几种Kuramoto振子网络同步性能的比较

本文采用Kuramoto相位振子作为网络节点进行同步研究.以序参量作为同步性能的描述指标,首先仿真研究了BA无标度网络中控制增益对同步性能的影响,得出了网络实现全局同步的临界耦合强度.然后比较研究了ER随机网络、NW小世界网络和BA无标度网络几种不同网络结构下的Kuramoto振子系统的同步性能,研究表明BA无标度网络...     

对次近邻单向耦合振子的同步研究

【目的】在Kuramoto局域耦合振子平均场模型基础上,探讨在非对称耦合作用下一维闭合环上次近邻Kuramoto相振子的同步动力学行为。【方法】在最近邻单向耦合振子的动力学模型的基础上,建立次近邻单向耦合振子的动力学模型来研究少数耦合极限环系统的行为;通过数值模拟,得出平均频率、系统序参量与耦合强度的关系;通过理论分析少体系统的动力学稳定性。【结果】通过比较文献,证明次近邻单向耦合振子对同步存在影响。当在少数耦合极限环系统下(N≤6),耦合强度大于一定阈值时,所有振子都被同步到平均频率上,序参量随耦合强度的增加而趋于1,而在振子较多(N6)时,在系统同步区域的序参量会出现多定态分支。【结论】一维闭合环上考虑次近邻耦合振子在非对称耦合作用下同步区域呈现多同步定态。非零稳态出现分支现象与耦合振子系统大小有关。     

角速度加权的Kuramoto振子在网络中同步的研究

研究以Kuramoto位相振子作为小世界网络节点的动力学,考察初始角速度加权耦合方式对网络同步的影响。数值模拟结果显示,当以相连接的两个振子初始自旋角速度的比值作为加权耦合系数时,网络序参量随耦合系数的增加不再是单调递增的关系,而是在某一确定耦合强度k附近网络同步达到最大值;继续增加耦合系数,网络序参量反而减小,网络的同步性能减弱。将该耦合方式应用于无标度网络,得到相似结论。     

基于随机交叉机制的同步优化网络模型

在不改变网络度分布的前提下,采用随机交叉机制对网络的同步能力进行优化,提出了一种无标度网络的同步优化网络模型．在同步能力提高的过程中,观察网络匹配特性、聚类系数、特征路径长度和最大介数的变化趋势．仿真结果表明,对于类型Ⅰ无标度网络,最大介数与同步能力没有相关性,而对于类型Ⅱ无标度网络,最大介数随着同步能力的增加而减小．无论哪一种类型的无标度网络,网络同步能力增加时同配特性均降低．     

信号灯随机更新的城市交通网络模型

【目的】改进二维元胞自动机模型(BML模型),使其更好模拟实际城市交通网络。【方法】利用元胞自动机方法,建立信号灯随机更新的城市交通网络模型。【结果】数值模拟发现,信号灯的同步对城市交通网络的影响较大,且随机更新的引入使得网络系统的临界密度大幅度降低。【结论】同时调整信号灯的分布和信号变换周期能有效控制交通网络,解决由于信号灯随机更新所造成的系统临界密度变小的问题。     

基于影响力传动的Kuramoto股市预测模型

文章基于同步振子Kuramoto模型,提出了影响力传动的Kuramoto股市趋势预测模型(IT-KFM)。IT-KFM模型运用贝叶斯网络构建振子之间的结构关系,引入影响力传动,给出传动因子量化方法,将传动因子的传动参数加入到原Kuramoto模型中,进而根据不同振子间相位协方差的趋势变化分析和预测股市趋势,实验结果证明,IT-KFM算法相对于标准的SVM网络,在股票的走势预测方面有较好的预测效果。     

两种提高星形网络同步能力的方法比较

提出和比较了两种提高星形网络同步能力的方法,即随机加边方法和异配加边方法.研究结果表明,两种加边方法都能使星形网络的同步能力随加边概率p的增大而增强,且当加边概率p较小时,异配加边方法能更好地提高星形网络的同步能力;而当加边概率P较大时,则是随机加边方法更能提高星形网络的同步能力.     

