两种不同机制自适应网络的对比研究

研究提出了较为实际的自适应网络的一种无选点断边重连机制,采用数值模拟的方法对该机制的自适应网络拓扑特性和传播动力学进行了研究,并与全局选点断边重连的自适应网络进行了对比.模拟结果发现:采取两种重连机制结合的疾病控制方法会更有效;另外,两种自适应网络的断边重连概率变化的过程中带来的拓扑特性差异较大,而传播动力学方面表现出一定的相似性.     

复杂网络中具有低易感的疾病传播问题研究

基于真实流行病学中免疫力减弱的特性,提出一个新的疾病传播模型即复杂网络中具有低易感即免疫力减弱的传播模型。 利用平均场理论和计算机仿真对该模型的传播行为进行了详细研究,结果表明该模型的传播阈值主要与网络拓扑结构、免疫丧失率和免疫保留率有关。 小世界网络中存在非零的传播阈值,而无标度网络在网络规模无限大的情况下传播阈值趋于零。 在网络拓扑结构不变的情况下,增大节点的免疫保留率可以增大小世界网络和无标度网络上的传播阈值,降低疾病的传播范围,从而有效控制传染性疾病在复杂网络上传播。     

基于邻居节点平均度的级联故障袭击策略研究

袭击策略是复杂网络抵制级联故障的鲁棒性问题中一个重要的研究内容。根据节点局域信息的初始负荷,考虑邻居节点的平均度,提出了一种新的级联故障袭击策略——邻居节点平均度(NAD)策略。理论分析了关键阈值TC与可调参数α之间的关系,并通过数值模拟对比两种经典的袭击策略,研究发现针对单层网络结构,提出的NAD袭击策略对BA无标度网络攻击最有效。此外,基于BA-BA网络构成的多层耦合网络级联故障模型,最大平均度袭击策略数值模拟得出的结果较好地验证了已有理论解析结果。通过建立突发事件关联耦合网络模型,以上研究能够揭示系统发生级联故障的条件,从而提出预防耦合网络崩溃的保护策略。     

谣言短信传播网络拓扑性质研究

作者分析了谣言短信传播的特点及方式,把谣言短信的传播过程抽象成一个网络的生长过程.根据谣言短信传播的特点,以星形网络表示初始网络,在局域世界中选择新增节点的连接节点.局域世界的选取,采用了依据节点之间的网络路径值作为选取局域世界的原则.给出了生成谣言短信传播网络模型的算法,并且通过理论推导说明网络模型的度分布为幂律函数,模拟了网络节点的度分布、聚类系数和平均路径长度,通过GN算法对模型的社团结构进行分析,发现谣言短信传播网络具有明显的社团结构特征.仿真结果表明,谣言短信传播网络具有无标度特性、小世界特性以及明显的社团结构特征.     

基于传播影响力的重叠社区划分算法

在研究经典标签传播算法的基础上,提出了一种基于传播影响力的重叠社区划分算法COPRA-PI,可用于挖掘加权网络中的社区结构。该算法在COPRA算法的基础上从节点影响力、边影响力、历史标签影响力3个方面综合考虑传播影响力;同时针对COPRA算法中每个节点在每次迭代过程中均具有相同的最大标签数,且该最大标签数目需手动设置等不足,该算法中设计了一个自适应的最大标签数。实验结果表明,COPRA-PI算法在经典的数据集上对比现有经典算法更能挖掘出高质量的社区结构且收敛速度较快。     

时变时滞耦合复杂网络的函数投影同步

为了探索时变时滞耦合复杂网络的函数投影同步及参数辨识问题,构造时变时滞耦合的节点参数未知和拓扑结构未知的2类复杂网络.利用牵制控制方法,分别设计这2类网络各自的自适应控制器,使得2类网络和其孤立节点实现函数投影同步.分别利用网络节点未知参数的辨识法则和网络未知拓扑结构的辨识法则,对网络的节点参数和拓扑结构进行辨识.最后给出数值仿真例子验证自适应控制器和辨识法则的有效性.     

