择优选择节点构成的复杂网络模型研究

针对Barabasi-Albert无标度网络模型(BA模型)模拟现实世界的局限性,在其算法基础上作了适当扩展,将原算法中新节点加入每次依概率全局择优的机制改为首先全局择优选择节点构成初始模型后,新节点以等概率连接的机制,并依新算法生成扩展BA模型。依据二者度分布等静态统计量性质进行性态比较,证实了扩展模型的拓扑结构和发展状况更接近于现实网络,并且扩展模型生成网络的鲁棒性更好。     

BA网络的一个等价演化模型

ER随机网络和BA网络对网络科学的发展起着十分重要的作用，在网络研究中ER网络与其等价模型可以替代使用。本文提出了BA网络的一个等价的演化模型，并解析计算和模拟了模型的节点度分布、集聚系数和平均路径长度，其演化成的结构特性与BA网络相同。在本模型的演化过程中，不需要拥有网络节点度的完全信息，没有择优连接过程，大大缩短了网络生成时间。因此，研究BA网络的性质和动力学时，可以将本模型替换BA网络。     

内部演化的BA无标度网络模型

在BA(Barabási-A lbert)无标度网络模型的基础上,考虑网络节点增长的同时,网络已有节点连线也在增加。在这个BA网络改进模型中,引入了两个主要参数q1,q2,通过理论分析,导出了这个内部演化的增长网络的度分布,发现它仍然具有无标度网络的一般性质,BA无标度网络是它的一种特殊情形。数值仿真验证了理论分析的正确性。这个改进模型比BA网络模型具有更广泛的实际背景,利用它可以更真实地模拟与刻画现实中许多复杂网络的演化及其特征。     

基于吸引因子的无尺度网络演化模型研究

BA模型与BA推广模型的研究者认为时间越长节点的连接度越大,但真实系统中并不仅仅依赖时间的长短,因此提出一种吸引因子存在的无尺度网络演化模型.此模型中节点的度数变化与吸引因子有关,用计算机编程方法具体模拟了模型的生成过程,并得出同等网络规模下,吸引因子模型与BA模型的度分布.仿真结果表明,吸引因子影响下节点的度分布呈现幂律指数形式,近似于BA模型,仿真分析验证了理论的正确性.     

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。     

局域演化的加权网络模型

在BA模型的基础上研究了兼顾局域演化、增长，以及局域与局域外存在较弱连接等3方面因素的加权网络。在这个模型中，引入了参数a，P1，P2，P3，通过理论分析，导出了这个加权网络模型的节点的强度分布，发现它服从幂律指数为2～3的幂律分布。数值仿真验证了理论分析的正确性；并通过调节参数，分析了该模型的内在特征和结构。这个改进的模型具有更为广泛的实际背景。     

陆运快递网络的复杂结构特性及演化模型

陆运快递网络是快递企业包裹投递的基础,对其投递业务的完成具有重要影响。借鉴复杂网络理论研究方法,对陆运快递网络的复杂结构特性进行度量和分析,发现陆运快递网络是一个小世界网络,其度分布形式为无标度分布,存在明显地与地理位置相关的社区结构,并表现出富人俱乐部现象和节点度异配特性。根据这些结构特性,在BA无标度网络模型的增长和优先连接机制中,引入边的增长机制和节点城市的地理位置因素,构建陆运快递网络演化模型。仿真结果表明,该模型重构了陆运快递网络的主要结构特性,从理论层面揭示了陆运快递网络的生成演化机理,为快递企业在实践中构建地面投递路线提供理论依据。     

一类无标度网络的特征分析

通过对BA模型与其它无标度模型的分析,利用平均场理论,得出在保证增长和优先连接条件下无标度模型的γ值的大小成因.发现了此类无标度网络都具有的标度共同点:新增节点具有固定度时系统的(aki)/(bt)决定了γ的大小,即γ=(b)/(a) 1,从而可以简化分析过程,并且更有利于构造模型,扩展研究思路.通过一个简单的无标度模型来证实结论.     

