有先行者优势的确定性网络

提出了一个确定性网络模型.模型考虑了新生成节点有不同的强弱状态,用节点度刻画节点的强弱,即强节点的度比较大.通过解析计算,得到了网络的特征系数,其特点是幂律度分布、大集聚系数和幂律簇度相关性,即模型生成了一个无标度层次网络.认为网络是无标度的是由于其生成方式上的特点,越早生成的节点拥有的度越大,这与BA(Barabási-Albert)无标度网络生长方式相似.如果节点度代表了个体拥有的资源、能力及社会关系等,那么越早生成的节点度越大,恰好对应于占先策略,即先行者优势.     

基于无标度网络的最大度二分度搜索策略

在复杂网络研究领域的现实网络中,大多数实际网络的分布都呈现幂律分布的无标度网络,因此在研究这些网络搜索算法的过程中,如何在同一个网络的不同网络结构中采用更为有效的搜索算法成为在网络搜索算法策略研究的重点.基于最大度的搜索算法在复杂网络的网络结构中更适用于幂律分布指数区间内的无标度网络,因此为了更加充分地利用无标度网络的度分布特性,将最大度搜索策略与二分度策略有效结合进行搜索,从而使得相关搜索策略存在的问题得以改善,并得到高效的搜索结果 .文章从理论分析和实验结果证明了这一点.     

BA无标度通信网络的级联故障研究

研究了通信网络在不同通信负载下的鲁棒性问题.采用BA无标度网络作为通信网络模型,采用大度节点优先的局域结构路由策略,研究了网络在自由畅通态的级联故障.仿真研究表明:网络的鲁棒性、平均效率随网络中信息产生速率的增加而减小;当网络处于临界拥塞态时,攻击网络中10％的节点,网络中会有约50％的节点由于级联而失效,攻击网络中20％的节点就会使网络的效率变为零;当网络中节点负荷较轻时,攻击网络中40％～50％的最大度节点也可使得整个网络崩溃.     

《上海理工大学学报》编辑委员会

提出了一个确定性网络模型,模型考虑了新生成节点有不同的强弱状态,用节点度刻画节点的强弱,即强节点的度比较大.通过解析计算,得到了网络的特征系数,其特点是幂律度分布、大集聚系数和幂律簇度相关性,即模型生成了一个无标度层次网络.认为网络是无标度的,由于其生成方式上的特点,越早生成的节点拥有的度越大,这与BA无标度网络生长方式相似.如果节点度代表了个体拥有的资源、能力及社会关系等,那么越早生成的节点度越大,恰好对应于占先策略,即先行者优势.     

一个有先行者优势的确定性网络

提出了一个确定性网络模型,模型考虑了新生成节点有不同的强弱状态,用节点度刻画节点的强弱,即强节点的度比较大.通过解析计算,得到了网络的特征系数,其特点是幂律度分布、大集聚系数和幂律簇度相关性,即模型生成了一个无标度层次网络.认为网络是无标度的,由于其生成方式上的特点,越早生成的节点拥有的度越大,这与BA无标度网络生长方式相似.如果节点度代表了个体拥有的资源、能力及社会关系等,那么越早生成的节点度越大,恰好对应于占先策略,即先行者优势.     

一种基于社团和分层思想的无标度演化模型

针对复杂网络节点度分布服从幂律分布问题, 给出一种基于社团和分层思想的无标度演化模型. 该模型利用转轮思想和限制节点度改进了无标度模型的优先连接策略; 加入分层结构优化了无标度网络的搜索; 将局域世界模型中的局域世界思想引入到模型中, 并利用社团结构改进了局域世界模型中局域世界的不确定性问题.  理论分析证明了模型的度分布服从幂律分布, 且幂律指数可调.  模拟实验结果表明, 模型有较小的平均路径长度和较大的聚类系数,  且两层网络搜索效率优于单层网络搜索.     

基于节点吸引力的可调参数复杂网络模型

针对真实网络的生长演化规律,以及BA无标度网络模型和原始的节点吸引力模型在择优连接以及生成网络统计特征方面所存在的问题,综合考虑复杂网络生长演化过程中节点度和节点吸引力的择优连接特性,提出了一种基于节点吸引力的可调参数复杂网络模型. 理论研究与仿真实验分析表明,基于节点吸引力的可调参数复杂网络模型可以有效生成结构稳定并与实际网络统计特征很接近的复杂网络,通过调节模型参数可以灵活调整网络的生长演化过程. 模型生成的网络度分布仍然服从幂律分布,并且具有较高的群集系数和平均路径长度.      

一类点边同时变化的无标度复杂网络模型研究

在BA模型的基础上,提出了一个能较好描述现实复杂网络特征的无标度网络模型.该模型的节点和连边能同时发生变化,即新节点的加入和旧节点的删除,旧节点的再生连接和删除.运用连续介质理论和平均场理论建立起与之对应的演化方程,并计算出了它的严格解,导出了该模型的度分布和幂律指数的表达式.研究分析表明:该模型能自组织演化成无标度网络,其幂律指数在1~3范围内,这与现实中的许多复杂网络相吻合,因此,该模型更具有一般性.     

Master方程的修正及其对BA模型度分布的计算

Master方程是计算无标度网络度分布演化规律的一种常用方法.提出了对原始的Master方程进行修正,加入了节点增长机制,修正后的Master方程具有离散性,能够更精确、更有效的计算真实复杂网络的度分布演化规律.用修正的Master方程分析BA模型度分布的解析式并计算,由此得到BA模型度分布对数图.把离散性的Master方程与连续性的平均场理论进行对比分析,并在同一坐标系下分别做出用两种理论计算的BA模型度分布的对数图.     

超网络中的紧密相关集和组度分布特性研究

超网络是描述真实世界事物间日趋复杂关系的最一般且无约束的数学模型,其无标度特性是重要的研究内容.超网络无标度特性的研究基础是超度的分布特性,但是超度的定义是着眼于单个节点的.为了探究超网络中广泛存在的群体特性从而更充分地发掘超网络表示复杂系统的结构优势,本文扩展了超网络中超度和超度分布的概念.在提出的紧密相关集概念的基础之上,给出了组度的定义,进而提出了组度分布的定义.随机均匀超网络的理论解析结果显示其组度分布服从泊松分布.已有的按BA模型推广构建的超网络模型(通常称为无标度超网络)的超度服从幂律分布,仿真实验表明,其组度也服从幂律分布.在真实超网络上的研究发现,超度的分布特性并不能完全决定组度的分布特性.本文的研究结果可以充实超图理论的内容,对超网络中群体特性的研究具有借鉴意义,同时也有利于拓宽网络科学的应用范围.