聚类系数可调的类星形无标度网络模型

在网络平台空前发展的背景下,提出了一个由简单规则构造的聚类系数可调的类星形无标度网络模型.在模型的演化过程中,每个新加入的节点都通过两步连边的方式连接到网络中,其中一部分连边始终连到几个固定节点上,其余边按度优先机制随机连到其他非固定节点上.理论分析和数值仿真的结果一致表明,该模型同时具有无标度,小世界和类星形的特性.有趣的是,不仅度分布的幂指数依赖于固定节点个数δ和连边数m,而且聚类系数也受δ和m的调控,不同的是δ对聚类系数的影响很大,m对其影响较小,这样使得聚类系数具有很大的调节空间.进一步研究发现,该网络的同步能力也随固定节点个数的增加而增强.     

复杂网络上的爆炸式同步

耦合振子系统的同步是统计物理和复杂系统研究的重要领域之一.过去几十年的研究表明,该系统中绝大多数同步化相变都是连续相变(二级相变),即序参量通过相变点后连续增长.但是最近发现在某些耦合振子系统中,同步可以表现为爆炸式(一级相变).其特征为序参量通过相变点后出现突然的跃变,并且随耦合强度变化,向前和向后的相变过程不可逆,存在磁滞区.由于爆炸式同步化与连续相变同步化有着本质上的不同,所以这一发现开拓了新方向,具有十分重要的意义.本文综述了这一方向目前的重要成果,主要包括频率和度关联振子系统的爆炸式同步、频率权重Kuramoto模型中的爆炸式同步、拥护者和反对者耦合网络中的爆炸式同步、多层网络上的爆炸式同步,以及爆炸式同步的形成机制和实验验证等.这些工作不仅极大地加深了我们对于复杂系统同步化的认识,促进同步理论的发展,而且能够为将来在相关领域的应用打下基础.     

网络同步中节点重要性分析

通过引入网络节点收缩方法,本文分析了网络节点在同步中的重要性,并从理论上说明了无论无向链、无向环还是无向星形网,节点收缩后网络的同步能力都是增强的.然而,对于经典的BA无标度网络和WS小世界网络,当对不同的节点进行收缩时,从数值计算的结果来看,收缩后网络的同步能力既有增强的,也有减弱的.这种现象表明网络节点在同步中的作用各不相同,既有抑制同步的,也有促进同步的.基于这个现象,在网络同步的实际应用中,我们需要有选择性的对具有不同功能的节点施加控制,从而达到有效利用所有节点的目的.     

陶瓷涂层材料多模态数据表征学习

陶瓷涂层具有耐高温、耐腐蚀、耐磨损等特性, 其热膨胀系数和热导率等参数与其性能息息相关. 为解决陶瓷涂层性能实验成本高、测试困难等问题, 提出了陶瓷涂层材料多模态数据表征学习的性能预测方法. 首先利用高斯混合模型虚拟样本生成(Gaussian mixture model virtual sample generation, GMMVSG)算法生成符合真实陶瓷涂层数据分布的样本来扩充数据集; 其次利用卷积神经网络 VGG16 对陶瓷涂层的显微结构图像数据进行特征提取, 利用 TabNet 对结构化数据进行特征提取, 将提取到的图像数据特征与结构化数据特征融合; 最终根据多模态数据表征建立基于K-最近邻(K-nearest neighbor, KNN)、支持向量机回归(support vector regression, SVR)和多层感知机(multi-layer perceptron, MLP) 3 种机器学习算法的预测模型, 对陶瓷涂层的性能指标, 即热膨胀系数和热导率进行了预测. 实验结果表明: 提出的多模态数据表征学习模型的预测结果要优于单模态数据表征学习模型, 其中基于 MLP 算法训练的多模态数据表征学习模型对陶瓷涂层性能的预测效果最好; 在测试集中, 对陶瓷涂层热膨胀系数预测的平均绝对误差(mean absolute error, MAE)和均方误差(mean square error, MSE)分别为 0.026 6 和 0.001 7, 对热导率预测的 MAE 和 MSE 分别为 0.017 9 和 0.000 7. 所提出的陶瓷涂层材料多模态数据表征学习方法有效融合了结构化数据与非结构化数据, 联合学习了各模态数据的潜在共享信息, 成功提升了对陶瓷涂料层材料性能预测的准确度.     

