié)點看作食物源。

4.如權(quán)利要求2所述的基于生物智能的傳播源定位方法，其特征在于，步驟S0中所述的主要參數(shù)包括：管道的傳導(dǎo)性D，管道的長度L，多頭絨泡菌網(wǎng)絡(luò)中的總流量I₀，以及多頭絨泡菌最大迭代次數(shù)Tsteps。

5.如權(quán)利要求1所述的基于生物智能的傳播源定位方法，其特征在于，步驟S1中令表示K個觀察點被感染的實際時刻集合；用實際傳播延遲向量d表示其它觀察點與第一個被感染的觀察點之間的實際時間差，即d＝{d₁，d₂，...，d_K-1}^T，向量d中元素的計算公式如下：

d_k＝t_k+1-t₁ (1)

公式(1)中t₁和t_k+1分別表示第1個和第k+1個被感染的觀察點的實際時刻。

6.如權(quán)利要求1所述的基于生物智能的傳播源定位方法，其特征在于，步驟S2中通過如下公式計算多頭絨泡菌網(wǎng)絡(luò)中各節(jié)點壓力：

${\mathrm{\Σ}}_i\frac{D_{ij}}{L_{ij}}(p_i^m-p_j^m)=\left\{\begin{array}{cc}-I_0,& forj=a\\ I_0,& forj=b\\ 0,& otherwise\end{array}\right.---\left(2\right)$

公式(2)中代表當(dāng)管道m(xù)連接的兩個節(jié)點a和b分別被選為整個網(wǎng)絡(luò)中流量的入口和出口時節(jié)點i的壓力，D_ij代表管道(i，j)的傳導(dǎo)性，L_ij代表管道(i，j)的長度，I₀代表多頭絨泡菌網(wǎng)絡(luò)中的總流量且在網(wǎng)絡(luò)演化過程中始終保持不變；上述公式(2)被循環(huán)執(zhí)行直到每個管道連接的節(jié)點均被選為一次入口與出口組合為止；

然后根據(jù)下述公式計算每個節(jié)點的平均壓力作為每個節(jié)點的最終壓力值：

${\stackrel{\‾}{p}}_i=\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}{p}_i^m---\left(3\right)$

公式(3)中表示節(jié)點i的平均壓力，M表示多頭絨泡菌網(wǎng)絡(luò)中管道總數(shù)，表示當(dāng)管道m(xù)連接的節(jié)點被選為入口與出口組合時節(jié)點i的壓力。

7.如權(quán)利要求1所述的基于生物智能的傳播源定位方法，其特征在于，步驟S4中所述管道內(nèi)的流量Q_ij計算公式如下：

$Q_{ij}=\frac{D_{ij}}{L_{ij}}({\stackrel{\‾}{p}}_i-{\stackrel{\‾}{p}}_j)---\left(4\right)$

公式(4)中D_ij表示管道傳導(dǎo)性，L_ij表示管道長度，表示節(jié)點平均壓力。

8.如權(quán)利要求1所述的基于生物智能的傳播源定位方法，其特征在于，步驟S5中所述管道傳導(dǎo)性的更新公式如下：

$\frac{{\mathrm{dD}}_{ij}}{dt}=\frac{\left|Q_{ij}\right|}{1+\left|Q_{ij}\right|}-D_{ij}---\left(5\right)$

公式(5)中D_ij表示管道傳導(dǎo)性，Q_ij表示管道內(nèi)的流量。

9.如權(quán)利要求1所述的基于生物智能的傳播源定位方法，其特征在于，步驟S6中所述的基于多頭絨泡菌網(wǎng)絡(luò)計算傳播路徑上的時延，具體是通過受力分析刻畫單位物質(zhì)在每條管道中運(yùn)輸消耗的時間作為信息在傳播路徑上的時延。

10.如權(quán)利要求9所述的基于生物智能的傳播源定位方法，其特征在于，所述的受力分析步驟具體為：將每條管道看做獨立的電場，單位物質(zhì)在電場力F作用下做勻加速運(yùn)動，管道(i，j)內(nèi)的電場力F_ij可表示為其中e表示單位物質(zhì)的質(zhì)量，表示節(jié)點的平均壓力，L_ij表示管道長度；那么，管道(i，j)內(nèi)的加速度a_ij可表示為單位物質(zhì)在管道(i，j)內(nèi)消耗的時間，也即傳播路徑上的時延θ_ij可用如下公式表示：

${\mathrm{\θ}}_{ij}=\sqrt{\frac{2L_{ij}}{a_{ij}}}=L_{ij}\sqrt{\frac{2}{|{\stackrel{\‾}{p}}_i-{\stackrel{\‾}{p}}_j|}}---\left(6\right).$

11.如權(quán)利要求1所述的基于生物智能的傳播源定位方法，其特征在于，步驟S7中設(shè)節(jié)點s_i被選為候選源點，它從t^*時刻開始傳播，|I(s_i，o_k)|代表單位物質(zhì)從源點s_i運(yùn)輸?shù)接^察點o_k消耗的最短時間，它根據(jù)每條管道上消耗的時間θ計算；因此，基于多頭絨泡菌網(wǎng)絡(luò)，當(dāng)源點為s_i時觀察點o_k被感染的理論時刻可用如下公式表示：

$t_k^{s_i}=t^{*}+\left|l\left(s_i,o_k\right)\right|---\left(7\right)$

根據(jù)公式(7)，當(dāng)源點為s_i時，觀察點間的理論傳播延遲向量也即其它觀察點與第一個被感染的觀察點之間的理論時間差可表示為：向量中元素的計算公式如下：

${\mathrm{pd}}_k^{s_i}=t_{k+1}^{s_i}-t_1^{s_i}=\left|l(s_i,o_{k+1})\right|-\left|l(s_i,o_1)\right|---\left(8\right)$

公式(8)中，和分別表示當(dāng)源點為s_i時，第1個和第k+1個被感染的觀察點的理論時刻，|I(s_i，o₁)|和|I(s_i，o_k+1)|分別表示單位物質(zhì)從源點s_i運(yùn)輸?shù)嚼碚撋系?個被感染的觀察點o₁和第k+1個被感染的觀察點o_k+1消耗的最短時間。

12.如權(quán)利要求1所述的基于生物智能的傳播源定位方法，其特征在于，步驟S8中所述的相似度采用理論傳播延遲向量與實際傳播延遲向量d之間的距離計算，那么預(yù)測的源點s′可用如下公式表示：

$s^{\′}=\arg {\min }_{s_i\∈S}\underset{k=1}{\overset{K-1}{\mathrm{\Σ}}}{\left({\mathrm{pd}}_k^{s_i}-d_k\right)}^2---\left(9\right)$

公式(9)中S表示候選源點集合，表示當(dāng)候選源點為s_i時第k+1個被感染的觀察點與第1個被感染的觀察點的理論時間差，d_k表示第k+1個被感染的觀察點與第1個被感染的觀察點的實際時間差。