复杂网络理论及其在航空网络中的应用

复杂网络理论是对复杂系统的高度抽象，它突出强调了系统的拓扑特征，其中许多性质如小世界性质、无标度性质等等已经得到了广泛的研究。本文从复杂网络的统计特性、结构模型以及在航空网络中的应用3个层次系统回顾了复杂网络的基本理论和应用现状，期望对航空网络规划问题的研究起到一定的借鉴作用。     

汉语句法网络的复杂性研究

旨在研究汉语句法网络的复杂性和复杂网络指标作为一种语言学研究手段的可行性,给出了如何按照依存句法树库构建句法网络的方法,自建了两种不同语体的汉语句法网络,对平均路径长度、聚集系数和度分布等复杂网络指标进行了测度.结果表明,两个句法网络和随机网络的平均路径长度和直径大致相当,但句法网络的聚集系数要远远大于随机网络,句法网络的度分布符合幂律,因此两种句法网络均为小世界和无尺度网络.发现两种语体的句法网络直径相同,但在平均度、平均路径长度、聚集系数和幂律指数方面则有较明显的差别.     

复杂网络研究与复杂现象

复杂网络研究为探讨复杂系统的性质提供了一个新的视角。简述了复杂网络的基本概念，对网络的结构与功能作了概略的介绍，包括小世界网和无标度网的结构特点。通过对小世界网络中小世界特征的度量，讨论了复杂网络对复杂系统研究的启示，并对生物进化过程中生物的复杂性增加在蛋白质相互作用网络中的体现做了尝试性的说明，以此为基础，对随机性与规则性之间可能产生的复杂现象进行了初步讨论。     

复杂网络理论及其应用研究概述

从统计特性、结构模型和网络上的动力学行为三个层次简述复杂网络相关研究，并着重介绍了网络上的传播行为，认为它代表了复杂网络在社会经济系统中的重要应用。     

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。     

网络集团度的幂律分布

复杂网络的群落结构以及基元-模块-网络三级结构对网络的结构和功能都有重大的影响.本文提出了集团度的概念,它是网络节点度的推广,可以量化网络中各阶基元的密度.实证研究显示,大量不同领域中抽象出来的网络都具有近似服从幂律的低阶集团度分布.通过与随机热化后的网络进行比较,本文验证了集团度的幂律分布是独立于幂律度分布之外的真实网络新的统计特性.另外,随着所统计的集团阶数的上升,其相应的集团度分布的幂律指数呈现下降的趋势.     

基于节点批量生长机制的无标度网络演化模型

基于网络新生节点批量生长的机制,提出了一种无标度网络演化模型.模型中考虑了新生节点之间的耦合模式,并引入了新的参数,使其更符合现实网络的演化形式.采用主方程法对模型的度分布进行了解析,并通过数值模拟验证了模型具有无标度特性.而且,不同参数取值下较大的簇系数及平均路径长度为网络规模对数成长的特性也表明了该模型具有小世界效应.     

基于复杂网络的大脑功能连接研究

应用复杂网络方法研究数学认知的一个基本过程--背诵过程中大脑功能连接的特征.利用功能磁共振成像(fMRI)得到的数据,建立了不同认知任务下的大脑功能网络.对不同网络的分析表明,不同认知任务下,大脑功能连接虽然有一定的区别,但都具有相同的特性:功能连接的度分布呈power-law分布,网络的平均最短距离与对应的随机网络相...     

具有随机性的确定性网络模型

为了进一步研究复杂网络的统计特性,简单介绍了复杂网络的几个统计指标,给出了一种通过边的迭代方式生成一种确定性网络模型的方法.在此模型构造算法的基础上对网络的个别特性进行了推导,并通过计算机编程构造了模拟网络,对比了不同规模模拟网络的部分统计特性.由推导结果和模拟数据可知,迭代生成的网络具有较小的平均路径长度和较大的群聚系数,度分布服从指数分布.因此可判断出生成的确定性网络既具有小世界特性,又具有完全随机网络的特性.     

具有无尺度拓扑与小世界效应的Sierpinski网络

复杂网络是目前国内外研究的热点之一,而分形则被认为是上个世纪学术界的一个重要发现.根据Sierpinski垫这一著名的分形结构,构建了一类确定性网络,称为Sierpinski网络.提出了生成该网络的一个迭代算法,使抽象的网络构造变得具体而直观.研究发现该网络具有与许多现实网络相似的结构特性:幂律度分布、较高的集聚系数和较小的直径.     

