机群多编队作战网络自同步

提出机群多编队协同作战复杂网络模型,基于复杂网络自同步原理,研究网络节点动力学和耦合强度给定不变情况下,网络拓扑结构对作战网络同步能力的影响。针对作战网络特点,以最大化网络同步能力和不同层级指控节点效能为优化目标,作战网络指控结构和作战环境对通信拓扑的限制为约束条件,建立作战网络自同步优化模型。采用遗传算法,通过调整作战节点之间的通信结构对上述模型求解。仿真实验表明,获得的优化网络在保持作战网络结构特点的同时,具备更小的网络特征值比和更快的一致性收敛速度。     

复杂网络的同步和拓扑结构的识别

简要介绍中国在复杂网络同步和拓扑结构识别方面的研究进展,特别是课题组在这些方面的工作.     

证券指数的网络动力学模型

基于复杂网络的分析方法，由香港证券市场的恒生指数（HSI）构建一个加权证券指数网络，通过对网络连接矩阵最大反比参与率厦其对应本征矢量的计算。得到了四个网络拓扑重要性节点，发现具有拓扑重要性的证券指数网络节点具有很好的统计稳定性，这说明香港证券市场在统计意义下是动力学稳定的而不是随机的。识别这些具有拓扑统计重要性的节点对应的证券市场指数的波动模式，利用复杂网络的拓扑结构来反映证券指数波动的动力学相互关联和作用，为证券市场动力学性质的研究提供了一种新的方法。     

复杂网络及其在国内研究进展的综述

从复杂网络模型的演化入手,在简要介绍复杂网络统计特征的基础上,对国内关于复杂网络理论及其应用的研究现状从两方面进行综述:一是对国外复杂网络理论及应用研究的介绍,包括复杂网络理论研究进展的总体概括、复杂网络动力学行为以及基于复杂网络理论的应用研究介绍;二是国内根植于本土的复杂网络的研究,包括复杂网络的演化模型,复杂网络拓扑性质、动力学行为,以及复杂网络理论的应用研究等。并结合复杂网络的主要研究内容,对今后的研究重点进行了分析。     

当前复杂系统研究的几个方向

复杂系统与复杂性科学被誉为21世纪的科学,是吸引跨学科广泛注意的新型交叉科学。简要概述了复杂系统研究的几个重要方向,包括网络同步、网络交通流、新一代信息网络的结构和动力学、演化合作博弈、生物网络复杂性、人类动力学和信息物理学。     

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。     

基于复杂网络视角的农产品价格波动和机理分析

为深入研究中国农产品价格波动和传导机制,选择籼稻、粳稻、小麦、玉米和大豆等5种大宗农产品为代表,借助符号动力学方法建立了农产品价格同步传导复杂网络模型。研究了该网络波动幅度和强度分布、聚集系数、强度与聚集系数相关性等网络拓扑性质,并以中国1997年4月到2012年12月期间相关价格数据进行了实证分析。最后提出了新形势下中国农产品价格调控的对策及建议。     

基于元胞自动机的网络群体事件舆论同步的涌现机制

以自发形成的网络群体事件的同步舆论为研究对象， 建立了基于元胞自动机的复杂系统集群行为的非线性涌现模型， 揭示了个体从众心理对网络舆论演化动力学的影响. 研究结果表明， 在个体从众性同质的情况下， 存在使网络舆论同步的阈值， 当个体从众性较大时， 网络群体事件舆论趋于同步； 当从众性较小时， 群体态度演化成具有明显社团结构的多个舆论方向. 个体从众性异质时， 网络舆论表现为一个主流舆论与多个小规模舆论方向共存的复杂特征. 网络群体事件发生初期， 参与规模的扩大会迅速促进舆论同步的涌现， 而在后期， 新节点的参与不会进一步提高舆论同步涌现的效率.     

生物神经网络系统的动力学研究进展及展望

生物神经网络系统是复杂的非线性动力学系统,其动力学研究是国内外关注的一个重要课题.本文概括性地介绍神经网络系统的动态特性及影响因素,包括时滞和噪声对神经元网络的同步,同步转迁和随机共振的影响,并且介绍神经网络系统的建模问题.由于生物神经网络通常是动态的系统,因此建立模型要考虑网络如何受时变连接方式的影响,最后对今后研究给出一些展望.     

拓扑可调无标度网络上的雪堆博弈研究

复杂网络上博弈个体间合作行为的涌现具有重要的现实意义.为了研究无标度网络拓扑结构对合作涌现的影响,结合雪堆博弈模型和比例模仿策略,研究了拓扑结构可调的无标度网络上的博弈动力学演化,具体研究内容为网络的幂律指数、平均度和平均聚类系数与合作密度的关系.仿真结果表明,无标度网络的合作密度与网络度分布的均匀程度正相关,高聚类结构可以有效增强网络上的合作密度,即幂律指数越高,平均聚类系数越小时,合作水平越低;另外,平均度与合作密度呈现非单调关系,存在一个最佳平均度.