具有老化机制的阿波罗网络模型

提出了一个具有老化机制的阿波罗网络模型.通过数学解析的方法得到了模型演化网络的节点的度分布和集聚系数的表达式,并推理出网络的平均路径长度是以网络规模的对数形式增长,表明了该网络同时具有小世界和无标度特性.通过计算机的模拟计算,得到的仿真结果与解析结果达到了很好的吻合,同时给出了节点的年龄分布,证明节点获得新连接的概率和年龄呈负相关关系,从而说明了本模型比随机阿波罗网络模型更符合现实网络.最后,分析了网络的可平面性及其对现实的理论指导意义.     

BA模型的三种扩展

无标度网络的发现，使人类对于复杂网络的认识进入了一个新的天地．BA模型是对于这种新认识的第1个抽象模型．由于考虑了系统的成长性和连接的择优性，BA模型给人们带来了很多启发．但是BA模型的两个基本假定，对于解释许多现实中的现象来说过于简单，与现实的网络还有较大的距离．所以，作者试图对BA模型进行扩展，即根据现实中的网络，增添某些假定，并通过计算机模拟进行观察，以便进一步探索复杂网络系统的规律．对BA模型的扩充考虑了3个因素：择优选择的成本；边的重新连接；网络的初始状态．实验结果表明，在考虑了这些因素之后，BA模型的基本结论并没有变化，它们的影响在于演化过程的某些方面，例如在某些极端条件下的演变趋势等．     

基于高聚集性无标度网络模型的微粒群算法

受无标度网络结构特性的启发,将BA模型的"择优连接"机制进行扩展,引入微粒群群体组织方式的构造过程,提出基于高聚集性的无标度网络模型的微粒群算法。算法初期微粒被随机分布在环形结构中,随着搜索的进行不断增加新的微粒,并依据节点度和节点间的距离增加新的连接,最终形成具有高聚集性的无标度网络模型。这样,群体中多数微粒进行局部范围的搜索,而少量微粒按照全局模式搜索,两种方式相互制衡。仿真实验表明,改进后的算法能获得更好的收敛精度和进化速度。     

无标度网络中FDI技术溢出效应

在BA模型中引入技术相似程度这一变量,分析无标度网络的形成过程及其结构特点对FDI技术溢出效应的影响.仿真结果表明,新模型生成的网络具有无标度性.当节点之间的相对于外商的技术相似程度差异较大时,节点度分布变得相对比较均匀.网络中少数连接数较大的节点以及相对于外商高的技术相似程度对FDI技术溢出效应有重要影响,而网络的小世界特性以及节点间技术相似程度的差异,对于大节点企业所产生的影响起到一定的纠偏和调节作用.     

Internet 的一种新的动态演化模型

提出了Internet网络的一个新的演化模型,新模型允许新增节点引向已有节点的连接数随时间变化.仿真结果及理论分析表明,新模型所演化出的网络具备上述所有特点,较好地符合Internet网络的形成特征.     

Rule Extraction from Trained Artificial Neural Network Based on Genetic Algorithm

This paper discusses how to extract symbolic rules from trained artificial neural network (ANN) in domains involving classification using genetic algorithms (GA). Previous methods based on an exhaustive analysis of network connections and output values have already been demonstrated to be intractable in that the scale-up factor increases with the number of nodes and connections in the network. Some experiments explaining effectiveness of the presented method are given as well.     

