基于能量的无标度网络模型的研究

近年来复杂网络成为一个新兴的研究课题,复杂网络研究对于理解复杂系统的结构和行为至关重要。研究发现很多复杂系统均具有无标度特性。针对BA模型仅关注节点年龄对网络拓扑结构的影响,提出了一种基于能量的无标度网络模型（EBSFN）。仿真结果表明,提出的EBSFN模型较之BA演化模型,具有更好的幂律分布和稳定性。     

无标度网络度秩指数的变化范围

实证研究表明,绝大多数复杂网络的结点的度分布服从幂律分布,该幂律分布的幂指数的绝对值(度分布指数)介于2和3之间．然而,至今尚未发现为什么度分布指数介于2和3之间的研究结果．本文证明了度分布指数大于2,从而部分回答了上述问题．为此,本文引进度秩指数,并给出了度秩指数和度分布指数之间的关系．通过对度秩指数与网络结构熵之间的关系的刻画,发现了度秩指数与网络结构熵以及网络规模之间的函数依赖关系,从而最终证明了度秩指数的临界值趋于1,并给出了仿真结果．     

一种高聚类系数的无标度网络演化模型

考虑到BA无标度演化模型和其它无标度演化模型不能实现真实网络中较大的聚类系数,本文提出了一个高聚类系数的无标度演化模型.模型具有一个可调参数p∈[0,1].通过调节p来调节网络的聚类系数,能使模型与真实网络更加匹配.此外本文还解析导出关于度分布的差分方程,并确定了通过调节p,模型能达到的最大聚类系数.p和γ的关系也利用平均场方法推导出来.仿真结果验证了理论推导所得结论的正确性,同时也揭示了该网络演化模型的一些重要性质,表明网络演化模型能较好的模拟真实网络,特别在聚类系数指标上.     

基于自然连接度的无标度网络断边重连仿真

针对传统网络断边重连技术不能准确确定无标度网络故障位置,造成断边链路数据重构性能较差的问题,提出基于自然连接度的无标度网络下断边重连技术。将DeviceNet作为核心触发协议、CAN协议作为底层通信协议,构造Dramp流量控制策略;修正逻辑点带宽,捕获自然连接错误帧事件;在无标度网络链路两端建立源观测点,整合错误事件并去除掉观测位置信息,根据时间节点提取多维度源节点数据,完成关联故障定位,最后根据链路重构法及DNS域名解析,以链路负载为核心,重构传输链路完成断边重连。仿真结果表明,所提方法能够准确标定无标度网络故障位置,有效重连无标度断边网络。     

无标度网络的最大-最小度搜索算法

许多实际的复杂网络具有无标度的特性,其中高连接度的节点具有重要作用.研究无标度网络的搜索算法.基于最大度的节点的搜索算法只适用于幂律度分布的指数介于2.0和2.3之间的无标度网络.对该算法做出了改进,提出了可适用于较大幂律指数的无标度网络的局部搜索的最大-最小度搜索算法.最大-最小度算法和人们熟知的随机游走、最大度搜索策略相比,更加充分利用了网络节点度分布特性,从而获得了更优的搜索效果,文章从理论分析和仿真结果两方面证实了这一点.     

无标度企业组织网络特征及其演化模型

本文讨论了一种特别的企业组织网络—无标度企业组织网络及其特征,并基于复杂网络理论提出了无标度企业组织网络的演化模型。该演化模型基于二种演化机制:第一种是考虑企业组织网络的初始结构—全连通结构和星形连接结构;第二种是基于局域信息的优势连接。计算机仿真结果显示:在全局择优连接下,无论企业组织网络的初始结构如何,企业组织网络都将演化无标度网络;局域择优连接仍然可能形成无标度企业组织网络。     

病毒在无标度网络上的传播及控制仿真研究*

网络病毒的爆发给计算机用户带来巨大的损失,同时互联网被认为是无标度网络,因此研究病毒在无标度网络上的传播及控制很有意义。通过构建一个BA无标度网络模型,对病毒的传播行为及影响因素进行了仿真分析。研究表明,采取恰当的策略可以有效地控制、预防病毒传播。     

一种具有核心-边缘结构的无标度网络演化模型

核心-边缘结构是复杂网络中一种重要且常见的簇团结构,相关研究一直较少。为了研究复杂网络核心-边缘结构的相关特性,分析了随机块模型的结构,并在此基础上提出了一种具有无标度特性的核心-边缘结构网络演化模型。通过理论和数值分析,验证了所生成的网络具有较好的无标度特性和核心-边缘结构,且其结构的紧密程度可调,为进一步研究复杂网络核心-边缘结构的相关特性提供了基础。     

无标度网络环境下E-mail病毒的传播模型

提出无标度网络环境下E-mail病毒的传播模型。通过对模型的求解,得到E-mail用户感染密度随传播率、恢复率和网络平均度变化的计算表达式。实验表明,在反病毒技术未出现前,用户感染密度最终将达到一个稳定状态,并通过实验证明了传播率与网络平均度是影响E-mail病毒蔓延的关键性因素。     

关于无标度网络中Hub节点的研究

无标度网络中少量节点的连接数非常大(称为Hub节点),而大量节点的连接数则非常少。通过理论和仿真两方面的研究,发现复杂网络中Hub节点的度值、数量与度分布指数具有直接关系。研究表明,度分布指数等于2是无标度网络中度分布指数的一个临界值。     

