基于最小连通支配集的复杂网络关键节点与连边识别方法

复杂网络关键节点与关键连边在网络中均起着十分重要的作用,目前的识别方法往往无法做到同时识别,并且识别指标角度较为单一。为解决上述问题,提出一种基于最小连通支配集(minimum connected dominatingset,MCDS)的复杂网络关键节点与连边识别方法,通过使用免疫粒子群(immune particle swarm optimization,IPSO)算法寻找网络最小连通支配集,构建核心骨干网,实现对复杂网络关键节点与连边的同时识别。该算法在求解过程中引入免疫机制指导粒子节点搜索方向、加快算法收敛速度,同时优化搜索节点质量。经实验验证表明,所提识别方法能够有效识别网络中的关键节点与关键连边。     

网络节点重要度的快速评估方法

对网络节点进行重要性评估, 快速发掘重要性节点已经成为数据挖掘、复杂网络中的一个基本问题, 现有的节点重要度评估方法对于大型网络而言, 计算速度较慢. 基于电阻网络提出一种快速实用的节点重要度评估方法, 该方法利用节点对网络电能消耗的影响来评估节点的重要度, 如果由于一个节点的存在而导致网络平均电能消耗减少, 则该节点就越重要, 反之则该节点重要度就低. 该方法的时间复杂度为O(n³), 在分布式扩展的情况下可达到O(n), 实验分析证明了该方法的有效性, 而且运算速度快, 能处理大规模网络.     

改进的加权复杂网络节点重要度评估的收缩方法

分析了加权复杂网络的结构特点,综合考虑了边权对节点重要度评估的影响,给出了加权节点重要度的新定义,并提出了改进的适用于加权网络的节点收缩方法.该方法认为最重要的节点就是收缩后加权网络凝聚度最大的节点,其算法的时间复杂度为O(n³).该方法有助于更准确地发现复杂网络中的关键节点.最后的实验分析验证了方法的有效性和可行性.     

基于网络权重的多社团网络结构划分算法

利用社团网络的统计特性,提出一种适于社团网络线性时间复杂度的多社团识别算法.构造复杂网络中节点的权重计算函数,进而生成计算序列,用迭代算法对复杂网络各种类型的节点进行集合分配.通过多个不同规模的网络结构数据对算法的性能进行测试,实验结果表明该算法时间复杂度为线性,能够在较短时间内对复杂网络中的社团数和社团结构进行发现,该算法还表现出对不同密度网络社团识别良好的适应性.     

节点重要度贡献的复杂网络节点重要度评估方法

引入m阶邻居节点的概念,提出了一种基于m阶邻居节点重要度贡献的复杂网络节点重要度方法,并引入α和γ两个参数,用于调节节点重要度评估对节点自身特性及m阶邻居节点的依赖程度。综合考虑了节点自身及1到m阶邻居节点的重要度贡献。为检验算法的有效性,采用ARPA网络拓扑并针对算法在不同m取值条件下的节点重要度情况进行了评估。评估结果显示,与度值法、介数法、节点删除法等评估方法相比,具有更高的评估精度,能显著地区分复杂网络中节点之间的重要性差异,能准确地确定网络中关键节点,保证节点重要度评估的准确性;此外,实验结果还揭示了一个重要动力学现象,即当邻居节点所考察的深度m值大于网络的平均路径长度L时,该方法可得到可靠且精度较高的评估结果。     

基于节点复合特性的端-边协同网络生成算法

针对智慧交通系统数据处理量大、对传输时间要求严苛的难题，通过将协同系统定义为复杂网络模型，构建了设备端和边缘节点协作运行的端-边协同系统。提出了基于网络节点复合特性的协作网络生成算法，实现了多层复杂网络的构建。相比随机几何法，提出的由节点聚类系数和介数中心性两种特性参数相结合的协作网络生成算法能够更全面地描述节点特性，反映节点重要性，改善现有多层复杂网络模型对节点信息描述不全的问题。最后，使用4种复杂网络模型构建多层网络模型并验证该算法，以节点间最短路径值作为评价指标，证明提出的由节点复合特性生成协作网络的算法能够明显降低整个网络中节点间最短路径值，减少传输时间，提高传输效率。     