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。     

基于混合模式的BA无标度网络同步研究

为了解决基于混合模式的BA无标度网络的同步问题,首先,定义了虚拟领导节点和实体领导节点,提出了混合模式领导节点的概念。然后,用有向图表示BA无标度网络的拓扑结构,并根据该拓扑结构建立网络系统的一阶数学模型,在此基础上设计了准周期的离散控制器对领导节点进行复位,通过对领导节点的控制来控制整个网络的同步过程。最后,采用11个节点组成的BA无标度网络进行数值仿真,验证了同步理论的正确性,并分析了网络的同步速度与实体领导节点度之间的关系。     

基于极限学习机的生化过程软测量建模

针对极限学习机方法隐层神经元数目过多的缺陷，提出一种改进的极限学习机方法。在单隐层前向神经网络的隐层中，增加一类分类神经元，从而形成了一种新的单隐层神经网络结构。针对不同类样本数不相同的问题，提出了处理方法，使得可以利用相同的隐层神经元对不同类的学习样本进行拟合，这使得网络的隐层神经元数目大大降低，从而简化了模型的结构，提高了神经网络的计算速度。将这一方法应用于诺西肽发酵过程，建立了菌体浓度的软测量模型，实现了菌体浓度的在线预估。     

DESIGN METHODOLOGY OF NETWORKED SOFTWARE EVOLUTION GROWTH BASED ON SOFTWARE PATTERNS

Recently,some new characteristics of complex networks attract the attentions of scientistsin different fields,and lead to many kinds of emerging research directions.So far,most of the researchwork has been limited in discovery of complex network characteristics by structure analysis in large-scalesoftware systems.This paper presents the theoretical basis,design method,algorithms and experiment results ofthe research.It firstly emphasizes the significance of design method of evolution growth for networktopology of Object Oriented(OO)software systems,and argues that.the selection and modulationof network models with various topology characteristics will bring un-ignorable effect on the processof design and implementation of OO software systems.Then we analyze the similar discipline of“negation of negation and compromise”between the evolution of network models with different topologycharacteristics and the development of software modelling methods.According to the analysis of thegrowth features of software patterns,we propose an object-oriented software network evolution growthmethod and its algorithms in succession.In addition,we also propose the parameter systems for OOsoftware system metrics based on complex network theory.Based on these parameter systems,it cananalyze the features of various nodes,links and local-world,modulate the network topology and guidethe software metrics.All these can be helpful to the detailed design,implementation and performanceanalysis.Finally.we focus on the application of the evolution algorithms and demonstrate it by a casestudy.Comparing the results from our early experiments with methodologies in empirical software engi-neering,we believe that the proposed software engineering design method is a computational softwareengineering approach based on complex network theory.We argue that this method should be greatlybeneficial for the design,implementation,modulation and metrics of functionality,structure and per-formance in large-scale OO software complex system.     

众筹项目的个性化推荐:面向稀疏数据的二分图模型

二分图模型是一种全局优化算法,本文将二分图模型应用于直接推荐众筹项目,使用PersonalRank算法迭代计算网络节点的全局关联度,从而推荐那些基于余弦相似度的协同过滤不能有效推荐的项目,适用性更加广泛.更进一步,提出将二分图模型与协同过滤算法相结合,首先把网络结构划分为二分图,采用二分图算法得到的两类节点(用户节点,项目节点)之间的全局相似度,再结合协同过滤算法,得到基于二分图模型的协同过滤算法.实验表明,在众筹项目推荐中,由于数据极端稀疏,适宜采用二分图模型来进行相似度计算并进行推荐.     

高吞吐量低时延太赫兹超高速无线网络MAC接入协议

针对现有能够应用于太赫兹超高速无线网络的能量和频谱感知的媒介接入控制(energy and spectrum aware media access control, ES MAC)及IEEE802.15.3c协议存在的时隙申请量未及时更新、超帧结构不合理及分配时隙时未合并同一对节点之间的时隙请求等问题,提出了一种高吞吐量低时延MAC(high throughput low delay MAC,HLMAC)协议。通过设计一种新的超帧结构,使节点及时得到时隙分配信息,大大降低数据接入时延;通过更新时隙请求量和合并同一对节点的时隙请求,增加了数据发送量,提高了网络吞吐量。理论分析表明了HLMAC协议的有效性,仿真结果显示它比ES MAC协议增加了65.7%的网络吞吐量,同时降低了30%的接入时延。