基于网络模体特征攻击的网络抗毁性研究

真实网络如生物神经网络、食物链网络中含有模体结构。但对于这种含有模体特征的网络,并没有一种针对性的攻击策略与之对应,在此基础上提出了模体度代数算法和一种模体攻击失效方式,设计了不同于传统攻击的模体攻击策略。对已检验出的具有明显模体特征的2个仿真网络,5个不同规模的实证网络利用该策略进行模体攻击,并与传统的点攻击方式进行对比研究。仿真结果表明:含有模体特征的网络在模体攻击下的抗毁性明显低于传统的点攻击策略,且在模体特征较明显的网络中模体攻击策略对网络的破坏性更加显著。     

从网络科学视角探索企业合作网络

基于网络科学的观点和方法,建立了企业合作网络模型,考察了企业合作网络,通过数值仿真计算了该网络的特性,与实例相比较,研究结果能够反映出在不同属性下的企业的不同排名状况.这说明该模型可以作为企业之间的合作伙伴选择的一种方法,可以在虚拟企业网络相应建模中予以应用.     

基于博弈模型与NetLogo仿真的网络攻防态势研究

针对现有建模方法缺乏对攻防博弈行为与态势演化趋势的分析问题,从对抗角度出发分析网络攻防博弈特征;基于非合作不完全信息静态博弈理论建立网络攻防博弈模型,给出收益量化、博弈均衡计算和策略对抗结果判定方法;构建网络攻防博弈多Agent仿真模型;采用NetLogo开展局中人不同策略组合、不同初始数量等场景下的仿真实验,得出网络攻防态势随时间演化情况,通过对比分析仿真结果,给出扭转网络攻防态势的建议。     

复杂网络实证研究——中国教育网

通过对中国教科网中.edu.cn域名下的网页进行搜索,建立了一个由366 422个网页和540 755条网页之间的超链接构成的复杂有向网络———中国教育网。经分析发现该网络的网页分别处于四个不同的层次上,各网页自组织连接构成一个复杂有向网络。大部分节点具有入连接边,只有少数节点具有出连接边,既有入连接边又有出连接边的节点就更少,节点度分布尾部呈幂律分布。该网络演化时,网页的增添通常仅在各高校子网中选择有关网页进行连接,不会在整个中国教育网中去择优连接。根据中国教育网的这些特点提出了该有向网络的演化模型,模型反映了中国教育网的一些主要特征。     

基于多Agent系统网管模型的形式化建模

运用多Agent系统实现分布、自治的网络管理是构造下一代网络管理系统的一条全新思路。然而,大多数基于多Agent系统的网管模型均采用非形式化的方法进行描述,容易造成人们对模型理解的歧义性和在系统开发过程中的随意性。一种利用有色Petri网对分布式网络管理模型进行形式化建模的方法被提出。利用该方法所建立的形式化模型,能够对分布式网管模型中多Agent系统的组成结构和运行机制进行全面刻画,能够描述模型中用到的Agent的各种特性。     

基于生物实体的网络服务突现

自然生物系统中的关键机理和重要原理可用于设计一种新颖的生物网络结构及其仿真平台，以满足未来Internet网络的关键需求。本文在此仿真平台基础上实现了具有移动Agent和生物个体特点的生物实体及其行为算法，并根据生物实体的特点构建了各种服务，最后通过仿真实验验证了基于生物实体的网络服务构建的优点。生物网络的服务突现，将为设计未来网络节点中的智能服务和应用提供一种新颖的方法。     

路线机动时间守恒与CPM网络机动时间不守恒理论

机动时间特性研究是对项目进度进行科学管理的基础.为了分析路线机动时间和关键路线法(CPM)网络机动时间特性,本文利用几类机动时间概念,特别是总时差,前、后共用时差,双单和双共时差,在机动时间定理基础上,提出了路线机动时间守恒定理及推论、CPM网络机动时间不守恒定理和最大最小值定理,并给予了严格证明.最后,通过算例,进行了分析和验证.     

无检测器交叉口交通流量预测的灰色神经网络模型

为解决一般预测方法要求原始数据量较大,而无检测器交叉口获得的交通流量数据又非常有限的矛盾,提出了一种基于灰色神经网络的无检测器交叉口交通流量预测方法。通过选择不同长度的历史数据构建不同的灰色预测模型,对于不同灰色预测模型得到的预测结果再使用神经网络进行组合,该方法综合了GM预测所需原始数据少、方法简单,而神经网络具有非线性拟合能力的特点。以107国道新市站2002年观测的交通流量作为原始数据,采用灰色神经网络进行时交通流量预测,结果表明了该方法是有效可行的。     

排刷式剥叶元件剥叶性能的BP 神经网络预测

由于剥叶性能直接影响到甘蔗收获机械的收割性能,为了客观有效地对剥叶性能进行预测,提出了BP神经网络预测方法.针对剥叶元件性能的特点,采用正交试验法构造训练样本,以保证网络具有较高的泛化能力,同时对该训练样本建立了回归分析模型,以检验BP网络模型的输出精度.在此基础上,利用已建立的神经网络预测模型对影响剥叶性能的各因素取值的不同组合进行仿真分析,以确定各因素取值的最优组合.结果表明,BP神经网络的预测模型比回归模型具有更高的输出精度,进行剥叶元件的性能预测与优化是可行且有效的.