具有边连接增长速度的演化网络度分布研究

近年来,研究发现复杂网络的拓扑结构可分为如下三个类别:随机图模型,小世界网络模型和无标度网络模型.产生这三种不同拓扑结构的主要原因是在网络进化过程中,其边连接方式和点增加方式的不同.实际的复杂网络中幂律(Power-Law)分布的指数范围经实测为[2,3],而当前理论研究结果为[2, ∞).在分析无标度网络演化过程的基础上,提出了一种新的边连接方式,即考虑了边连接增长速度的择优连接方式,并运用主方程方法得到了在这种连接方式下网络的度分布.理论分析与数值仿真表明:在新的演化规则下,通过调节不同的连接速度,可以使幂律分布的指数范围为[2,3].     

知识网络演化模型的仿真研究(英文)

研究了一类基于知识相关度的局部偏好连接机制和偏好删除机制的知识网络演化模型。数值模拟了知识网络累积度分布,累积度分布一开始近似服从无标度分布,而后出现一指数截断。最后比较了在一些不同连接与删除机制下生成的一些知识指标,仿真结果表明,基于知识的局部偏好连接机制和基于度的偏好删除机制比随机局部偏好连接机制和随机偏好删除机制更易于引起网络异质性及提高网络的绩效,而这些指标是有利于网络的形成。     

局域世界随机增长的加权网络模型

提出了一种新的加权网络模型.在该模型中新节点择优的局域世界是随机增大的,另外新节点除了以较大的概率在局域世界内择优连接之外还以较小的概率在局域世界外择优连接,并且已有的节点之间允许有新边的生成.该模型生成的网络的度分布、边权分布和点强度分布均为幂律分布.特别是许多实证研究表明这些分布具有的胖尾现象也能被该模型反映出来.该模型还指出点强度高度依赖于度并且它们之间服从幂律函数关系.     

探索小世界特性产生的一种新方法

在研究WS模型基础上，探讨了产生小世界特性的一种新方法，即提出了度不变的边遍历小世界模型。主要算法是在重新连接过程中保持每个节点的度不变，首先将所有满足度不变条件的规则边断开，然后随机地连接相同数目的长距离边。谊模型的数值模拟结果与WS模型的结果比较表明，新模型具有很好的小世界特性，即平均最短路径小和平均集群系数大的两大特点。同时研究了新模型下参数变化对网络特性的影响。     

基于边数随机增长的扩展无标度网络演化模型研究

经典BA无标度网络演化模型假定所有嵌入节点的初始连边数量均相同,而该假定对于许多真实的演化网络往往显得过于严格.为进一步增强模型的通用性,构建了具有边数随机增长特征,即所有嵌入节点的初始连边数量为独立同分布随机变量序列的扩展无标度网络演化模型(简记为ENRG-BA模型).运用马氏链解析法获得了ENRG-BA模型网络稳态度分布的精确表达式,并从分布的性质与数值模拟两个方面验证了解析结果的正确性.研究结果表明,当所有嵌入节点的初始连边数量均具有有限的期望和方差时,ENRG-BA模型存在网络稳态度分布;当所有嵌入节点的初始连边数量均具有相同的分布参数与相同有限区间长度的定义域时,ENRG-BA模型退化为Degenerate ENRG-BA模型(简记为DENRG-BA模型);当所有嵌入节点的初始连边数量均服从相同参数的单点分布时,DENRG-BA模型进一步退化为BA模型.ENRG-BA模型与DENRGBA模型的网络稳态度分布在大度数处均具有与BA模型网络稳态度分布相同的幂律行为,在小度数处则呈现出BA模型网络稳态度分布所不具备且类型丰富的马头形状,其中部分马头形状与某些实际演化网络的度分布中所...     

基于复杂网络特征的背包问题优化算法

根据复杂网络演化过程中的小世界现象及无标度特征,提出了基于复杂网络的背包问题优化算法。该算法基于无标度特征的背包问题形成优化空间,通过节点增长和加权节点度偏好连接,产生优化空间网络及其节点度分布;在该优化空间网络中,以小世界网络的聚类及小世界效应为基础,以节点度分布为先验知识,提出局部聚类、小世界效应、链集优化和节点寻优4个算子,实现网络节点连接优化。利用马尔科夫链的相关性质,证明了该算法的收敛性。针对具有相关性的0/1背包问题的实验结果表明,该算法解决组合优化问题是有效的。     

