复杂网络观察

总结了几位作者对复杂网络研究中存在的重要问题和发展趋势的讨论,其中既包括度分布和度指数的分析和计算,各种不同动力学之间的内在一致性,网络加速增长机制这样的基本问题,也包括了网络中尺度这类细致深入的结构分析.还就复杂网络与其他重要研究方向深入结合的现状和未来展开了讨论,包括复杂网络中的链路预测问题,复杂网络在信息推荐系统中的应用,复杂网络与信息物理系统的可能结合,复杂网络和人类动力学的结合以及复杂网络在国家安全方面可能的重要战略地位.     

物理知识网络的特性分析

为了研究由物理用语组成的物理知识网络的特性,利用复杂网络理论构建了物理知识的二元网络,通过分析发现物理知识二元网络具有复杂网络的特点:物理用语间的平均距离较短;物理知识网络的度分布满足幂律分布;物理知识网络具有层次性模块结构.因此,通过分析物理知识的二元网络特性,可以理解物理教科书所隐含的抽象的物理知识的结构特征.     

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.     

复杂网络及其在军事领域中的应用研究综述

作为一门综合性的学科理论,复杂网络近年来发展迅速,其在军事领域中的应用也成为当前许多学者的研究热点。论文在对复杂网络与军事领域有关问题的相似性简单论述的基础上,重点回顾了复杂网络理论在军事领域中的研究进展,最后对研究过程中存在的问题和发展趋势进行了总结和展望。     

某酸浸冶炼生产物理信息系统的复杂网络特征

以一个实际镍钴酸浸冶炼工业过程为对象,将工艺装置、阀门、检测仪表、执行机构、控制系统抽象成网络的节点,将物流管道、通信线路抽象成网络的边,进而形成复杂信息物理系统网络。通过统计分析,首次发现该生产系统网络的拓扑结构具备复杂网络的典型特征,即无标度特性和小世界特性,同时具有分层结构。最后,通过分析推测其它复杂流程生产信息物理系统所形成的网络也具备类似特征。     

复杂网络理论在反恐战争中的应用

结合杂志"复杂系统与网络"特刊中的两篇论文,讨论了目前使用复杂网络方法在研究恐怖主义集团过程中数据收集方法的不足之处,分析了最新的数据收集手段和其发展方向.同时研究了复杂网络理论只能处理静态网络和易受噪声影响的局限性,分析了动态网络分析技术的优势,指出了复杂网络理论对于网络中心战的重要性.最后,简要评述了复杂网络在反恐战争中应用的现状、意义和缺陷.     

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].     

复杂网络拓扑结构对系统抗毁性影响研究

通讯网络的抗毁性、生物系统的健壮性、物理系统的稳定性都与各自系统内部网络的抗毁性息息相关。为研究复杂网络拓扑结构对复杂网络抗毁性的影响,建立了复杂系统的复杂网络抗毁性模型,以解析推导与计算机仿真相结合的方式研究了两种不同的复杂网络拓扑结构(随机网络和无标度网络)对复杂网络抗毁性的影响。并把仿真结果与解析分析的结果进行了对比分析,结果表明基于多Agent的建模仿真方法是一种研究复杂网络抗毁性的合适方法。     

复杂网络理论中的高阶网络研究综述

复杂网络理论在生物、物理、交通运输等学科领域广泛应用,取得了丰硕的研究成果。但越来越多的研究者发现,以往基于成对关系、同质性关系、路径无记忆性等基本假设的复杂网络研究无法捕捉复杂连接关系所具有的多重性、异质性、时序性等重要信息。新的考虑连接关系重要信息的复杂网络被学术界称为“高阶网络”。通过网络构建、可视化、结构度量和动力学过程四个方面对高阶网络研究进行评述,发现现有高阶网络研究的不足,并指出未来研究方向。     

满足辐射状约束的编码和遗传算子及其在配电网重构中的应用

针对现有配电网络重构智能算法因编码和求解方法无法保证网络满足辐射状约束而造成的寻优效率低、难以适用于大规模复杂网络的问题,引入了一种被称为"节点的名称-深度-度数"表示法(node-depth_degree representation,NDDR)的数据结构对配电网络进行编码,并基于NDDR编码构建了有明确物理意义的遗传算子.所提出的方法能够保证初始种群及遗传操作生成的所有染色体对应的网络都满足辐射状约束,避免了现有方法为满足网络辐射状约束而需要反复校验和修复网络的问题,计算负担大为减轻.3个经典测试系统和3个大型实际配电系统的测试结果表明:所提方法收敛速度快、稳定性好,能够高概率地得到问题的最优解;与环路编码的遗传算法相比,求解大规模实际复杂网络的计算时间大幅减少,能在短时间内得到高质量的解,具有良好的实用价值.     

基于网络信息的社会动力学研究

主要介绍了传染病、谣言与计算机病毒、社会标签、网络通信以及社会群体等的社会动力学研究概况,阐述了复杂网络、系统动力学、人工社会以及ACP(人工社会+计算实验+平行执行)等社会动力学研究中常用的4类研究方法,分析了社会动力学在公共安全以及电子商务等相关领域的应用状况,并强调了现有社会动力学研究过程中所遇到的一些问题.     

