基于复杂网络的财富分布的仿真研究

基于网络结构对财富增长的影响, 针对财富动态增长性及其重分机制, 定义影响力系数, 提出一类财富总值不断增长的网络模型. 应用系统方程得到财富总值、节点度以及累积财富的时变方程. 经过具体分析可知, 影响力系数可调节节点度对财富增长的影响力度, 它对网络结构和累积财富值影响很大. 数值仿真表明, 调节影响力系数可降低基尼系数, 促使财富分布更趋近于均匀化, 且在一定条件下节点度与累积财富呈近似线性关系.

     

基于局域网络的加权财富演化模型

基于复杂网络理论, 考虑到局部连接、成本以及收益分配, 构建一个基于局域网络的加权财富演化模型. 首先应用率方程法推导出节点度分布和财富分布的动力学方程, 理论分析和数值仿真表明, 网络模型的节点度与财富值均符合幂律分布; 然后, 通过分析聚集系数、度相关性、财富分布以及财富熵等统计量, 发现该网络是一个负向匹配网络, 网络中的财富分布是不均衡的, 个体间财富异质性与结构参数  r 以及M 相关; 最后结合实证进行了说明和验证.

     

融合节点覆盖范围和结构洞的影响力最大化算法

影响力最大化是社交网络分析中的一个重要问题,旨在挖掘可以使得信息在网络中传播范围最大化的一小组节点（通常称为种子节点）。基于网络拓扑结构的启发式影响力最大化算法通常仅考虑某单一的网络中心性,没有综合考虑节点特性和网络拓扑结构,导致其效果受网络结构的影响较大。为了解决上述问题,提出了一种融合覆盖范围和结构洞的影响力最大化算法NCSH。该算法首先计算所有节点的覆盖范围和网格约束系数;然后通过覆盖范围增益最大原则选择种子节点;其次,若存在多个节点增益相同,则按照网格约束系数最小原则选取;最后,重复上述步骤直至选出所有种子节点。NCSH在不同种子数量和不同传播概率条件下,在六个真实网络数据集上均保持着优异的效果,在影响力传播范围方面,比同类的基于节点覆盖范围的算法（NCA）平均提高了3.8%;在时间消耗方面,比同类的基于结构洞和度折扣的最大化算法（SHDD）减少了43%。实验结果表明,NCSH能有效解决影响力最大化问题。     

改进的加权复杂网络节点重要度评估方法

针对加权复杂网络中的节点重要度评估问题,提出一种改进的基于凝聚度的节点重要度评估方法。综合考虑节点的连接特性对节点重要度的影响,引入节点连边的重要度评估,将节点的重要度表示为节点自身重要度与其连边重要度的加权和,通过调节加权比例系数,分析节点连边重要度对节点重要度排序及节点相对重要性的影响。算例分析结果验证了改进方法的可行性和有效性。     

基于复杂网络的智能电网网络攻击影响分析研究

文章基于复杂网络理论,将智能电网抽象为由节点、边构成的拓扑网络结构,分别从仿真网络构建和网络攻击仿真模拟两个方面建立了基于复杂网络理论的智能电网网络攻击仿真流程。首先,构建仿真网络并分析仿真网络节点度分布和节点度数累积概率分布情况,得出该网络为无标度网络的结论。其次,进行网络攻击仿真模拟,设置两种攻击情形,分别为针对智能电网全部网络节点进行随机攻击(情形1)和针对智能电网网络中度数大于最大度数80%的节点进行攻击(情形2),通过对比分析两种攻击情形中的网络聚类系数、平均度、平均路径长度的变化特征,得出在对网络聚类系数的降低方面,情形1的作用小于情形2的作用;在平均度变化和网络平均路径长度影响方面,情形1的影响高于情形2。     

基于密度聚类的增量动态社区发现算法

现实世界中社交网络中的节点和边随时间动态增加或消失,导致网络中的社区结构也随之发生变化,因此,文中提出基于密度聚类的增量动态社区发现算法.首先,基于改进后的DBSCAN生成初始时刻社区.然后,提出边变化率指标,并结合余弦相似度指标确定相邻时刻邻居发生变化的节点及其邻居节点的社区归属调整.在进行社区归属度计算时,不仅考虑节点直接邻居的影响,还考虑间接邻居的影响.最后,通过迭代更新模块度增益进行社区合并,以减少噪声社区的干扰.在人工数据集和真实数据集上的实验表明,文中算法可以有效应对网络结构突变和增量计算累积误差带来的影响,具有较低的时间复杂度.     

局域世界删除演化网络模型

针对局域世界网络演化模型对于真实网络的描述过于简化的现象,提出局域世界删除演化网络模型。在网络的演化过程中既考虑了增加节点适应度对网络结构的影响,又对节点的删除和边的删除进行了探讨。研究表明增加节点的适应度可以使新节点加入时对已有网络节点的选择不只与已有网络节点的度有关;无论是删除节点还是删除边都会增加网络中度为1及度为2节点的比例,增加网络的平均路径长度,减小网络的聚类系数;随着局域世界的增大,kmax及网络的聚类系数都会增加。因此增大局域世界能够补偿删除所带来的影响。     

网络度相关及其传播特征研究

现实世界网络的连接具有多种相关性,其对网络拓扑结构、动态行为特征等都有重要影响.针对网络中节点之间的度值相关性,提出一种基于给定网络或度序列构造具有极大和极小连续匹配系数网络的方法——最大加权覆盖,并利用匹配系数分析了网络结构与度相关性之间的关系.在此基础上,基于连续匹配系数网络,通过仿真及理论推导研究了度相关特征对病毒传播速度、传播阈值和稳态感染率的影响.发现异配网络会加速病毒的传播,而传播速度对同配网络具有更高的敏感性.此外,从免疫策略角度的研究表明,以大度值为目标的免疫策略对异配网络具有更好的免疫效果,而在实际病毒防御中,应该根据有效传播率、匹配系数、免疫目标等综合考虑.     

一种基于关联关系的有向网络关键节点挖掘算法

关键节点在网络中的重要程度高于其他大部分节点,关键节点挖掘是网络分析的重要研究内容,对网络结构和网络中的关系等研究而言都具有非常重要的意义。已有的关键节点挖掘算法从不同的侧重点进行节点关键性评价,文中基于网络中节点的局部性信息,结合节点与其一阶邻居节点的关联关系,提出了一种有向网络关键节点挖掘算法。该算法在关注节点所处局部环境的同时考虑关联节点间的关联强度及重要性影响,根据局部重要性和关联重要性共同进行关键节点的评价。在实验网络上的影响力传播实验表明,相比于经典的度中心性等关键节点评价算法,所提算法挖掘得到的关键节点对影响力的传播能力更强,说明了算法的准确性。     

基于时间加权的重叠社区检测算法研究

随着网络结构的不断扩大和日益复杂, 重叠社区发现技术对挖掘复杂网络深层潜在结构具有重要意义. 本文提出一种基于时间加权的重叠社区检测算法. 该方法考虑了用户兴趣的时间因素, 构建带有时间加权链接的用户-用户图. 接着, 基于网络节点的影响力计算用户全局相似度, 在此基础上通过计算节点的中心度作为度量节点对社区结构影响力的重要性指标, 从而提出一种社区中心点的选取方法. 最后, 通过效用函数的迭代计算实现重叠社区检测. 利用人工网络和真实网络对提出的算法进行验证, 实验结果表明: 相对于传统的社区发现方法, 该算法在社区发现质量和计算效率方面都优于许多已有重叠社区发现算法.