浸润理论及其在三角债问题中的应用

浸润现象是普遍存在的，它的形式化定义（称之为浸润理论）是对这一现象本质内涵的抽象，它反应了一种由某些相关关系联系起来的网络结点间的数据驱动动态模式。一旦将这样一个相关网络赋予某种语义定义，就能以浸润理论为数学模型，刻画并模拟网络的动态演化过程。以三角债问题作为一个应用实例，将其形式化，并在大量数据实验的基础上，研究了如何使清除三角债所需的政府专项清债贷款最少，以及不同的清债策略对清债结果的影响。     

影响图及其在Robocup中的应用

影响图是决策问题的图形表示。它被认为是对动态贝叶斯网络的扩展，是在贝叶斯网络的基础上增加了决策结点和效用结点。探讨影响图在Robocup中的应用，用分层影响图表示了截球问题的模型，并给出一种实现行为动态调整的算法。仿真结果表明该算法可行的。     

基于粗糙相似度的有向网络链路预测

有向网络的链路预测,不仅要考虑边上两个结点之间的共同邻居的作用,还要考虑结点所处局部群落中其它结点的作用。本文首先定义一个结点的出度集合和入度集合分别是以它为弧头的有向边对应的弧尾结点和以它为弧尾的有向边对应的弧头结点构成的集合,构建一条有向边的局部群落为弧头结点的出度集合和弧尾结点的入度集合并集;用粗糙集理论表示局部群落,用粗糙相似度度量有向边弧头结点的出度集合和弧尾结点的出度集合,并直接用于预测这条有向边是否存在;粗糙相似度的计算过程为,借助结点固有的出度和入度属性对出度集合和入度集合进行知识分类,用两个集合的上近似集或下近似集元素个数的差值占群落元素数比例确定;在两个实际微博关注关系有向网络上检验了粗糙相似度指标的有效性,并与4个经典指标进行链路完整条件下的预测精度对比和链路缺失的条件下的预测能力对比。     

基于Petri网模型的Ad Hoc网络可生存性分析

基于Ad Hoc网络动态拓扑结构难以用模型精确描述的特性,建立了可以表示网络中任意两个结点之间动态数据传输关系的Petri网模型,通过计算两个结点连通的概率和在规定时间内成功传输给定长度数据的概率,对网络的可生存性进行了研究,同时举例分析了结点传输范围和平均邻居结点数目两个网络因素对可生存性的影响。实验结果可以指导用户对网络可生存性进行度量,或根据实际的可生存性需求,调整相应的网络参数。     

求解网络最小流的双向增流算法

堵塞是以人为主体的运输网络在随机流动情况下经常发生的一种现象。本文在网络堵塞流理论研究的基础上提出网络最小的基本概念，并从组合优化角度定义了网络最小流问题，提出了求解网络最小流的双向增流算法。     

基于蓝牙的无线传感器网络

提出了一种基于蓝牙技术的无线传感器网络,它采用基于信息触发的星型网络拓扑和节能工作模式,使得一个蓝牙主结点可以控制从结点的个数远大于7个,有效降低了每个传感器结点的功耗,加强了传感器结点的安全管理。     

复杂适应系统Internet中的网络流量仿真研究

网络流量与网络带宽的关系是网络研究的一个重要课题，论文用复杂适应系统理论及基于Agent的模拟方法，对Internet复杂适应系统的网络流量与网络带宽的关系进行了模拟仿真，即在Swarm平台上构建了一个基于多Agent的随机网络流量动态模拟系统．在该系统中，首先定义了Agent行为规则及策略，然后通过多个Agent交互作用及多个Agent与周围环境之间的相互作用和影响，模拟出整个系统宏观层次的涌现特征：网络带宽被占用约50％左右时，出现震荡现象．该现象将对下一代互联网的建设提供理论参考．     

描述离散动态系统的集合标识Petri网:STPNs

基于经典Petri网,进行了标识和语义扩展,定义了集合标识Petri网(Set-TokenSPetriNets,STPNs).在定义STPNs时,构造了携带属性集合的抽象的信息标识,称为集合标识;将大规模个体按照属性层次分组,每组作为一个元素定义在属性集合中,解决了Petri网规模随着标识规模的增大而膨胀的矛盾.在语义上,进行了控制结点、路由结点、通讯弧和结点时间延迟以及针对集合标识的集合运算和结点函数等扩展.STPNs增强了Petri网描述离散事件动态系统(DEDS)的随机特性和控制特性的能力,能够作为用仿真技术研究大规模DEDS的有效建模工具.     

基于支持向量回归神经网络的时间序列预测

为了选择神经网络的最好结构以及增强模型的推广能力,提出一种自适应支持向量回归神经网络(SVR-NN).SVR-NN用支持向量回归(SVR)方法获得网络的初始结构和权值,自适应地生成网络隐层结点,然后用基于退火过程的鲁棒学习算法更新网络结点参数和权值. SVR-NN有很好的收敛性和鲁棒性,能抑制由于数据异常和参数选择不当所导致的"过拟合"现象.将SVR-NN应用到时间序列预测上.结果表明,SVR-NN预测模型能精确地预测混沌时间序列,具有很好的理论和应用价值.     

