网络演化中讨价还价策略的研究

根据重复博弈中的讨价还价策略,提出一种网络演化算法,对网络特性进行分析,研究影响网络社团结构的因素。仿真实验结果表明,在不改变节点个数情况下,复杂网络仅进行边的演化。另外,网络的度分布服从幂律分布,其具有较高的聚集系数,且网络社团结构可以被优化。     

伪度优先演化网络的社团结构研究

复杂网络中的两个节点,随着时间的推移,由于利益冲突,可能会采取一些行动,合作或者背叛,对于背叛过多的节点,需要断开重连,这也恰好反映了现实情况。根据重复博弈中的tit-for-tat策略,提出了一种伪度优先算法,研究了在不改变节点个数情况下,复杂网络的统计特性。仿真结果表明,该算法可以优化网络的社团结构,不改变网络的无标度特征,经过演化的网络度相关系数小于0,说明度大的节点倾向于与度小的节点连接。     

基于随机重连的复杂网络社团结构特性分析

复杂网络的社团结构特性本质上是由网络的几阶度分布决定一直是网络科学领域悬而未决的问题之一。在保持网络一阶、二阶和三阶度相关特性不变的情形下,利用随机重连方法和社团检测算法研究了复杂网络的社团结构。通过对四种现实网络进行多次不同阶数的随机重连,发现一阶、二阶重连后,社团结构特性均随着重连次数的增加急剧下降,并在重连次数充分大后趋于稳定值。而保持网络3阶特性不变的随机重连所构造的网络,则可以很高的精度呈现原有网络的社团特性,从而表明网络的社团结构,可以由三阶度相关特性有效地刻画（不需要更高阶）。提供了一种网络构造方法,即利用3阶重连可构造体现现实网络社团结构等拓扑特性的随机网络。     

复杂网络的一种快速局部社团划分算法

为了快速准确地寻找大规模复杂网络的社团结构,文中基于节点度优先的思想,提出了一种新的寻找复杂网络中的局部社团结构的启发式算法.该算法的基本思想是从待求节点出发,基于节点的度有选择性的进行广度优先搜索,从而得到该节点所在的局部社团结构.由于该算法仅需要利用到节点的局部信息,因此时间复杂度很低,达到了线性的时间复杂度.将该算法应用于社会学中经典的Zachary网络,获得了满意的结果.最后,还分析了如何对该算法加以改进以进一步提高准确度.     

一种基于聚集系数的复杂网络社团划分算法

;社团划分算法是复杂网络研究中的一个热点问题,为发现复杂网络中的社团结构,更好的研究复杂网络的社团性质,本文利用网络中聚集系数提出了一种新的社团划分的算法,该算法综合运用复杂网络中点和边的信息,根据节点和边的聚集系数,计算出节点问的连接紧密程度,由局部到整体来划分出所有的社团结构。传统的复杂网络社团划分算法通过获得全局网络的信息,但随着网络规模的增加,获得全局网络的信息的难度也随之增加,本文提出的新算法避免这一难度所带来的问题。将该算法应用到Zachary空手道俱乐部网络和海豚社会网络,测试结果证明了该算法的可行性。     

基于局部信息的复杂网络社团结构发现算法

发现网络中的社团结构有助于更好地理解网络结构和分析网络属性。通过定义边的聚类系数和基于局部信息的方法,提出了一种寻找复杂网络中社团结构的算法。该算法首先在网络的剩余节点中寻找度最大的节点,然后利用该节点的局部信息、边的聚类系数和凝聚的思想,得到复杂网络的社团结构。在两个典型网络上的测试结果表明了该方法的可行性。     

