基于复杂网络的银行网点布局研究

现实银行网点的布局存在一定的不合理性,利用复杂网络的方法,首先提出了一种基于复杂网络的银行网点布局和网点优化模型;接着对模型进行了分析并与相关研究方法进行了对比;最后利用该模型对太原市农业银行网点布局进行了研究和网点布局调整,得到较为合理的网点布局.     

复杂网络中连通支配中心性的计算

分析了现实生活中对重要节点的需求背景,对连通的网络模型提出了一种新型中心性评价指标,连通支配中心性。该中心性利用网络连通支配集的"连通"和"支配"两大特性,通过循环构建点导出支配子图的连通支配集,生成一棵支配关系扩展有向树。然后基于各节点在该有向树中的支配层次数,支配数和支配边权值3方面的属性,设计了反映节点支配能力强弱的中心性计算公式。最后以合作关系图为例进行相应实验,发现连通支配中心性比较高的节点不仅构成了网络的骨干网,能较好地维持网络基本形态,而且能桥接几个不同研究分区,起到一定的中介作用,体现了网络中节点的组织控制能力。     

基于一个移动锚节点的无线传感器网络节点定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一,对此提出了一种基于移动锚节点的两步定位算法。该算法利用一个移动锚节点遍历整个网络,并周期性的广播包含自身当前位置的信息。把传感器节点的自身定位过程用基于无迹状态滤波(UKF)的目标跟踪方法实现。由于所用的目标状态模型和量测模型有一定的不确定性,所以先选取不共线3个锚节点信息,利用三边定位法提高滤波的初始位置精度,从而改善定位效果。最后仿真并分析比较了锚节点在多种移动轨迹情况下节点定位误差,结果表明本文所述两步定位法改善了对锚节点移动轨迹的特殊要求的限制,更适合实际情况,并取得理想的定位精度。     

基于邻接信息熵的网络节点重要性识别算法

通过研究节点与其直接相邻和间接相邻节点之间的关联关系,提出了基于邻接信息熵的网络节点重要性识别算法,算法只需获取节点与其直接邻居及间接邻居间的关联关系,通过计算网络各节点的邻接度,进而计算各节点的信息熵,利用节点信息熵的大小表征节点在网络中的重要性.通过对一个基础网络、无向无权ARPA网络和加权有向ARPA网络进行实验仿真,证明该算法对不同类型网络的通用性;利用该算法对网络按节点重要性进行节点删除实验,研究网络形成子网络的数量与规模,证明了算法的准确性.     

卫星时变拓扑网络节点重要度评估方法

针对卫星网络拓扑结构的时变特征,通过构建时变拓扑图序列模型,将卫星时变拓扑网络分解为一系列具有稳定状态的拓扑图结构。综合考虑节点在网络中的全局性影响和局部性影响,以节点介数、节点紧密度和节点距离的重要度贡献为度量参数,提出了稳态卫星网络节点重要度评估方法,设计了卫星时变网络节点重要度评估算法,通过典型实例验证了算法的准确性和有效性。实验结果表明,该方法能够有效地区分卫星时变网络节点重要度差异,准确评价卫星节点对卫星网络资源的控制能力。     

基于数据场的复杂网络节点影响力建模与仿真

复杂网络节点影响力的研究是数据挖掘的重要组成部分。挖掘出复杂网络中有影响力的节点不仅具有重要的学术意义,且有助于抑制流行病的爆发、控制谣言的传播和推广电子商务产品等。通过选取每个节点的混合度分解值(Mixed Degree Decomposition,MDD)作为质量,将复杂网络抽象为数据场,结合数据场模型来识别有影响力的节点,并与一些著名的节点中心性方法进行对比。使用经典的传染病模型(Susceptible-Infected-Recovered,SIR)通过对比感染节点的数量来评估仿真性能。对实际网络的仿真实验结果表明,数据场模型能够有效的识别网络中有影响力的节点。     

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.     

