静态与动态SF拓扑邻域对PSO改进算法的分析

本文探讨以静态无标度网为拓扑邻域的PSO,分析在不同的网络平均度条件下PSO的寻优效果.结果表明在平均度较大的范围内,粒子寻优基于静态无标度网络表现效果较好.提出以无标度网络为粒子群的初始邻域,在寻优过程中网络呈有向动态变化的PSO改进算法,并以三个测试函数为例,分析了算法的有效性.本文还分析了基于有向动态网络的改进算法在不同网络拓扑即平均度条件下粒子群的寻优效果.结果表明粒子寻优效果受网络的平均度尤其是出度的影响,然而度值越大或者越小并不一定使寻优效果越好,如对于Rosenbrock函数保持较小的平均度会使粒群寻优效果更好,而对Rastrigrin函数的测试显示平均度对粒群寻优结果的影响差别不大.     

基于无尺度网络的僵尸网络传播模型

主流传播模型不能准确反映僵尸程序在Internet中的传播特性。针对该问题,提出一种基于无尺度网络结构的僵尸网络传播模型。该模型考虑了Internet网络的增长特性和择优连接特性,能够反映实际网络中的无尺度特性,更符合真实Internet网络中僵尸程序的传播规律和感染特性。     

城市群城镇交通网络特性研究

为了研究城市群城镇交通网络特性,本文运用primal approach方法以城镇为节点,以其之间的道路为边构造长沙城镇交通网络、株洲城镇交通网络等城市群城镇交通网络模型,使用Matlab和VC++6.0分别对它们的平均度、网络密度、聚集系数、平均最短路径、随机网络聚集系数、随机网络平均最短路径、网络结构熵、全局系数等网络特性指标进行计算和比较分析,得到以下结论:(1)城市群城镇交通网络都具有小世界性,是小世界网络;(2)城市群城镇交通网络都不存在幂律特征,不存在无标度性,不是无标度网络;(3)城市群城镇交通网络都不存在指数特征,不是随机网络;(4)城市群城镇交通网络中,长株潭城市群市县交通网络整体效率最高、网络密度最大,长株潭城市群城镇交通网结构熵最小,表明其最有序。     

Evolution and stability of Linux kernels based on complex networks

This paper presents a novel method to study Linux kernel evolution using complex networks.Having investigated the node degree distribution and average path length of the call graphs corresponding to the kernel modules of 223 different versions(V1.1.0 to V2.4.35),we found that the call graphs are scale-free and smallworld networks.Based on the relationship between average path length and nodes,we propose a method to find unusual points during Linux kernel evolution using the slope of the average path length.Using the unusual points we identify major structural changes in kernel modules.A stability coefficient is also proposed to describe quantitatively the stability of kernel modules during evolution.Finally,we verify our result through Vasa’s metrics method.     

BA无标度网络理论在训练IP网的应用研究

随着信息一体化系统的不断推进,训练IP网建设已全面展开,今后将作为训练任务通信保障的主要平台。相对目前专线电路的保障体制,在带来诸如统一接口、高度自治等各种便利的同时,也存在网络结构动态变化、网络行为相对复杂等不利因素。文章通过对复杂网络理论在训练IP网中的应用研究,描述了训练IP网的网络特性,并提出了几种网络优化策略。     

考虑网络演化的直流潮流停电模型与自组织临界性分析

直流潮流停电（OPA）模型及其改进模型能模拟连锁故障停电过程,并能从宏观上揭示大停电的自组织临界性,但没有考虑电网结构变化对大停电的影响。文中在OPA模型基础上,考虑了慢动态过程中电网结构的演化特征,建立了考虑网络演化的OPA模型。对2个典型复杂网络演化方式的仿真表明:按小世界方式和无标度方式演化的电网都会自组织到临界状态;小世界电网特有的高聚类系数和低特征路径长度易扩大连锁故障的广度和深度,其平均损失负荷大于无标度电网;无标度电网通过小规模的线路连锁开断,释放系统压力,减少大停电概率。研究结果对未来的电网建设及大停电的整体预防有一定指导意义。     

删除边的免疫策略

为了使用更少的免疫数量且更快地消灭病毒,提出了基于删除边的免疫策略。该策略根据边与重要节点之间的关系,对重要节点直接相连的边或任意两个重要节点与其共同邻居节点之间的边进行免疫。实验使用SIS病毒传播模型,分别在ER随机网络、BA无标度网络和几种实际网络中测试了该策略的免疫临界值以及对应网络的连通度,结果表明：删除边的免疫策略与目标免疫策略相比可以通过免疫较少的节点来消灭病毒,并且可以更好地保持网络的连通性。     

一种新的网络拓扑建模方法

网络拓扑结构能够很好地解决服从某种规律的网络传播行为问题,所以针对不同的预测和改善网络性能的目的,建立合适的网络拓扑模型是非常重要的。从复杂网络拓扑建模的角度出发,综合考虑了节点和链接的加入与消亡、节点的孤立、网络内新增的内部连接以及局域网内部的偏好连接等因素,提出了一个新的网络拓扑建模的方法NBSFN（New Base Scale Free Network）。运用Java和Matlab工具对结果进行了仿真研究,发现仿真结果能够很好地刻画出无标度、小世界等诸多特性。     

相互依存网络间的拓扑构建方法

为减小相互依存网络间的相继故障,在对归一化度、网络间的匹配系数及网络间的簇系数定义的基础上,借鉴网络间相似拓扑耦合思想,相互提出一种网络间同地位节点耦合的拓扑构建方法,该方法以核心节点作为搜索源节点采用广度优先搜索算法,逐级搜索并最大化网络同地位节点对的匹配,以提高相似匹配度和扩展应用场景。并以相互依存的随机网络和相互依存的无标度网络作为实例进行仿真,实验表明：此拓扑连接方法下,网络间故障渗流相变从一维非连续相变转变为二维连续相变到;相比于随机拓扑耦合网络在随机攻击、目的攻击及防御情况下,该拓扑耦合下的相互依存网络的鲁棒性均明显增强。     

Scale-free network modles with accelerating growth

Complex networks are everywhere. A typical example is software network. Basing on analyzing evolutive structure of the software networks, we consider accelerating growth of network as power-law growth, which can be more easily generalized to real systems than linear growth. For accelerating growth via a power law and scale-free state with preferential linking, we focus on exploring the generic property of complex networks. Generally, two scenarios are possible. In one of them, the links are undirected. In the other scenario, the links are directed. We propose two models that can predict the emergence of power-law growth and scale-free state in good agreement with these two scenarios and can simulate much more real systems than existing scale-free network models. Moreover, we use the obtained predictions to fit accelerating growth and the connectivity distribution of software networks describing scale-free structure. The combined analytical and numerical results indicate the emergence of a novel set of models that considerably enhance our ability to understand and characterize complex networks, whose applicability reaches far beyond the quoted examples.