统计推断方法在复杂网络中的应用

复杂网络是复杂系统的骨架,由许多节点与连接这些节点的边组成,大都具有节点的度服从幂律分布和网络结构小世界效应等特点。判断一个分布是否是幂律分布、估计一个幂律分布的指数和细致刻画网络整体与局部结构特征是很多网络科学研究者面临的一个难题。对复杂网络相关的一些重要的统计推断研究方法,如幂律分布参数估计、指数随机图模型等进行综述,并从数理统计角度给予了一些评价。     

容量均匀分布的物流保障网络级联失效抗毁性

分析了物流保障网络的特点,发现物流保障网络具有节点度分布均匀、节点之间连接的随机性、节点的负载差异性小、节点的容量在一定区间内随机分布等属性.在此基础上建立了度均匀随机分布的网络模型和级联失效抗毁性模型,应用概率母函数的方法解析地推导了网络级联崩溃的临界值,并通过计算机仿真验证了解析方法的正确性和可行性.     

具有随机性的确定性网络模型

为了进一步研究复杂网络的统计特性,简单介绍了复杂网络的几个统计指标,给出了一种通过边的迭代方式生成一种确定性网络模型的方法.在此模型构造算法的基础上对网络的个别特性进行了推导,并通过计算机编程构造了模拟网络,对比了不同规模模拟网络的部分统计特性.由推导结果和模拟数据可知,迭代生成的网络具有较小的平均路径长度和较大的群聚系数,度分布服从指数分布.因此可判断出生成的确定性网络既具有小世界特性,又具有完全随机网络的特性.     

具有高簇系数的权重演化无标度网络模型

提出了一个演化的权重无标度网络模型.在传统的加权网络模型的强度优先连接机制基础上,考虑了网络按照模块结构和三角结构进行演化的特性.研究了模块结构和三角结构的演化机制对无标度模型结构特性的影响.仿真结果表明该权重网络的度、强度和权值都服从幂率分布,网络的平均强度与度之间具有高相关特性,网络的平均簇系数与度的函数关系服从幂率分布,模块结构和三角结构的演化机制能够显著提高网络的簇系数.     

A New K-Shell Decomposition Method for Identifying Influential Spreaders of Epidemics on Community Networks

An efficient method for the identification of influential spreaders that could be used to control epidemics within populations would be of considerable importance. Generally, populations are characterized by its community structures and by the heterogeneous distributions of out-leaving links among nodes bridging over communities. A new method for community networks capable of identifying influential spreaders that accelerate the spread of disease is here proposed. In this method, influential spreaders serve as target nodes. This is based on the idea that, in k-shell decomposition method,out-leaving links and inner links are processed separately. The method was used on empirical networks constructed from online social networks, and results indicated that this method is more accurate. Its effectiveness stems from the patterns of connectivity among neighbors, and it successfully identified the important nodes. In addition, the performance of the method remained robust even when there were errors in the structure of the network.     

企业集群创新网络动态演化模型

介绍了企业集群创新网络的组成与知识流动。基于物理学在复杂网络结构研究方面的新进展,设定了创新网络的初始状态和优先连接机制,提出形成企业集群创新网络的活动包括加点、加边和重连,认为遵循优先连接机制的这三类活动会使得集群创新网络成为规模有限的无尺度网络。创新网络具有较高的容错性而抗攻击能力较弱,而且网络的稳定性依赖于地方和非地方联系的适当组合。     

无标度网络的群聚性对合作行为的影响

通过仿真实验分析囚徒困境博弈在群聚性可变的无标度网络上的演化,进而考察无标度网络的群聚性对合作行为的影响.实验结果表明,无标度网络的群聚性对合作行为的影响依赖于度量个体博弈收益的效用函数.一方面,当效用函数考虑关系成本并以平均收益度量个体的博弈收益时,无标度网络的群聚性抑制合作行为.另一方面,当效用函数同时考虑关系成本和无标度网络中hub节点所具有的资源优势,并以平均收益和累积收益的加权平均度量个体的博弈收益时,随着累积收益权重的增大,无标度网络的群聚性对合作行为的影响逐渐由抑制作用转变为促进作用.     

基于贝叶斯学习的复杂系统研制风险演化分析

大型复杂装备的系统结构和研制流程呈现网络化特征,研究风险演化机理有助于控制风险、降低复杂性.通过系统动态过程建模仿真获取数据样本,运用贝叶斯学习从仿真数据样本中提炼风险演化网络,识别不同风险等级的节点之间存在的关联关系,降低了仅凭经验构建风险网络的主观性.对贝叶斯学习获得的风险网络进行概率推理,在总体高风险等级下计算风险网络节点的风险后验概率分布,进而确定风险演化关键节点和传播链路.最后,通过与复杂网络特征指标评估下的静态特征进行对比分析,研究风险网络动态特征与静态特征的差异性,结果表明网络结构特征和风险传播的动态特征共同决定了风险演化关键节点和传播链路.     