基于引力作用的可选粒度社区发现算法

社区发现是复杂网络研究中的一个重要领域,且应用广泛,但目前已有的大多数算法都需采用社区评判函数来确定社区结构的划分,且仅能得到一种划分结果。引入宇宙星系模型和万有引力定律,基于引力思想提出一种新的复杂网络社区发现算法,为网络中节点赋予质量并构建出社区框架,继而利用引力作用完成社区结构划分,并可对发现社区的粒度大小进行选择以得到多种划分结果,无需先验知识及相关参数。通过真实网络实验验证,并与现有的社区发现算法比较,本文提出的算法能有效且较为准确地挖掘出复杂网络中的社区结构。     

具有远程感染机制的SIRS传播模型及仿真

提出了一种具有远程感染机制的传染病模型,该模型考虑感染节点以一定的概率感染其邻居节点的同时也以一定的概率感染其非邻居节点。通过平均场理论求得该模型在均匀网络上的传播临界值和最终感染密度的精确值。计算机的仿真结果进一步支持了理论结果的正确性。理论分析和仿真结果均表明:具有远程感染的疾病,在传播过程中随着远程感染率的增大,疾病传染率的临界值会变小,当疾病变为地方病时最终感染密度会变大。现实中可以制定措施控制非相邻节点的接触,降低远程感染率,实现对疾病的有效控制。该结果对于基于均匀网络的传播控制具有重要的启示:可以随机选择少量非相邻节点进行主动感染,增大远程感染率,提高网络传播的效率。     

指挥信息系统双层耦合网络模型级联失效研究

针对指挥信息系统级联失效研究中存在的结构建模简单和攻击方式单一的不足,提出指挥信息系统双层耦合网络模型,在此基础上设置不同的攻击方式,分析系统的级联失效特性.首先,根据指挥信息系统体系结构和层级网络理论,构建了由通信网络和功能网络构成的双层耦合网络模型,并提出节点重要度指标;其次,设置实体打击、赛博攻击和混合攻击三种攻击方式,以及不同的攻击强度对指挥信息系统进行攻击,分析其级联失效机理;最后,仿真分析表明,双层耦合网络模型能够反映指挥信息系统的结构特征,基于该模型能够分析指挥信息系统在多种攻击方式和攻击强度下的级联失效特性.     

二维Kleinberg网络上疾病传播的最优局部控制策略

研究二维Kleinberg网络上的疾病传播及最优控制问题。基于Manhattan距离提出了一种局部的控制策略抑制疾病在Kleinberg网络上的传播,并进一步研究该策略对系统总的代价(定义为最终感染比例和治愈人数比例之和)的影响。通过研究发现,当Kleinberg网络中长程边数量和疾病传播率在一定范围内时,会存在一个最优控制半径,使系统代价最小。当控制半径小于最优控制半径,局部控制策略不能有效地抑制疾病的传播,导致很多节点被感染;当控制半径大于最优控制半径,虽然疾病的传播范围被有效地控制,但是会花费更多的代价用于控制疾病传播。并且最优控制半径会随着疾病的传播率以及刻画网络的参数改变而发生变化。     

无权网络零模型的构造及应用

静态无权网络是目前最常见的复杂网络形式，这种网络零模型也被研究得最广泛和最深入。该文将无权网络分成无权无向网络和无权有向网络两种形式，分别研究了这两类网络的零模型构造及应用，其中重点是无权无向网络。首先根据不同阶数随机图理论阐述了无权无向网络由低到高各阶零模型的定义，然后描述了使用ER随机图、配置模型和基于断边重连等方式构造各阶零模型的过程及相关应用。针对断边重连这种最重要的零模型构造方式，论述了无倾向性断边重连、有倾向性同配或异配断边重连，以及检测网络是否具有富人俱乐部性质的局部断边重连等构造方式，并且首次将高阶零模型扩展到社团检测等网络中尺度特性的分析中。最后，阐述了无权有向网络1阶零模型的构造以及如何基于该零模型检测网络中存在的出入度匹配特性。该文发现网络零模型能为实证无权网络提供一个准确的基准，结合网络的统计量指标定性和定量地描述出实际复杂网络的非平凡特性以及这种非平凡特性的程度及来源。     

两个时变复杂网络的自适应同步

研究了两个时变复杂网络的自适应同步。根据Lyapunov稳定性理论,分析了两个时变复杂网络的同步条件,并且证明了它的有效性。为了验证理论结果,以不同参数下的Lorenz系统作为两个时变网络的节点动力学系统进行仿真分析,从仿真结果可以得到：如果不施加控制,这两个时变复杂网络不能实现同步;如果设计合适的自适应控制器,这两个时变复杂网络将达到同步。不管是对相同结构的复杂网络,还是对不同结构的复杂网络,仿真结果和理论分析均一致。     