一种非线性BA模型研究

幂律分布是无标度网络的一个关键特性.在非线性BA模型理论的基础上,给出了图G*(m,N,β)的构造算法,并且在0＜β＜1、β＞1和β→+∞3种形式下研究了该模型,获得了不同β取值条件下Pr[D=k]的分布规律.     

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.     

规则网络中流耦合作用对爆发式同步的影响

耦合振子系统的爆发式同步是许多生物系统自组织动力学行为的内在机制之一,因而倍受关注.考虑到现实生活中许多振子之间的相互作用是非对称性的,通过理论分析和数值计算方法,详细研究了规则网络中,流耦合作用对耦合相振子系统爆发式同步动力学行为的影响.结果表明,非对称的流耦合作用,在具有特定频率空间分布的耦合相振子系统中,有利于促进耦合相振子系统产生爆发式同步.耦合系统达到爆发式同步所需的临界耦合强度与流耦合强度成线性关系.此外,在同步区间可观察到集中锁相和分散锁相两种同步形式共存.通过理论分析,给出了流耦合作用对促进耦合相振子系统爆发式同步的内在机制.研究结果可以为更好地理解非对称耦合作用下耦合相振子系统的自组织现象提供理论支持.     

优化网络布置费用的遗传算法

【目的】针对网络布置费用的优化问题,利用基本遗传算法的良好搜索性能,设计出优化网络布置费用问题的遗传算法。【方法】通过分析网络布置费用的优化问题,抽象出网络模型,并将该问题转化为求解无向图中最小生成树的问题。【结果】基于遗传算法基本原理和抽象出的网络模型,设计出一种优化网络布置费用的遗传算法。【结论】应用遗传算法解决网络结构优化问题,可以让用户在短时间里获得一个比较满意的结果。     

基于搜索效率的复杂网络多模型并行演化分析

很多真实的复杂网络呈现无标度性．但是,这些网络为什么在增长过程中遵从优先连接规则？现有研究尚未给出有力的解释．一个合理的猜想是：这些网络如果不遵从优先连接规则,则将处于不利的地位．为证实这一猜想,采用搜索效率作为评价指标,量化评价不同演化模型的优劣．首先提出一种新的复杂网络并行演化模式,使得同一网络中不同的局部遵从不同的演化模型,从而在统一的基础上比较不同演化模型搜索效率的优劣．以BA无标度网络、WS小世界网络和随机网络为基础,构建了异质复杂网络．其次,采用随机游走搜索策略和DS最大度搜索策略,比较遵从不同演化模型的异质子网的搜索效率,力图解释复杂网络中演化模式同质化的原因．实验发现一种“信息壁垒”现象,即处于劣势的网络模型,其所属节点很难被其他模型的节点访问到．实验结果表明：对于以搜索为重要功能的复杂网络,无标度网络具有最强的适应性,从而在一定程度上解释了无标度现象在众多现实复杂网络中存在的原因．     

具恢复机制的相依电力-信息网络连锁故障传播

为了研究具有恢复机制的电力-信息网络连锁故障传播,基于相依网络理论,建立了IEEE300节点系统电力网与双星型结构信息网的电力-信息相依网络模型.分析复杂网络统计特征参数可知,电力网和信息网均具有小世界和无标度特性.利用相依电力-信息网络的连锁故障模型,对BA,WS和ER 3种不同的相互依存网络进行鲁棒性分析,提出了一种具有恢复机制的相依网络连锁故障传播模型.仿真结果表明,与目标恢复机制和随机恢复机制相比,依赖恢复机制的恢复级别更高,而且这种优势随着故障阈值的减少而提高.