1.一种基于特征值的不确定网络中免疫策略设计方法，其特征在于包括如下步骤：步骤1、建立不确定网络，并确定最大特征值作为主要的评估指标,所述网络结构包含节点集，边集，不确定边的概率集，每个节点代表一个个体，边代表个体之间的连接，边的概率代表个体之间是否有连接的可能性；

步骤2、基于不确定网络和最大特征值确定以期望值作为综合评估指标，由于不确定网络边的影响，会生成一定数量不同结构的样本网络，且每一个样本网络都有确定的生成概率，利用不同样本网络的生成概率和最大特征值确定期望特征值；

步骤3、以期望特征值和染病规模作为免疫策略的关键评估因素，并设置SIS为传播模型，该模型中节点存在着两种状态，S为易感染状态，I为染病状态，并通过当前时刻各个节点状态间的变化确定该时刻的染病规模；

步骤4、通过抽取代表性案例来移除网络的不确定性，在保留不确定网络底层属性的基础上降低大规模采样造成的时间耗费；

步骤5，结合最大特征值及其对应的特征向量，节点的度以及网络的密度设计免疫策略，使免疫部分节点后剩余网络的期望特征值和染病规模最小化；

步骤4具体方法如下：

*

抽取一个代表性案例 来代替抽样，且G 必须最大化保留不确定网络的潜在属性；节点度作为图结构最基本的属性值，通过保留节点度的相似性能够近似的保留不确定网络的性质；求解代表性案例的具体过程可表述如下：

4‑1.计算不确定网络中所有的边的概率和，用于确定代表性案例的边数；抽取代表性* *样本的标准在于保留每个节点的期望度；找到一个代表性案例G 使各个节点在G中的度与在概率网络G中的期望度尽可能相近；其中节点v在概率网络G中的期望度表示为所有邻居边的概率之和，其计算过程可表示为由于选择边的数量为正整数，记为P，则选取e_degv最接近的整数值为P值；

4‑2.根据边的概率对不确定网络中所有的边进行排序，并依次从中选择P条边，生成初始代表性样本；为了避免选择的边固定导致的局部最优，依次从排序好的边中选择一条边，并使用r表示随机产生随机数，r∈[0,1]；当选择的边的概率pe

4‑3.分别计算代表性样本中的边移除后造成的差异值改变量以及未选中的边增加至代表性样本中造成的差异值改变量；此处定义了disv来记录样本网络 中节点v的度和概率网络G中节点v的期望度的差异值；具体表示为drgv表示样本网络 中节点v的实际度；通过计算每个样本网络中每个节点的差异值，*再计算所有节点的差异总值，总差异值最小的样本网络即为代表性案例G ；总差异值的计算表示为获取代表性案例的目标表示成

为了保证提取出最佳的代表性案例，分别计算出将初始代表性样本中的边移除后因减少一条边引起的差异值变化量和将未选中边加入代表性样本中增加一条边引起的差异值改变量；若边e1＝(u,v)是代表性样本中的边，e2＝(x,y)属于不确定网络的却不是代表性样本中的边：则删除一条边差异值的改变量表示为：

dt1＝|disu‑1|+|disv‑1|‑(|disu|+|disv|)增加一条边差异值的该变量表示为：

dt2＝|disx+1|+|disy+1|‑(|disx|+|disy|)取删除边中差异值最小的一个记为t1，对应的边为e1，取增加边中差异值最小的一个记为t2，对应的边为e2；

4‑4.当t1+t2<0时，说明替换边能够降低总差异值totaldis，此时将e1从代表性样本中移除，将e2插入到代表性样本中，重复步骤4‑3，多次交换得到总差异值最小的样本为代表性案例。

2.如权利要求1所述的一种基于特征值的不确定网络中免疫策略设计方法，其特征在于：受不确定网络中不确定边数量的影响，多种不同结构的确定网络会随之产生，将这些网络称为样本网络；不确定图G＝(V,E,p)，不确定边的数量为m，则样本网络总数量可以表m示为N＝2，样本网络是一个确定网络，可表示为 每个样本网络生成的概率为其中， 表示第i个样本，pe表示边e存在的概率， 表示第i个样本网络的边的集合；考虑到各个样本网络结构不同，最大特征值也不一致，因此期望特征值记录为：此处的EE表示不确定网络中的期望特征值，其结果是各个样本网络的生成概率和最大特征值的乘积之和；当EE值越小时，则表示该网络的连接结构越坚固。

3.如权利要求2所述的一种基于特征值的不确定网络中免疫策略设计方法，其特征在于：设置时刻t作为节点状态变化的观测点；随着t的逐步改变能够确定每个时刻的染病规模；其中染病规模的计算过程可表示为ρi,t表示节点i在时间步t时刻不被它的邻居感染的概率，Ne(i)表示节点i的邻居集合，其中β和σ分别表示病毒的传播率和恢复率，ψnei,t‑1表示节点nei在时间步t‑1时刻被感染成染病节点的概率，设置初始时期所有节点均为染病节点；随着时间步增加，节点之间状态不断改变，节点i在时间步t时刻被感染成染病节点的概率记为ψi,t，ψi,t表示节点i在时间步t时被感染成染病节点的概率，详细计算步骤可表示为：ψi,t＝1‑(1‑ψi,t)ρi,t‑σψi,t‑1ρi,t

每个节点的ψi,t是相互独立的；随着时间的推移，每个节点都在不断的改变状态，直至最后趋于稳定；结合不同样本网络的网络结构，并结合不确定边存在的概率确定随着时间步的增加染病规模的改变情况；对于一个样本网络 其每个时间步的染病规模表示为：其中， 表示在时刻t时染病节点的数量，n‑k表示免疫k个节点后剩余网络中的节点的数量；当FI值逐渐下降趋近于0时，则表示病毒的传播得到了有效的控制，最后会逐渐消亡；当FI在某个传播规模下趋于稳定，则表示病毒的传播未成功控制。

4.如权利要求1所述的一种基于特征值的不确定网络中免疫策略设计方法，其特征在于：根据评估指标设计的graphCom算法，其选择免疫结果过程可表述如下

5‑1.计算网络中节点的度D、最大特征值对应的特征向量u1和网络密度den，使用RS来记录每个节点的重要程度；具体可表示为：其中，D(i)表示节点i的度，u1(i)对应特征向量，den表示网络的密度，其中den的计算公式如下所示,n表示节点总数：

5‑2.设置免疫的节点数量为k，以此计算每个节点的RS值，并记录；选择RS最大的节点，将该节点做好标记，保存到选择免疫点的集合中；

5‑3.删除RS值最大的节点，更新整个网络，重复步骤5‑1和步骤5‑2直到满足选择了k个节点。