基于在线社交网络的动态消息传播模型

传统传播模型较难描述在线社交网络中的复杂活跃模式以及节点间的拓扑差异,并且其接触式的传播者退化方式也与现实不符。针对理论模型模拟与现实消息传播的不符,提出一个基于在线社交网络的动态消息传播模型D-SIR。该模型考虑了在线社交网络中影响消息传播的一些实际因素,引入基于传播延迟的退化方式使传播者自发地退化成免疫者,动态指定节点的权威度和免疫力以适应非均质网络,并考虑接收增强信号效应以及外部社会加强效果。在采集的新浪微博真实传播网络数据中,通过参数变化的传播仿真实验验证了D-SIR模型可以有效反映在线社交网络的现实传播情形,并且较传统模型更具灵活性及可扩展性。     

考虑社群结构的复杂网络的级联故障抵制模型

研究复杂网络的级联故障对评估网络系统的稳定性具有重大意义.在经典的线性负载容量模型基础上,通过探测网络的社群结构,有选择地对社群边界节点的容量附加二次容忍值,建立级联故障抵制模型.在级联故障仿真中,采用不同干扰策略对IEEE118标准电网、国内现实电网等模拟故障过程.仿真结果表明,所建抵制模型通过对社群边界节点的容量进行二次扩容,能以较小的成本提高网络的稳定性,同时发现社群边界节点具备“防火墙”和“引爆点”的双重功能.通过将单一网络推广到两层耦合网络,发现在成本可控下新模型对相依网络的级联故障依然具备较好的抵制能力,说明本文所提模型具备一定的适应性.