交通网络效率的度量和元件重要性的计算方法

针对固定需求和弹性需求的交通网络,综合考虑均衡状态下的出行行为、出行成本、出行需求以及路段流量等因素,分别 提出了网络效率的度量方法,并在此基础上计算网络元件的重要性.算例结果表明:所提出的效率度量方法和元件重要性计算公式是合理的,并对Braess悖论网络进行了分析,发现网络元件的重要性随需求变化而变化.所提出的方法和研究结论对设计和管理交通网络具有指导意义.     

一种新的交通网络效率衡量方法及其应用

提出了一个交通拥挤网络的效率衡量方法,该方法能综合反映网络中交通需求、路段流量、旅行费用等因素对网络效率的影响,并基于该衡量方法,设计了一个网络组件(如节点和路段等)的重要度评价方法,用来辨别网络中重要的节点和路段,且该评价方法计算简便,计算结果具有一致性.算例计算分析的结果表明,相对其他网络效率衡量方法,根据本文方法计算得到的网络效率,能科学地反映交通拥挤网络的实际运行情况,并验证了所提出的效率衡量方法和重要度评价方法的合理性,同时还说明了交通拥挤网络的效率和组件重要度,均与网络中当前交通流量有直接关系.     

具有混合故障的超立方体网络中的高效路由

针对容借超立方体网络中的同时具有大量节点和链路故障模式，提出了两类“局部弱连通眇：即缸维局部弱连通性和任意局部弱连通性的概念；并在基于局部弱连通性的基础上，给出了两个满足局部弱连通性条件的超立方体网络的分布式容错路由算法。同时证明了新提出的两个局部弱连通性概念分别是原有的两个局部连通性概念的扩展。     

网络可靠性评估的演化过程重要度抽样模拟方法

针对具有高可靠度网络的连通失效概率计算问题,提出了一种重要度抽样Monte Carlo模拟方法.首先提出了考虑节点和边单元失效网络连通状态判别的演化过程算法,算法根据网络节点和边单元的可靠度,将每次模拟抽样产生的随机数转化为单元的修复时间;按照单元修复时间次序构建网络连通拓扑结构,并视为向网络连通状态转变的演化过程.然后基于重要度抽样Mont,e Carlo模拟求解高可靠度网络的2\K\All端连通失效概率,其中重要度抽样函数的计算采用基于演化过程和交叉熵模型的多准则迭代方法.高可靠度网络算例的计算结果表明,预抽样求解重要度抽样函数时,多准则迭代方法所需的预抽样次数约为其他迭代方法的1/40.因此,本文方法具有较高的计算效率.     

装备保障体系关键节点分析

装备保障体系在现代战争中发挥着重要的后勤保障作用。一旦保障体系中的关键保障节点遭到袭击, 将会严重影响到系统保障能力的发挥。因此, 研究装备保障体系中的关键节点识别技术, 找出薄弱环节, 对于未来战争有着重要意义。本文以复杂网络为理论基础, 提出了一种衡量保障节点重要性的指标。该节点重要性指标一方面衡量保障节点在一定空间范围内的连接能力, 另一方面按照新提出的面向任务需求的路由方式, 衡量保障节点的全局运输能力。通过与另外6种节点的重要性指标对比, 结果从多方面证明了所提的节点重要性指标在识别关键节点时的有效性及适用性。     

非均匀拓扑网络中的分布式一致性状态估计算法

分布式一致性状态估计是传感器网络中节点对目标的一种有效的估计融合方法。针对网络非均匀拓扑情况下的一致性状态估计问题,首先,研究了分布式传感器网络一致性状态估计框架,提出了四级功能模型,从信息处理、交互及融合的角度描述了一致性状态估计技术的主要流程;其次,考虑网络非均匀拓扑时一致性收敛速度较慢的情况,根据节点间通信链接的重要性设计了基于动态拓扑信息的自适应权值分配方法,在此基础上提出了基于自适应加权的卡尔曼一致性滤波(adaptive weighted Kalman consensus filter,AW-KCF)算法。仿真结果显示,AW-KCF在非均匀拓扑的稀疏网络中具有较快的一致性收敛速度。