一种基于聚集系数的局部社团划分算法

社团划分算法是复杂网络研究中的一个热点问题.传统的复杂网络社团划分算法都必须获得全局网络的信息.随着网络规模不断增大,获得全局信息的难度随之增加;而在很多情况下只关心网络中某节点所在的局部社团.为了准确、快速地找到大规模复杂网络中的局部社团,提出了一种基于节点聚集系数性质的局部社团划分算法.该算法根据节点的连接频度,利用节点聚集系数的性质,从网络中某一待求节点开始,通过搜索邻居节点,划分该节点的社团结构.该算法只需要了解与待求节点相关的局部网络信息,在解决局部社团划分问题时其时间复杂度比传统的社团划分算法低.同时,该算法也可以应用于复杂网络全局社团结构的划分.利用该算法分别对Zachary空手道俱乐部网络和由Java开发工具包构成的软件网络图进行社团划分实验,并且分别对实验结果与对象网络的具体特征进行了对比分析.     

基于社团强度系数的社团结构发现算法

社团结构是复杂网络普遍存在的拓扑特性之一.为了将复杂网络中的社团结构有效地划分出来,在对强社团定义的基础上,引入社团强度系数的概念,提出了一种基于社团强度系数的社团结构发现算法.该算法具有较低的时间复杂度,通过不断寻找网络最大度数的节点及其邻居节点,计算其社团强度系数来衡量社团如何划分.主要针对Zachary网络和Dolphin网络等进行了仿真实验,结果表明该算法具有较高的社团划分准确度、较好的敏感性和良好的可扩展性,充分验证了其可行性和有效性.     

一种基于社团结构的局域复杂网络模型

BA模型用增长和优先连接两个机制解释了复杂网络的基本特性幂律分布,局域世界模型通过注意到优先连接是限制性的而进行了进一步的发展,本文认为局域世界模型中局部集团中的节点事实上是有着密切关系的,因而在新节点加入时采用GNM算法进行社团分解产生局部集团,提出基于社团分解的局域复杂网络模型(CLW模型).我们进行的理论分析和实验模拟表明,CLW模型具有小的网络平均最短路径,同时它的平均聚类系数要远大于局域世界模型,更接近于真实的复杂网络.     

基于节点依赖度和相似社团融合的社团结构发现算法

社团结构作为复杂网络的拓扑特性之一具有重要的理论和实践意义。提出一种基于节点依赖度和相似社团融合的社团结构发现算法,首先根据依赖度和相似度的定义将整个网络划分成若干个平均集聚系数较大的局部网络,构成网络的基础骨架社团;然后根据连接度的定义不断将社团边缘的节点和小社团吸收到相应的骨架网络中去,直到所有节点都得到准确的社团划分。算法在Zachary空手道俱乐部网络和海豚社会网络中进行了社团划分实验,并与GN算法和Newman快速算法进行了比较,结果表明该算法可以有效地划分社团边缘的模糊节点,社团划分结果具有较高的准确度。     

基于Q值法的负载均衡调度算法研究

随着网络的普及,大型网络游戏的开发,网络超载与超负荷时常发生,如何在调度算法层面上实质性的改变这一状况成为当务之急。本文将具体介绍一种基于Q值法的负载均衡调度算法改变这一状况,该算法在国内属首创。     

配电网中基于分簇定位的WSN节点故障定位研究

针对电网故障检测中使用的无线传感器网络节点定位精度较低,分簇不均问题,提出了一种基于DV￣Hop算法改进均值粒子群算法(PSO),首先DV￣Hop算法改进均值粒子群算法中粒子的速度与位移,使动态无线传感器网络重新定位簇头节点坐标更加接近真实值;然后递归神经网络学习算法迭代值逼近最合适的惯性权重值,优化均值PSO粒子群算法使其达到最优搜索能力。最后由Sink节点对每一次动态分簇后网络节点进行数据采集后对电能耗尽的节点进行无线充电。仿真结果表明,改进后的PSO算法比PSO算法聚类分簇误差更小,节点定位配电网故障的精确度提高12.8％,有效地延长了网络生命周期。     

基于合作博弈的移动代理网管任务协作模型

为提高网络管理任务性能,需要研究在复杂网管任务下多移动代理协作问题 .由于传统代理协作模型(如合同网协议)并不适合大规模网络中复杂任务的代理协作,不能保证协作模型中个体代理性能的稳定 .为此合作博弈理论成为移动代理的网管任务协作问题的重要途径,在该协作模型中,单个功能代理被视为具有自主意识的主体,它具有自身的效用函数评估个体的性能 .将代理协作问题转化成为凸联盟博弈模型并利用Shapley值作为协作模型中任务分配合理性的评判标准,并基于上述理论模型,提出3阶段的任务协作算法 .     

