复杂系统、复杂网络自相似结构的涌现规律

在现实世界的复杂系统中,树状分形广泛存在.最近对于复杂网络的研究又揭示大量网络为自相似结构,随之而来的问题是:自相似结构是如何形成的.本文结合复杂系统与复杂网络,给出一个树状生长模型,通过论证揭示:生长过程及自相似结构的涌现,可集中由简单的幂律体现:幂律是自组织形成的临界状态,在它的支配下,系统得以保持有序演化发展,并涌现层层相似的自相似结构,其分形维数或相应的指数,是系统功能的度量.复杂寓于简单,简单形式的幂律蕴含了自组织演化发展并涌现自相似结构的全部过程的信息,是支配现实世界广泛现象的动力学.     

生物网络及其一些进展

DNA双螺旋结构模型的提出,使得对生物学的认识进入到分子水平,开始了分子生物学的时代,并一直持续了半个世纪.当前,生物学的研究已进入后基因组时代,其特点是:从整体或系统的水平上去认识生物体,并诞生了系统生物学.生物系统是一种复杂系统.复杂系统的一个显著特点是多个参与者密切相互作用.复杂网络是描述复杂系统的一种有力工具,系统中的参与者可表示为网络中的点,相互作用可表示为网络中的连线.这样,复杂网络也可作为分析生物系统的一种工具,例如新陈代谢过程,参与作用的"底物"及其相互作用可用复杂网络描述.生物网络的研究已约有十年的历史,给出一简要综述,介绍它的一些进展,包括代谢网及其大尺度组织,无标度拓扑,分层等级模块结构,网络鲁棒性,自相似性及分形结构等等.     

中国股市复杂网络中的分形特征

利用阈值法构建中国股市复杂网络模型,从时间和空间两个角度对中国股市复杂网络的分形特征进行分析.首先利用分形几何学对静态网络进行分析,得到静态网络的分形维数,并发现其分形维数随着网络阈值的增大而减小.再利用R/S分析方法对中国股市复杂网络聚集系数时间序列进行分析,发现其具有长记忆性和持久性,且在长时间窗口下这一性质更值得信赖.H值大致呈现出随着时间窗口和阈值的增加而增加的规律.周期天数n呈现出随着时间窗口的增加而增长,随着阈值的增加而下降的规律.这说明在实际市场中,长时间窗口和高联系度股票产生的交易者群体行为惯性更强,长时间窗口和低联系度股票产生的交易者群体行为惯性的持续周期更长.这些研究成果表明了证券市场时间和空间两个维度的内在联系.     

组织沟通模式对企业员工关系网络结构的影响

通过应用复杂网络理论,提出并介绍了企业生长模型,借助仿真实验探索了企业员工关系网络演化过程.发现组织鼓励员工团队内部和跨团队沟通的努力程度显著地影响着员工关系网络结构,而这些结构又与企业、个人的绩效密切相关.针对仿真模型研究的一个典型缺陷:缺乏外部有效性,将仿真实验数据及其理论上的逻辑结果分别与本研究所搜集的经验数据、其他学者的案例研究进行比较.结果证明两者比较相符,说明该模型及其基于该模型的研究结论是可信且有效的.     

航空快递网络的复杂结构特性及演化机理

随着我国社会生产和消费方式的转变,快递产业在近年来飞速发展。快递网络是快递企业运营的基础,对其发展具有重要影响。从复杂网络理论的研究视角出发,对航空快递网络的结构进行拓扑描述,并使用复杂网络统计方法展开实证分析,发现航空快递网络是一个小世界网络,其度分布形式为单标度分布,不存在明显的社区结构,表现出富人俱乐部现象和节点度的异配特性。在此基础上,构建了一个具有增长和偏好连接机制的网络模型。仿真实验结果表明,该模型重构了航空快递网络的主要结构特性,进而从理论层面上揭示了航空快递网络复杂结构特性的生成演化机理,为快递企业在实践中构建航空快递网络提供理论依据。     

谢尔宾斯基地毯的复杂网络特征研究

引入了谢尔宾斯基地毯的网络拓扑性质,并在此基础上采用内连结点法,构造具有分形和小世界特性的网络,利用数学归纳的方法得到了该网络图的集聚系数、网络图的直径、平均路径长度及平均度分布等,证明了该网络的小世界特性;由网络的自相似性及其具有的精细结构得到该网络的分形特性,由此证明了其分形和小世界特性.     