基于多重特征向量的有向网络社团结构划分算法

有向网络社团结构的识别对于理解复杂系统的结构特性和动力学特性都有着重要的意义。提出了一种基于拉普拉斯矩阵多重特征向量的有向网络社团结构划分算法,该算法利用有向网络拉普拉斯矩阵的前c个较小特征值所对应的特征向量来划分有向网络的社团结构。在人工数据和实证数据上与模块度的谱优化算法和模拟退火算法做了对比实验。实验结果表明,当社团结构明显时,该算法的归一化互信息指标的值接近于1。当社团结构不明显时,该算法所取得的效果也优于谱优化和模拟退火算法。与这两种算法相比,在实证网络上模块度Q值也可以提高17.28%和19.21%。该文工作对于理解有向网络上拉普拉斯矩阵的多重特征向量与网络的社团结构的关系具有十分重要的意义。     

基于零模型的社区检测基准网络构造及应用

社区检测对于探索挖掘复杂网络的结构特性具有重要意义,社区检测算法性能对于检测结果具有重要影响。目前用于衡量社区检测算法性能的基准测试网络较为单一,主要包括人工合成网络和真实世界网络。由于真实世界网络中通常缺乏已知社区结构信息,人工合成网络成为衡量算法性能的主要途径,但普遍存在网络微观特性不可调且与真实世界网络差异较大、对检测算法区分度不高、无法更改局部网络结构等问题。为提升人工合成网络性能,该文提出基于零模型的基准测试网络构造方法,首先设计了能够保持中尺度特性的零模型,提升网络微观特性调整灵活度,使其更逼近真实世界网络结构特性;其次设计了能够调整社区结构强弱的零模型,提升网络社区检测的评价准确性;最后设计了能够调整局部拓扑结构的零模型,有效衡量局部社区结构特性变化对于整体网络结构及检测算法性能的重要性。实验结果表明,基于零模型的构造方法能够有效提升基准测试网络的多样性和灵活性,更加逼近真实世界网络特性,因此更能满足对于社区检测算法性能的评价需求,对于提升复杂网络社区检测性能具有重要意义。     

基于部分路径的社交网络信息源定位方法

随着微博、微信等在线社交网络的快速发展,社交网络上的不实信息呈现爆发式的传播,往往会引起严重的后果,如何寻找谣言等不实信息在社交网络中的传播源头具有重要的应用意义。该文提出一种面向在线社交网络的信息源点定位方法,与现有的基于观察点的定位方法不同,该方法考虑了传播过程中信息普遍带有的部分传播路径,并以此重构传播过程,修正传播子图,从而更准确地定位信息源点。在模型网络及实际网络上进行实验,说明了该算法的有效性。     

社会强化效应及连边权重对网络信息传播的影响分析

研究加权网络中社会增强效应、连边权重和网络结构非局域性效应对于信息传播的影响。将网络个体间的亲密程度定义为节点之间的共同邻居数,并基于亲密关系赋予边权值。通过研究发现,当个体越倾向于接受亲密朋友的信息的时候,信息越不容易大范围传播,即强连接会降低传播范围;反之,当个体倾向于接受非亲密朋友的信息的时候信息更容易大范围传播,即弱连接会增加传播范围。强化效应强度较小的时候,随机网络可以比规则网络传播范围广,反之规则网络传播范围更广。     

利用局部拓扑信息发现模糊社团结构

根据网络节点的局部拓扑信息,给出了节点与社团的相似度度量方法,提出了一种新的发现网络模糊社团结构的粒子群算法。该算法在迭代过程中依据节点对不同社团的相似度来不断调整粒子的位置向量,减少了搜索的盲目性,提高了搜索效率。对不同规模的计算机生成网络和真实网络进行测试,实验结果表明,该方法能有效、快速的给出网络的模糊社团结构。     

基于PDA的非线性分布式跟踪算法

研究目标不确定性量测、不确定性机动环境下的分布式多雷达跟踪。针对目标未知机动，把交互多式模型算法中的模型样本空间分成若干子集，分别在多个处理器上进行并行滤波，再在融合中的处理器上将各子处理器结果进行交互处理，形成了分布交一线式多模型算法，然后将它与概率数据关联ＰＤＡ相结合，得到了一种新的分布式鲁棒跟踪算法。