多子网复合复杂网络及其运算研究

提出了一种能够描述不同子系统间以及不同子系统的元素间相互关系的复合复杂网络模型;基于该模型的网络运算,可描述多个复杂网络的复合以及一个复杂网络的分解;实证验证了该模型的有效性.     

基于SA-LEN的网络社区发现的研究

构建了一种LR-S复合网络,分别提取了L-IRS网络中的最短路径长度和RRTCS网络中的活跃度两个元素,提出了一种新的节点间相似度评价函数SA-LEN及基于节点相似度的社区划分算法。通过对多种计算机生成网络和自然网络实验发现,本文的SA-LEN的网络社区发现算法具有较高准确性。     

无标度二元网模型

由两类不同主体构成的复杂系统,若同类主体间、异类主体间都存在着相互作用关系,则该系统可以用二元网来抽象描述.无标度二元网的网络整体度分布及两类节点各自的度分布都服从幂律分布.通过构建无标度二元网模型,尝试解释无标度二元网的形成机制.研究无标度二元网的拓扑结构性质发现,模型的不同类节点规模比参数及连接概率参数对网络的平均最短路径和群聚系数有着重要影响.无标度二元网模型的最短路径长度较小,其幂指数变化范围在2.5到3.5之间.     

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.     

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.     

IWSN物理层防全双工攻击节点的多层Stackelberg博弈模型

针对工业无线传感器网络通信链路上存在的节点安全问题, 提出一种可抵御节点攻击的多层Stackelberg博弈模型。选择最佳协作干扰节点协同抵御全双工攻击节点, 将合法节点与攻击节点之间的对抗关系以及合法节点间的内部协作关系建模成多层Stackelberg博弈模型, 分析博弈模型的闭式均衡解; 设计分阶最优响应迭代算法求解Stackelberg博弈均衡。仿真结果表明, 所提的最佳协同干扰节点选择方案对攻击节点具有较好的干扰效果且节省能耗; 与其他功率控制模型相比, 所提模型可有效增加协作干扰节点的收益，提高协作的积极性。     

基于流量加权Betweenness提高网络容量的方法

在节点的发包速率和转发包速率都和节点度相关的流量模型中,研究了在基于跳数的最短路径路由策略下网络的容量问题.将Betweenness的概念进行了扩展,提出流量加权Betweenness的概念,使之更准确地描述在每个节点的发包速率各不相同的情况下节点可能承载的流量.并据此推导出适合于该流量模型的网络容量计算公式,同时指出在基于BA算法构造的scale-free网络中,在流量加权Betweenness值处在前5%至10%和前10%至15%的节点间加边的方法能显著提高容量.最后,通过仿真实验验证了该公式的正确性和该方法的有效性.     

基于复杂网络的危险品运输网络抗毁性仿真

通过构建危险品运输超网络模型,分析了网络之间的相互作用和影响,继而建立了危险品运输网络模型生成方式;通过引入危险品运输网络"最短路径"、"平均最小风险路径距离"和"网络最大连通子图"概念,提出了"网络风险效率"和"最大连通度"抗毁性测度模型;根据网络流量特性,构建了危险品运输网络介数模型。以危险品运输网络为例进行仿真,仿真结果表明:危险品运输网络抗毁性表现为对随机攻击的鲁棒性和蓄意攻击的脆弱性,抗毁性更接近于无标度网络;其抗毁性是由少数节点和边维系的,且网络对节点攻击的抗毁性低于对边攻击的;网络最大连通度性能优于网络风险效率,适当增加系统冗余性可提高网络抗毁性。     

基于XOR选择重传ARQ的网络编码多播路由算法

针对XOR选择重传ARQ协议,提出了一种基于网络编码的多播路由算法,有效地恢复链路传输错误。该算法分为两种情况：一是信源发送正常的数据包,在信源节点与各接收节点之间建立多播路径族,并考虑不同路径族之间链路的共享;二是信源发送XOR数据包,搜索信源节点到各接收节点的最短路径,并考虑最短路径之间的链路共享。仿真结果表明,该算法有效地提高了网络吞吐量,在资源消耗方面较传统的多播路由算法有更好的表现,非常接近基于网络编码的最小费用多播算法。数学分析表明,该算法的复杂度远小于最小费用多播算法。     