基于加权路由策略的复杂网络拥塞控制研究

复杂网络的最短路由策略易导致网络吞吐量低,流量分布不均,在关键节点处产生拥塞.本文提出一种基于加权路由策略的拥塞控制机制,用节点的介数作为节点边的权重,将网络变成加权网络,数据包按加权网络最短路径路由.介数的计算采用基于区域中心节点近似估算法,降低了介数计算的复杂度.仿真结果表明,加权路由策略能有效避开拥塞程度严重的节点,克服了介数较大节点成为网络传输瓶颈的问题,显著改善了网络的拥塞情况,提高了网络的吞吐量和传输能力.     

基于正三角形剖分的传感器网络覆盖判定算法

覆盖问题是传感器网络研究中的一个基础课题,如何判定某个感兴趣的区域是否被一组给定的传感器节点覆盖,在传感器网络的许多监控应用领域中具有重要意义。提出了一种传感器网络中基于正三角形剖分的快速κ-覆盖判定算法和最大κ-覆盖问题的求解算法,新算法首先把感兴趣区域剖分为正三角形区域,从而将复杂的区域覆盖问题转化为简单的正三角形区域覆盖问题。理论分析与仿真实验表明,针对具有n个节点的传感器网络,新算法的计算时间复杂度为O（n）,低于已有算法O（nlogn）的计算时间复杂度。     

基于杀伤链的作战体系网络关键节点识别方法

针对作战体系(operational system-of-system, SOS)因装备功能各异、交互关系复杂、高对抗性导致的关键装备难以识别的问题，引入杀伤链的分析思想对其进行求解。首先，提出了作战体系网络模型构建方法，给出了杀伤链的定义与基本类型。其次，提出了基于蒙特卡罗抽样的网络状态转化方法，实现了网络边权值与边存在性的转化；根据子图同构匹配理论，给出了基于改进Ullmann算法的杀伤链搜索方法；以对杀伤链形成的综合影响为切入点，构建了节点重要度指标R。最后，利用所提方法对某空中拦截任务体系网络的关键节点进行识别，并与现有方法的结果进行对比，验证了所提方法的合理性和有效性。     

复杂网络中社团发现的快速划分算法

复杂网络中的社团发现是具有重要理论意义和应用价值的研究领域。针对已有谱平分法和分裂法时间复杂度较高、不适用于社团结构未知的大规模网络等问题,本文提出以扩散距离为谱平分依据,以模块度函数为衡量社团结构划分效果的快速划分算法,并进一步说明了扩散距离的收敛性。实验结果表明,与已有的社团发现算法相比,基于扩散距离的快速划分算法能够得到满意度高的社团结构,时间复杂度较低,对稀疏网络和非稀疏网络都能高效求解,从而体现出算法具有较高的鲁棒性。     

延迟容忍网络中基于社会属性的负载感知路由

延迟容忍网络中采用中心性作为路由尺度会使部分节点承载过多的网络流量。针对这一问题,提出了一种基于社会属性的负载感知路由算法。使用节点的介数中心性（betweenness centrality, BC）和相似性两个社会属性指标以及节点的负载状况作为选择中继节点的依据,避免了消息传播能力强的节点产生严重的拥塞,均衡了网络流量。仿真结果表明,该算法能够提高网络的交付比率,减小网络的开销。     

基于复杂网络理论的配电网节点脆弱度评估

配电网中节点脆弱性的大小是其结构鲁棒性的重要体现,为实现对配电网节点脆弱度的评估,提出对配电网节点脆弱度大小排序的方法。首先,构建配电网的复杂网络加权模型;其次,针对节点脆弱度评估中的度值、介数、凝聚度和紧密度等几个指标,结合主观和客观两方面信息构建描述各指标重要性的权重;最后,提出综合逼近理想排序(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)和灰色关联度的方法,实现对配电网节点脆弱度大小的排序。对几种典型的中压配电网进行计算,验证了本文方法的可行性,对IEEE123系统分析,结果表明多指标综合评估较单一指标评估更符合配网的实际特点。     