一种具有等级结构的无标度网络模型

无标度网络的发现,使人类对于复杂网络的认识进入了一个新的天地.为了更好地描述真实网络的主要拓扑特性,主要研究复杂网络的演化机制,提出了一种通过边的迭代方式生成一种等级网络模型的方法.在此模型的基础上对网络的统计特性进行了理论推导,并通过计算机编程仿真了它的统计特性.理论计算和数值仿真结果可知,迭代生成的网络具有等级结构,度分布服从幂律分布,幂指数在2到3之间可调,平均路径长度以网络规模呈对数形式增长和较大的聚类系数.从而有效地论证了具有等级结构的网络模型很好地符合实际网络,说明实际网络的无标度和高聚类是等级网络自组织的结果.     

基于藕合系数的无标度网络建模

经典的无标度网络模型在全局范围内按照一定的概率选取节点进行优先连接,而现实网络很难做到这一点。为了解决这一问题,在BA无标度网络模型的基础上,通过新增两个参数耦合系数和吸引因子来构建基于耦合系数的无标度网络模型,并通过理论计算得出该演化模型的度分布。分析发现,它具有更明显的无标度网络特性。实验仿真结果也表明,其度分布在服从幂律分布的基础上更具有平稳性和广泛的适用性。     

基于耦合系数的无标度网络模型(BA-S)的中心化研究

针对基于耦合系数的无标度网络演化模型中的节点进行中心化研究,首先对常用的中心化指标进行了分析,接着对经典的无标度(BA)模型和演化的BA-S模型中各节点的几种指标进行了累积概率分布研究,最后对两种模型的中心化程度和效率进行了中心化测试对比研究,结果证明,演化的BA-S模型较BA模型具有更强的鲁棒性以及抗故障的能力。     

基于无尺度易感应用网络的拓扑蠕虫传播模型

分析了基于无尺度易感应用网络的拓扑蠕虫的传播特性，包括其感染整个应用网络所需要的传播时间和其在传播过程中对相关主机和网络资源的占用情况等。通过与扫描蠕虫相比较，分析出该类拓扑蠕虫传播时间更短，并且在传播过程中具有更好的隐蔽性，在实施最终攻击前很难被检测，从而使其对网络和主机具有更大威胁。针对这种威胁，文章提出了几种用于检测和防御基于无尺度网络应用拓扑蠕虫的可能方法。     

基于组增长的小世界Scale-free网络模型

小世界和Scale-free是很多大规模复杂网络的重要特征,建立体现这些特征的网络模型是研究网络结构和行为的重要基础。针对现有模型不能全面地反映实际网络所具有的特征属性,提出了基于组增长的小世界Scale—free网络模型。该模型在小世界和Scale—free模型的基础上,结合了节点的本地强连接性、新增连接的度相关性和网络动态的增长方式,把小世界和Scale-free联系了起来。仿真结果表明,该模型生成的网络图同时具有小世界和Scale—free特征。     

一种基于AS的Internet拓扑模型

分析Internet中AS的变化规律,提出一种拓扑模型。根据对Internct拓扑变化的统计计算出模型参数。仿真结果表明,该模型生成拓扑的特性比BA模型更接近Internet。     

基于自适应算法的BA网络模型及其聚类分析

BA模型是经典的无标度网络模型,具有一定小世界特性,但聚类系数随着点数增多趋近于零。为进一步优化BA网络模型的平均路径长度和聚类系数的特性,设计了一种基于自适应算法的无标度网络改进模型。改进模型优化了系统与网络节点的关联度,通过计算得到关联度的最优值及此时网络各参数的值,从而获得理想的网络模型。通过对自适应算法中关联度的数学分析,可知系统平均路径长度呈带有条件的收敛状态。仿真结果表明,改进后网络模型在平均路径长度和聚类系数方面,有进一步优化。不同于BA无标度网络的是,改进模型优化后具有较明显的聚类特性,更符合小世界网络特性。     

无标度网络上带人工免疫的SIRS模型的动力学行为及其免疫控制策略

在典型的SIRS模型的基础上,提出了一种无标度网络中带人工免疫的SIRS类传染病模型.运用平均场理论方法分析了所提模型的动力学行为,研究了在两种不同的人工免疫策略下病毒在一种特定的无标度网络上的传播情况,并模拟了两种免疫策略对病毒传播的影响.模拟结果表明,通过人工免疫可以有效降低稳态感染比例,提高系统的传播阈值,从而有效控制病毒在复杂网络上的传播.     

无尺度网络下具有双因素的僵尸网络传播模型

随着网络技术的发展,僵尸网络逐渐成为Internet上最具威胁的攻击平台.而现今的网络是随机网络、无尺度网络等构成的一个复杂网络.结合无尺度的特性,考虑僵尸网络传播过程中部分主机的免疫特性与网络阻塞特征,提出一种无尺度网络下具有双因素的僵尸网络传播模型.该模型基于Internet的实际情况,重点考虑了无尺度网络的拓扑结构,并结合了僵尸网络中部分脆弱主机由于提前从易感染的网络中移除而具有的免疫特征情况与传播过程中的网络流量阻塞情况.Matlab仿真结果表明,这种传播模型更符合真实网络中僵尸网络的传播规律.