基于改进A*算法的多层邮轮疏散系统仿真

为解决海上航行应急疏散效率低下的问题,提出一种基于改进A*算法的应急疏散系统。以网络流模型为基础,采用邻接节点的遍历方式完成路径搜索,并在代价值的计算中加入路径人员密度和路径障碍物的影响,使算法更具实用性。为提升算法效率,对网络进行节点优化,给出单层多出口情况下的多路径择优方案,并考虑在路径发生拥堵时进行二次规划。仿真结果表明：该系统能够为多层大型邮轮上的人员提供一条有效的疏散路径,不仅在安全性方面可以有效避免路段拥堵情况,而且在疏散时间方面较传统A*算法更短,疏散效果更好。     

基于配送时间及节点流量约束的快递网络优化

通过Floyd算法求出快递网络节点间的最短路径长度和需要中转的次数,根据节点间的最短路径和需要中转的次数算出配送时间;通过Dijkstra算法对边介数、节点介数进行加权求和得出快递网络边的货物流量和节点的货物中转量,根据运费率、边的货物流量和边的长度算出边的运输成本,根据节点货物中转量算出中转费用和存储费用;以快递网络总配送成本最小化为优化目标,构建带有配送时间约束和节点最大流量约束的快递网络优化模型,并设计从全连通网络逐渐删除网络边至总配送成本最小为止的算法进行求解,最后通过算例验证了模型和算法的有效性。     

基于小世界和连接成本的制度网络演化分析

制度作为社会系统的子系统,是一个具有小世界性和择优连接等特征的复杂网络,其演化需要产生各种连接成本.文中构建了基于小世界效应、连接成本和节点影响能力的制度网络演化模型;提出了制度网络演化的纳什效率策略及帕拉托效率策略;通过理论及仿真分析,认为帕拉托效率策略而不是纳什效率策略能显著地增加制度网络演化的整体得益水平;复杂制度网络系统小世界网络中的最短路径特点能够增加制度主体间的合作空间,进而增加制度演化的整体得益水平.     

基于最优路径相似度传输矩阵的链路预测方法北大核心CSCD

为解决现有的基于相似性的链路预测方法忽略了最优路径在节点间传递相似性的能力的问题,提出一种基于最优路径相似度传输矩阵的链路预测方法。首先,分析节点间最优路径对信息传输能力的影响,进而对节点间紧密中心性进行定义;其次,依据最优路径数和中心性构建相似度传输矩阵,综合节点间局部信息和全局属性衡量节点间相似度。最后,将所提方法与其他相似性指标,在6个真实网络上进行实证对比研究。结果表明,所提算法预测精度较高,且算法更加稳定。     

基于多智能体强化学习的协同目标分配

针对传统方法难以适用于动态不确定环境下的大规模协同目标分配问题，提出一种基于多智能体强化学习的协同目标分配模型及训练方法。通过对相关概念和数学模型的描述，将协同目标分配转化为多智能体协作问题。聚焦于顶层分配策略的学习，构建了策略评分模型和策略推理模型，采用Advantage Actor-Critic算法进行策略优化。仿真实验结果表明，所提方法能够准确刻画作战单元之间的协同演化内因，有效地实现了大规模协同目标分配方案的动态生成。     

节点数固定的复杂网络模型初探

由于随机图模型、小世界模型和无标度模型的结构上存在交叉性，有必要对复杂网络进行新的分类。本文将复杂网络分成两类：节点数固定的复杂网络和节点数变化的复杂网络，且重点研究了前一类网络。首先时节点数固定的网络进行了细分，然后分析了在边的不同连接方式下节点数固定的网络的度分布、平均最短路长度和聚类系数等特征，最后讨论了小世界特性与无标度特性产生的原因。研究表明，节点数固定的网络大多具有小世界特性，小世界特性与无标度特性是从不同的侧面来研究复杂网络的，从而很好地解释了在许多复杂网络这两种特性能够共存的原因。     