基于功能图的作战体系关键节点分析

目前大多数基于网络拓扑的作战体系关键节点分析方法只是单纯考虑作战节点的拓扑连接关系, 缺乏从实际业务角度考虑体系中各节点在功能之间的相互依赖。而多数基于作战环的作战体系关键节点分析方法又需要分析人员具有很强的专业背景知识, 且存在分析数据难以获取等问题。基于此, 提出了一种基于功能图的作战体系关键节点分析方法。首先, 介绍了基于任务、反映作战体系功能的功能图概念。然后, 提出了基于功能图的度中心性、介数中心性、接近中心性、PageRank算法、节点移除和收缩等关键节点分析方法。最后, 以某作战体系为例, 作战环为其功能图, 采用介数中心性、接近中心性、基于功能图的介数中心性、基于功能图的接近中心性、基于功能图数量的节点移除法等关键节点分析方法对作战体系中关键节点进行分析, 验证了该方法的简单性、可行性及有效性。     

基于标签传播识别网络中的关键节点

基于标签传播动力学提出了一种识别网络关键节点的算法,主要思想是把每个节点接收到不同标签的数量作为判断节点重要性的指标。应用两种不同的传播模型,在不同网络上与其它中心性指标作比较。结果表明:基于标签传播的中心性指标比其它的中心性方法可以更好地识别网络中的关键节点。基于标签传播的中心性指标还具有以下优势:不需要利用网络的结构信息,因此可以推广到大规模网络上;揭示了一种现象——好的接收者往往也是好的传播者。     

基于复合边权重的加权复杂网络级联抗毁性优化

针对加权网络级联抗毁性问题,融合对级联失效动力学过程有重要影响的节点度和介数两种指标,提出一种节点度和介数相关的边权重模型,该模型通过定义调整两种指标占边权比重的参数,以及调整网络异质度的权重参数,使得边对故障引起的额外负载的承载能力更强。理论分析与仿真结果表明，存在某一权重参数以及比重系数取值使得BA无标度网络和NW小世界网络鲁棒性达到最强;相比单一指标边权方法,提出的模型能够更加有效地提升网络级联抗毁性能。     

城市群交通网络特性

城市群经济社会蓬勃发展要求有相适应的交通运输网络为其提供强有力的支持,因此,以长株潭城市群交通网络为背景,研究了交通网络特性.给出了道路的n阶平均度、网络平均n-聚集系数、网络失效弹性等概念,定义了度为k的道路的介数中心性和基于节点介数中心性的结构熵,在数值计算的基础上分析了交通网络性质.研究分析发现:(1)五个交通网络中,整个长株潭交通网络是比较抗失效的,湘潭交通网络显示出对失效的脆弱性,而长沙市及长株潭整个交通网络是最为有序的;(2)长株潭城市群交通网络是小世界网络而不具有无标度性;(3)对网络匹配关系研究表明交通网络是异配的,利用网络异配性初步探讨了网络层阶性.     

基于节点中心性的时变复杂网络布局算法

目前,时变网络布局算法主要从网络结构和美学指标出发维持用户意象图,并没有考虑节点中心性的影响。为此,将嵌入节点中心性改进传统静态网络布局算法为时变网络布局算法。首先,引用节点半局部中心性指标改进PageRank算法来评估节点的中心性;然后,根据节点的中心性和稳定度来计算动态半径作为节点的约束因子;最后,在静态网络布局算法中加入控制节点移动的约束因子,形成基于节点中心性的时变网络布局算法。实验结果表明,所提方法可以在保存用户意象图和美学标准间达到平衡,且对大型时变网络也具有良好的计算能力。     

基于截断迁移与并行残差网络的调制识别算法

针对卷积神经网络提取的信号时序特征受限问题，提出一种截断迁移的数据预处理算法，将采样矩阵一端的距离单位截断，迁移到另一端，依次合并成新的矩阵，使卷积神经网络提取到更多的采样点，比较更多的符号信息。同时提出一种改进的并行残差神经网络，通过两路并行的支路同时关注水平和垂直2个方向的特征。结果表明，该算法比普通卷积网络提高约10%的准确率，改进的网络在信噪比为14 dB时，准确率为93.78%，信噪比大于0 dB时，准确率均在91%以上。