基于复杂网络的作战网络模型抗毁性研究

在构建作战网络模型的基础上,采用复杂网络理论对该网络模型进行抗毁性研究。通过网络模型中作战环数量的变化,分析了网络模型的鲁棒性和脆弱性。以舰艇编队作战网络为例进行仿真实验,通过对各类边进行模拟攻击,得出了各类边数量与作战环数量的定量关系,实验结果表明决策器之间的连接对作战网络的抗毁性最为敏感。     

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。     

具有时变拓扑结构的复杂网络的牵制控制

研究了一类具有时变拓扑结构的线性延迟耦合的复杂网络模型,网络的内、外耦合矩阵都具有时变性,建立了一个新的混沌动力学模型,结合线性反馈控制、牵制控制等方法,运用Lyapunov稳定性理论得到了新的网络同步准则,数值仿真验证了结论的有效性。     

基于拓扑势的社会通信网局域中心性分析

针对社会通信网络中心性度量问题,在CDMA手机通话数据的基础上构建社会通信网络,引入新的局域影响力度量指标——拓扑势,结合度、介数和接近度等经典参数,对社会通信网络局域中心性进行实证分析.发现社会通信网络节点度、介数和拓扑势的累积分布均服从漂移幂律分布,接近度为正态分布;另外,随着用户局域影响范围σ的增大,其局域中心性大小与其联系人数目和连接中介能力的正相关性逐渐减弱,而与其在网络中拓扑位置的正相关性增强.     

基于遗传禁忌混合搜索算法的设备布局研究

针对设备布局影响制造系统的总体功效的问题,但同时遗传算法在实际应用中,出现早熟现象,爬山能力弱,等一系列缺点提出遗传禁忌混合搜索算法,该算法将遗传算法和禁忌搜索相结合,遗传算法的交叉算子中增加记忆功能,避免迂回搜索,以禁忌搜索作为遗传算法的变异算子。通过实例计算,证明遗传禁忌混合搜索算法是一种行之有效的算法,对解决设备布局这类组合优化问题具有实用价值。     

基于图拉普拉斯嵌入的合成孔径雷达时变窄带干扰抑制算法

合成孔径雷达(synthetic aperture radar, SAR)作为一种宽带系统, 常与同频段内其他有源电磁系统发生冲突, 这些信号相较于宽带SAR系统而言, 大部分是窄带干扰(narrow-band interference, NBI), 会对高分辨SAR成像系统产生严重干扰。早期关于NBI抑制问题的研究中, 很少有人注意到NBIs在不同脉冲之间可能具有局部时变特性, 这削弱了某些经典方法在干扰抑制上的性能。因此, 本文提出了一种图拉普拉斯嵌入(graph Laplacian embedding, GLE)算法, 通过在不同脉冲信号之间构建拉普拉斯嵌入关系来抑制NBIs。这使得局部时变的干扰能够被嵌入到非线性低维流形中, 并被有效去除。对实测受NBI干扰的SAR数据进行处理, 处理后的结果证明了所提方法的有效性。     

时变转移概率IMM-SRCKF机动目标跟踪算法

给出了一种交互多模型(interacting multiple model,IMM)算法中Markov转移概率矩阵在线修正的方法,并将平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SRCKF)引入到IMM算法中,提出一种时变转移概率的机动目标跟踪IMM-SRCKF算法。该算法利用当前量测中包含的模式信息,对IMM算法中的转移概率矩阵进行实时递推估计,避免了常规IMM算法中转移概率先验确定的困难,提高了模型切换速度和跟踪精度;同时,SRCKF以目标状态协方差的平方根进行迭代更新,确保了滤波过程中协方差矩阵的对称性和半正定性,改善了数值精度和稳定性。仿真实验结果表明,该算法对机动目标的跟踪性能优于常规的IMM及IMM-CKF算法。     

基于复杂网络的谣言传播模型

分析了谣言传播的心理学机制和敌我双方的对抗策略, 引入谣言属性变量并藉此建立了平均场下的谣言传播新模型. 借助严格一阶随机占优和严格二阶随机占优的概念分别讨论了谣言属性、敌我双方干预强度、网络结构特征和谣言传播效果之间的关系,提出并证明了具有重要管理意义的4个命题. 通过仿真实验进一步验证了命题的正确性.     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

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.     

基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

基于多层Hopfield神经网络的配电网网络规划

分析了配电网网络结构规划模型,在此基础上提出用Hopfield神经网络进行网络结构规划.针对城市电网辐射状运行的特点,提出多层Hopfield神经网络模型、对应的能量函数以及参数选择规律.多层Hopfield神经网络的每一层对应于一个负荷点的供电线路,能量函数的建立同时考虑到各层的状态.提出一种新的基于多层Hopfield神经网络的配电网网络结构的规划算法,该算法通过使能量函数降到最低值,可以求得配电网网络规划问题的最优或近似最优解.新算法无需对线路编码、无需对数据进行归一化处理,更加易于编程实现.实例计算表明该方法可行、有效.