复杂网络中节点重要度评估的节点收缩方法

首先定义了网络的凝聚度,在此基础上提出了一种评估复杂网络节点重要度的节点收缩方法,认为最重要的节点就是将该节点收缩后网络的凝聚度最大,其算法的时间复杂性为O(n3).该方法综合考虑了节点的连接度以及经过该节点最短路径的数目,克服了节点删除法的弊端.最后的实验分析表明该方法直观、有效且运算速度快,对于大型复杂网络可以获得理想的计算能力.     

基于装备能力优先的复杂网络演化模型研究

针对传统复杂网络模型描述武器装备作战体系在动态性和不确定性方面的不足,参照OODA理论,结合具体应用,利用武器装备节点计算的能力值,从连接对象的选择、连接边数的确定、作战节点的退出及退出后网络结构的动态调整策略等方面改进了BA无标度网络模型,提出了装备能力优先的作战体系复杂网络演化模型构建方法,使装备能力高的节点在网络关键位置充分发挥作用,提高网络的鲁棒性。通过仿真实验验证,模型具有贴近战场实况、算法复杂度低和使作战体系保持幂率分布等特点。     

无人机自组网中基于蚁群优化的多态感知路由算法

无人机自组织网络具有节点移动性强、网络拓扑变化快、数据交互频繁、应用环境复杂等特点, 采用传统的路由算法会使该网络在传输延时、丢包率、路由开销等方面性能均较差, 以至于无法为多无人机协同执行任务提供有效的通信保障。为了解决该问题, 提出一种基于蚁群优化的多态感知路由(ant colony optimization based polymorphism-aware routing, APAR)算法。该算法将蚁群算法与动态源路由算法相结合, 通过感知路径长度、路径拥塞度和路径稳定性, 计算出由路由发现过程得到路径的信息素水平, 并将其作为选路标准, 经过改进的信息素挥发机制也被引入该算法。同时, 根据无人机编队的变化做出合适的调整, 以保证其网络性能不下降。仿真结果表明, 与其他经典算法相比, APAR算法提高了数据包成功传输率, 降低了平均端到端延时, 减少了路由开销, 且在战场环境下有较高的可靠性。     

带有节点编码能力感知的DTN数据转发机制

网络编码方法能够有效地改善延迟容忍网络的数据传输效率,其关键问题在于合理地选择编码节点。提出了一种带有节点编码能力感知的延迟容忍网络数据转发机制。根据网络中节点运行的历史相遇信息,建立时间图模型以感知节点之间的连接态势,并根据平均相遇时间间隔、最短路径长度及可达率等3方面因素综合确定节点转发能力,进而以动态的方式选择编码节点。结果表明,所提出的策略能够有效地提高网络资源利用率,改善网络的性能。     

能力与权力:大规模复杂网络重要节点识别的二重异质指标及算法

为快速识别大规模复杂网络中的重要节点,本研究将人类社会普遍存在的两类不平等映射为节点在网络中的能力与权力的二重异质性,设计了评价复杂网络节点重要度的DH指标,构造了用于DH指标快速分布式计算的并行随机距离渐进(parallel random distance approach,简称PRDA)算法.通过网络最大连通率、网络均衡熵、算法有效性和算法效率的评价实验验证DH指标及PRDA算法的有效性,得出结论如下:DH指标在识别重要节点时能适应不同拓扑特征的复杂网络,识别性能优于或同于时间复杂度更高的介数;PRDA估计算法在最短路径获得概率p=1-10~(-1.5)的水平上得到的节点效率估计值■与真实值η_i的Pearson相关系数在0.975以上,且在大规模网络上进行节点效率估计结果更可靠;在Apache Spark并行内存计算环境中应用时间复杂度为O(n~2/l)的PRDA算法求解DH指标耗时远小于介数求解耗时,这表明算法的时间特性也适于大规模网络.