小世界网络中的删边扩容效应

不同于无标度网络,小世界网络中体现负载特性的介数分布和体现连接特征的度分布这两种结构差异很大,依据这个差异,我们提出了有效的删边扩容方法并进行了仿真实验,并进一步从容量与最大介数的关系理论分析确证了实验结果.接着,我们分析了小世界网络中介数分布的差异性与删边扩容效果的相关性,把基于介数的基尼系数变化用于度量删边扩容的效果,指出了结构差异是导致删边扩容效应的必要条件.还指出了无论从容量与介数的定义、仿真结果、结构差异与删边扩容效果的关系来看,都应该从介数入手来实现删边扩容方法,这种方法反直觉,有很多变种,并且实现方便、节省成本,作为一类新的路由策略可以广泛地应用于各类通信网络和交通网络等领域.     

节点数固定的ER网络演化模型拓扑性质的研究

复杂网络模型的研究主要集中在ER网络模型、小世界网络模型和无标度网络模型,其中ER网络模型是最经典的复杂网络模型之一。文章研究了节点数固定情况下的ER网络模型,根据网络内部边的动态演化特点,将节点数固定的网络模型进行了细分,给出了模型的生成算法,并模拟了算法生成的随机网络的平均路径长度和聚类系数。仿真结果表明,节点数固定的ER网络具有小世界特性,出现这种小世界特性的主要原因是由于网络内部边的异质性,而与网络的节点数变化没有必然联系。     

基于IPv6对等网技术的资源共享方法

为了改善P2P（Peer-to-Peer）软件带宽消耗高、网络利用率低的问题,提出了将资源发现过程与资源共享过程分开执行的方法,并在IPv6环境下定义了两个私有协议P2PIEP（Peert-to-Peert Information Exchchange Protocol）和P2PDEP（Peer-to-Peer Data Exchange Protocol）。这两个协议分别服务于资源发现过程和资源共享过程。P2PIEP使用小世界模型,用于发现资源信息;P2PDEP封装在UDP（User Datagram Protocol）数据报中且具有较小的协议首部,从而达到提高网络利用率的目的。     

自适应小世界粒子群优化算法

提出一种基于小世界网络的自适应拓扑结构。每个粒子都与它的近邻粒子进行交互,其有一定概率通过小世界重置与远方的粒子进行沟通;为粒子群体的每个维度分配一个特定的小世界网络,不同维能够学习不同邻居的历史信息;粒子的邻域大小与小世界重置的概率将在种群收敛状态的基础上进行自适应调整。利用标准函数集对该算法进行测试,测试结果表明,通过该机制,粒子群体具有更好的搜索多样性,能够平衡全局探索与局部开发。     

P2P中一种基于小世界聚类的资源搜索模型

为有效解决P2P中不同资源的搜索和定位问题,设计了一种基于小世界聚类的资源搜索模型。以小世界模型为理论基础,构建具有局域聚集现象及短的路径的P2P网络模型,按照分级转发方式对资源进行全局搜索。仿真实验证明,这种基于小世界聚类的资源搜索模型具有较高的搜索成功率和较短的平均搜索路径。     

多层前向小世界神经网络及其函数逼近

借鉴复杂网络的研究成果, 探讨一种在结构上处于规则和随机连接型神经网络之间的网络模型—-多层前向小世界神经网络. 首先对多层前向规则神经网络中的连接依重连概率p进行重连, 构建新的网络模型, 对其特征参数的分析表明, 当0 < p < 1时, 该网络在聚类系数上不同于Watts-Strogatz 模型; 其次用六元组模型对网络进行描述; 最后, 将不同p值下的小世界神经网络用于函数逼近, 仿真结果表明, 当p = 0:1时, 网络具有最优的逼近性能, 收敛性能对比试验也表明, 此时网络在收敛性能、逼近速度等指标上要优于同规模的规则网络和随机网络.     

复杂网络研究进展:模型与应用

作为研究各种复杂系统的一种通用工具,复杂网络已经在许多学科中产生了深刻地影响,引起了各领域学者的广泛关注.本文全面地介绍复杂网络的各种主要统计特性和最具有代表性的网络模型,并且对计算机科学中关注的语言网络,Internet和P2P这些现实网络,从复杂网络的角度进行分析,展示了复杂网络理论和方法在这些领域中的应用和得到的重要结果.     

小世界模型的个体决策微粒群算法

微粒群算法是一种模拟动物行为的群智能优化算法.由于微粒(个体)在不同环境中生存与觅食,积累了不同的经验,因此不同个体在觅食或者其他行为中会做出不同的决策,但是这种决策机制在标准微粒群算法中并没有体现出来.微粒在决策时会考虑周围其它粒子的信息,因此本文通过引入个体决策机制与小世界模型的邻域结构来改进微粒群算法,同时利用李雅普诺夫稳定性理论对改进的算法进行稳定性分析,并给出相应的参数选择方式.在改进的微粒群算法中,微粒被周围理想微粒的位置和群体最优位置所吸引,改变了传统微粒群算法只被群体最优位置吸引的弊端.对常用的几个测试函数进行仿真,与其它两种改进的微粒群算法相比,结果表明该算法有更好的性能.     

HK网络演化模型的研究和改进

研究一种高集聚度的无标度网络模型,以Holme和Kim（HK）模型为基础,通过引进新增节点所应该具备的连接动态性,改进HK模型的局部特性。分析和仿真表明,改进模型HK’不仅继承了HK模型的高聚类效应和无标度特性,且它的幂律指数可在2～3之间变化,网络成员间的竞争机制也与现实社会网络较接近。     

基于T-S 模型和小世界优化算法的广义非线性预测控制

提出一种新型的基于T-S模糊模型和小世界优化算法的广义非线性预测控制策略.采用基于混沌遗传算法的T-S模糊模型描述复杂非线性系统的动态特性,构成模糊多步预报器.同时,针对现有基于二进制和十进制编码小世界优化算法运行时间长等缺点,提出一种新型的基于实数编码的小世界优化算法,函数测试和应用于非线性预测控制的滚动优化反映了其较强的寻优能力.最后,将其应用于基于实际数据的T-S模糊模型的广义非线性预测控制,满足了系统实时性和快速稳定性的要求.