一个中国科学家合作网的实证分析

研究了由<科学通报>过去20年间发表文章的作者所构建的科学家合作网络.按照统计学方法和基于复杂网络理论的实证分析表明,科学家产量满足幂律分布,而合作规模分布则是指数衰减的.合作网中存在一个明显的最大连通子图,该子图具有高聚类和小世界特性,并呈现社团结构和等级结构.网络的度分布介于指数与幂律之间,近似服从对数正态分布,社团规模分布亦显示出长尾特性.此外,还应用3种不同的指标研究了Hub节点的影响力.     

基于共享最近邻探测社团结构的算法

针对经典重叠社团结构发现的派系过滤算法中派系定义过于严格、算法缺乏实用性、时间复杂度高等问题,提出了一种基于共享最近邻的社团结构发现算法. 该算法不仅可以对网络进行社团结构的划分, 而且可以很好地把网络中的桥点找出,算法的时间复杂 度约为O(nhk), 其中n为网络中的节点数,h为核心社团的数目, k为网络中节点的 最大节点度.为了验证该算法的正确率和性能, 把该算法应用到计算机生成网络和真实网络中, 并与著名的社团探测算法——GN算法和NF快速算法进行了比较.实验的结果表明所提出的算法是有效可行的.     

学生网的增长态势及其分形特征分析

通过一个实际的学生网络,研究具有复杂网络特征的实例网络的增长特性.在Logistic模型的基础上,根据学生网在振荡中增长的特点,对Logistic模型进行参数修正和改进,并通过浮点型遗传算法进行拟合,得到学生网增长的最终拟合模型.然后根据学生网增长的时间序列特征,采用表征分形特征的分维算法,计算得到学生网增长的分数维,得出学生网在增长过程中确实具有分形特征的结论.最后确定了可对学生网增长态势做准确长期预测的数学模型形式.     

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].     

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。     

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.     

嵌入晶格的地理网络的逾渗

研究了地理结构对复杂网络逾渗阈值的影响，提出了一个空化网络模型，并做了相应的数值计算。发现当地理约束很弱时，地理网络一般是空间上很稀疏地连接，此时，即使网络拥有抽象的拓扑结构（度分布），网络的逾渗也比网络被密集连接时容易，也就是说，稀疏连接的地理网络的鲁棒性更高。基于这些研究结果，对一些真实网络中的基本现象给出了解释。此外，基于真实网络建设的最小消耗原则，提出了一些建设性的建议。嵌入晶格的网络模型虽然在大多数情况下并不是网络产生的真实模型（比如BA模型），但当网络结构随时间的变化可以忽略时，它也可以很好地研究复杂网络上的动力学问题。     

几种递归神经网络及其在系统辨识中的应用

递归网络中包含延时变量 ,用其来进行系统辨识时可以得到动态网络系统。首先介绍了Elman网络和Jordan网络及其改变型。根据网络的输入 /输出数据 ,采用BP算法和数值优化算法进行训练 ,并利用一个具体的系统模型辨识的例子 ,通过性能对比揭示了各网络用于系统辨识时的优缺点 ,为递归网络的合理应用提供参考。     

复杂动力网络的数学模型与同步准则

许多自然和人造的网络都属于复杂网络,它们具有复杂的招朴结构和大量的节点.人们提出了许多数学模型来描述各种各样的复杂网络,探讨复杂网络的动力和集群行为.简要地回顾几个典型的复杂动力网络模型.基于提出的时变复杂动力网络模型,给出了几个基本的网络同步准则.最后给出了一个简单的例子加以说明.     

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.     

一类无标度合作网络的演化模型

提出了一类特殊的无标度合作网络的演化模型.利用平均场方法解析计算了节点的增长动态性,证明了该网络是节点度分布符合幂律分布的无标度网络,其幂指数位于2和3之间.给出了节点的集聚系数与度的关系表达式,并证明了网络的平均路径长度最多以网络的对数形式增长.数值模拟结果与理论计算值很好地吻合.     

介数中心性和平均最短路径长度整合近似算法

基于Brandes算法给出了复杂网络中介数中心性和平均最短路径长度的整合近似算法,通过理论分析和Rocketfuel项目实测数据的实验分析,验证了该整合算法能够快速有效地估计出复杂网络的介数中心性和平均最短路径长度,为进一步的研究工作奠定了基础.