一种能耗均衡的WSN分布式拓扑博弈算法

无线传感器网络（wireless sensor network,WSN）中通常节点能量受限,节点间能耗不均衡会导致网络生命周期缩短.针对该问题,综合考虑节点的能量效率和能耗均衡,通过引入阿特金森指数设计了一种改进优化的综合效用函数;基于此,建立了一种能耗均衡的拓扑博弈模型,并证明了该拓扑博弈模型是序数势博弈且存在帕累托最优;提出了一种能耗均衡的WSN分布式拓扑博弈算法（DTCG）.通过仿真实验及对比分析表明,相较于其它基于博弈理论的拓扑控制算法,DTCG算法能在保证网络连通性和鲁棒性的前提下,降低节点发射功率,拥有更好的能量均衡性和能量效率,可以有效延长网络生命周期.     

基于隐马尔可夫随机场的社区结构发现算法

针对社区结构发现问题,提出了一种基于隐马尔可夫随机场社区发现算法.该方法将网络中的顶点度数映射为顶点信息值,用马尔可夫随机场模型描述网络中上下文信息并构造系统能量函数,使用迭代条件模式算法对能量方程进行优化.该方法在Zachary空手道俱乐部网络、海豚关系网络以及美国大学足球联赛网络上进行验证,实验结果表明,该算法的准确率较高.     

基于演化博弈的无线传感器网络分簇算法

针对无线传感器网络中节点负载过重与能耗不均衡而出现网络能量空洞的问题，基于演化博弈理论建立一种簇头竞选的博弈模型，同时提出一种基于演化博弈的无线传感器网络最优成簇算法。运用节点的剩余能量、数据接收能耗和数据转发能耗设计簇头演化博弈的收益函数，并将最优发射功率控制机制应用于簇成员的选择，从而形成稳定连通的网络分簇结构。仿真实验表明该算法平衡了节点负载，从而均衡网络能量，有效改善网络中过早出现能量空洞的问题，进而延长了网络生存时间。     

SWARM在博弈论中的仿真分析研究

首先概要阐述了博弈论的发展与困难,其次探讨了SWARM技术形成与复杂适应系统CAS的联系并仿真分析了一个重复博弈模型,最后对SWARM在博弈论中的应用作了展望。     

基于博弈论的能量均衡路由算法

针对传感器网络能量不均衡且网络性能易受自私节点影响的问题,利用博弈论的思想,构建了均衡能耗的博弈模型(EBGM)。该算法从激励节点合作行为出发,引入能量关注因子,摒除传统博弈算法以剩余能量作为调整转发意愿的唯一标准,转而根据节点现有能量比例与邻居能量比例的差异程度进行调节。对EBGM模型进行理论分析,证明了纳什均衡点的存在性,且其能够趋于帕累托最优。仿真结果表明,EBGM模型能够促进节点合作行为、均衡能量开销、延长网络的整体生存周期。     

基于演化博弈的最优防御策略选取研究

无线传感器网络极易遭受各种安全威胁,基于博弈论的入侵检测方法能有效平衡网络的检测率和能耗,但是基于完全理性假设的传统博弈模型存在不足。因此,针对不同的攻击方式,引入演化博弈理论,从攻防双方的有限理性出发,构建入侵检测攻防演化博弈模型,然后利用复制动态方程分析了攻防双方策略的演化趋势,提出了最优防御策略选取算法。仿真实验表明了所提模型的合理性和算法的有效性,与其他策略相比,所提防御策略更贴合实际应用场景,在保证检测率的前提下,减少了资源消耗,延长了网络生存时间。