面向复杂问题的贝叶斯网建模方法

面向复杂问题的贝叶斯网的建模是一项系统工程,必须遵循一定的流程和方法。建立了面向复杂问题的贝叶斯网建模流程,分为问题分析,模型设计与模型测试三个阶段。阐述了每个阶段所应完成的任务和解决方法,并在模型设计阶段,提出了将专家知识和数据融合的贝叶斯网构造方案。最后总结了建模过程中的简化原则。     

用于大工业过程建模的新型小波神经网络结构

提出一种新的小波神经网络结构 ,旨在解决输入变量比较多、变量分先后次序起作用的一类问题。该网络结构类似于多层前向神经网络 ,不同的是将一部分输入节点移至隐层 ,输入变量不是由同一层输入 ,而是根据变量起作用的前后次序分别在网络的不同层输入 ,从而使网络的规模减小 ;同时 ,隐层神经元的激励函数是一维小波函数 ,避免了多元小波函数带来的维数灾难问题。因此 ,该神经网络是处理高维问题的有效工具 ,尤其适用于包含多道加工工序的大工业过程的建模。将该神经网络用于热连轧产品质量建模 ,并经过了实测数据拟合与检验。试验结果表明 ,提出的小波神经网络结构是可行的 ,而且有很好的应用前景。     

网络--探索复杂性的新途径

简单系统由于非线性关系可以呈现复杂行为，而复杂系统可以遵循简单规则自组形成、近年来，作为探索复杂系统结构和功能的复杂网络引起了国际科学界的高度重视，已成为数理科学、生命科学、社会科学、技术科学和管理科学的研究热点之一．论文首先介绍了在复杂网络研究方面已经取得的某些进展，从典型模型．重要概念，网络分类一直到网络结构涌现，其中也包括了作者所做的工作；然后对某些值得注意的问题做了简短的评述．     

大规模复杂决策问题求解的2+3模型及其分形性质

决策过程的任务是,选择一组互相联系的决策变量(决策行动、决策函数),在给定的环境条件或初始条件下,使一组互相冲突的要求得到某种意义上的满足。 研究决策方法的目的,是为了发现控制成功的复杂决策过程的一般规律,尤其是涉及开放的复杂巨系统的决策过程的一般规律,以便能够构造处理大规模复杂决策问题的决策支持系统。所谓开放的复杂巨系统,是指这样的系统:1)系统本身与系统周围的环境有物质的、能量的、和信息的交换;2)     

Statistical Identification of Important Nodes in Biological Systems

Biological systems can be modeled and described by biological networks. Biological networks are typical complex networks with widely real-world applications. Many problems arising in biological systems can be boiled down to the identification of important nodes. For example, biomedical researchers frequently need to identify important genes that potentially leaded to disease phenotypes in animal and explore crucial genes that were responsible for stress responsiveness in plants. To facilitate the identification of important nodes in biological systems, one needs to know network structures or behavioral data of nodes(such as gene expression data). If network topology was known, various centrality measures can be developed to solve the problem; while if only behavioral data of nodes were given, some sophisticated statistical methods can be employed. This paper reviewed some of the recent works on statistical identification of important nodes in biological systems from three aspects, that is,1) in general complex networks based on complex networks theory and epidemic dynamic models; 2)in biological networks based on network motifs; and 3) in plants based on RNA-seq data. The identification of important nodes in a complex system can be seen as a mapping from the system to the ranking score vector of nodes, such mapping is not necessarily with explicit form. The three aspects reflected three typical approaches on ranking nodes in biological systems and can be integrated into one general framework. This paper also proposed some challenges and future works on the related topics. The associated investigations have potential real-world applications in the control of biological systems, network medicine and new variety cultivation of crops.     

区域环境-经济系统的动态仿真——以南水北调后的湖北省襄樊市为例

运用 BP网络 ,就南水北调工程对湖北省襄樊市生态环境和社会经济的影响进行了动态模拟 .对BP网络进行复杂系统建模的限制和适用条件 ,作者进一步进行了讨论并提出了解决方案 .     

用并行遗传算法求复函数方程根的设计和实现

探讨用PGA解优化问题的方法来解求复函数方程全部根的问题.提出了一种基于并行遗传算法的复函数方程求根算法,并得到令人满意的结果算法简单实用.给出了该算法的设计和具体实现.     

复杂群决策系统的适应性及其决策机理研究

随着社会上各类群决策问题的不断发展,例如上市公司董事会决策、政府宏观规划与战略决策以及网络招投标决策等,所有的这些群决策问题都呈现了一些新特点,传统的群决策理论已逐渐显得无能为力,需要发展新的群决策理论体系。最近兴起的复杂性科学理论为研究此类群决策问题提供了一种新的研究视角。鉴于上述研究背景,本文首先运用复杂适应系统理论分析复杂群决策系统的适应性特性,其次对复杂群决策系统的决策机理进行深入剖析,最后对复杂群决策系统的管理与控制问题进行探讨。     

基于路径约束的动态时间规整方法研究

针对某些领域应用动态时间规整(dynamictimewarping,DTW)存在的计算复杂性问题,提出了基于路径约束的DTW算法。首先通过建立原始模式的分段线性模型,生成该模型的初始规整路径,然后构造原始模式规整路径的全局约束。实验结果表明,这种算法能够保证匹配精度,有效地提高运算速度,适于解决动态多变量复杂系统和过程的故障诊断问题。