青岛市公交线路网络复杂性分析

从复杂网络的角度,分析了青岛市公交线路网络的统计性质.定义了城市公交线路网络,基于该定义建立了青岛市的公交线路网络,对该网络的度值分布、度的分布、公交线路长度与公交线路所对应的结点的度关系及网络权的分布进行了分析,并计算了网络平均度、平均最短路长、平均权等统计信息,结果表明青岛市的公交网络较为便捷.     

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.     

基于复杂网络理论的电力网络关键线路识别

从复杂网络理论角度出发,提出了一种基于网络凝聚度的电力网络关键线路评价方法。方法着重关注电力网络的全局状态,综合考虑电力网络中各节点之间的连通能力,以及网络中节点的数目,通过观察输电线路断开前后电力网络凝聚度的变化量,来衡量电力网络中各输电线路的重要程度。通过将研究的计算结果与文献中已有的基于网络效率的关键线路评价方案的结果进行对比,以及在拓扑结构和动力学角度上进行仿真验证,均说明了提出的关键线路衡量方法是合理且有效的。     

航班运行风险网络的传播与控制改进

为探究航班运行风险的产生、传播与控制过程, 首先统计华北区域航班运行数据共计76个风险节点。然后，采用偏秩相关系数构建风险网络, 再使用社团模块探测算法与三角最大滤波法验证网络适用性。并且, 提出一种适用于航班运行风险分析的SEIR(susceptible-infected-exposed-recovered)模型。根据动力学传播结果, 聚类定位网络传播中关键节点。最后, 采用前置预防与战术处置两类控制方案。计算结果表明，仅控制5个节点后, 感染峰值可降低18.44%, 峰值时间推后两个周期, 起降等重要操纵节点被感染次数平均下降11.74%。该方案在感染峰值、感染周期、重要节点感染3个方面的抑制效果均占优。以上结果证实, 所提方案可有效用于航班运行风险问题分析。     

基于Kullback-Leibler距离的网络节点一致性排序

在复杂网络中,重要节点比其它节点能更大程度地影响网络的结构与功能.如何评价节点之间的相对重要性,找出重要节点,是一个重要的研究课题.已有的节点重要性评价和排序方法存在一定的局限性.为此,本文综合节点基本属性,依赖网络拓扑特性,提出基于Kullback-Leibler距离的节点一致性排序方法.最后,通过实例分析,验证了本文方法较已有方法在不同类型网络上的有效性和适用性更强.     

含目的地选择的城市交通网络非稳定均衡分析

为了完善现有的城市交通流均衡分配理论,研究了城市交通网络中的非稳定均衡状态。利用添加虚拟节点和虚拟路段的超级网络建模方法,将出行者的出行与否决策、目的地选择决策以及出行路径选取决策归入一个抽象的网络中进行研究,利用变分不等式理论将网络的非稳定均衡问题转化为易于处理的一般交通流分配问题。研究结果表明:只有结合出行者的出行与否决策与目的地选择决策,才能使交通流分配的结果更符合现实;网络非稳定均衡状态确实存在,出行者出行与否的最高费用标准越高,实际的网络出行流越大。     

无标度物流网络中延误扩散临界条件的仿真研究

针对无标度物流网络延误扩散发生的临界条件,应用平均场理论,建立以延误节点密度为标度的常微分方程,求解延误扩散的临界条件;通过设计物流网络中延误扩散仿真系统,生成具有无标度属性的虚拟网络,对临界条件进行了仿真验证。研究结果表明：无标度物流网络中存在少数具有较高度值的关键节点,一旦这些节点出现服务障碍,将导致更大范围内的延误和更快的延误扩散速率。     

蜂群无人机系统的网络鲁棒性设计

针对蜂群无人机系统作战周期短、链路质量快速变化的特点,引入灰预测方法,提出了一种小样本条件下的链路快速评估算法。在此基础上,实现对节点的度分布进行快速估算,为蜂群无人机系统网络鲁棒性控制提供数据基础。然后将平均一致性方法与渗流理论中的MOLLY-REED准则相结合,克服了MOLLY-REED准则需要全网泛洪及不适合应用于蜂群无人机系统的缺点。最后通过配置节点的度分布,建立对节点损失具有高鲁棒性的网络拓扑结构。仿真结果表明,所提出的方法可有效提高蜂群无人机系统的通信网络对节点损失的鲁棒性。     

基于加权路由策略的复杂网络拥塞控制研究

复杂网络的最短路由策略易导致网络吞吐量低,流量分布不均,在关键节点处产生拥塞.本文提出一种基于加权路由策略的拥塞控制机制,用节点的介数作为节点边的权重,将网络变成加权网络,数据包按加权网络最短路径路由.介数的计算采用基于区域中心节点近似估算法,降低了介数计算的复杂度.仿真结果表明,加权路由策略能有效避开拥塞程度严重的节点,克服了介数较大节点成为网络传输瓶颈的问题,显著改善了网络的拥塞情况,提高了网络的吞吐量和传输能力.     

根据粗糙集理论进行BP网络设计的研究

提出了一种根据粗糙集理论进行ＢＰ网络设计的方法,它结合了粗糙集理论的强大的定性分析能力和ＢＰ网络的准确的逼近能力,得到一种可理解性好、计算简单、收敛速度快的神经网络模型．这种神经网络的学习算法的要点是：应用粗糙集的理论和方法,从给定学习样本数据中发现一组规则,并根据这些规则去建立网络模型中相应的隐层节点;然后用ＢＰ算法迭代求出网络的参数,从而完成网络的设计.