短信网络及其几种模型的比较

为深入了解短信网络的拓扑结构和演化规律,对四种具有代表性的短信网络模型进行了比较,研究了每一种模型的网络参数,并指出其优点和不足,为进一步的研究指明了方向。研究证明,短信网络的度分布服从幂律分布,它是一种Scale-free网络,其幂律指数在2～3之间。短信网络具有较高的聚类系数和较小的平均路径长度,即具有小世界特性。     

小世界网络的Cayley图模型

Internet网络中小世界特征的发现激起了学术界对Internet小世界网络的研究热潮。提出了一种基于Cayley图的小世界网络模型（CSWN）,该模型具有高聚集性和小网络直径;在分析了该网络模型的一些主要性质后给出了其路由算法;最后通过仿真实验证明了该模型符合小世界网络的特性。     

博客网络的演化过程研究

受NW小世界网络模型和BA无标度网络模型的构造方法的启发,提出一种基于优先连接增长的NW小世界网络模型用于模拟博客网络,该模型具有NW小世界网络的小世界特性,其增加的度分布也满足幂律分布.考虑到在实际博客网络中各种影响博主被链接的因素的存在,对模型进一步修改,在其基础上加入了知名度.最后以科学网博客为例,通过统计分析其中的博主好友信息,进行实验仿真,结果表明所提的模型能够真实地模拟科学网博客的网络拓扑.     

小世界网络模型下的无线传感器网络

复杂网络是具有复杂拓扑结构和动力学行为特征的大规模网络,无线传感器网络呈现出多种复杂网络特性,如多跳、自组织特性等,这表明可借助复杂网络理论研究无线传感器网络的拓扑结构和动力学特性。在无线传感器网络的复杂网络特征的基础上建立小世界网络模型。仿真表明小世界网络模型下的无线传感器网络符合小世界网络具备的性质。     

一种基于小世界网络和贝叶斯网络的混合推荐模型

小世界网络在聚类应用中具有良好的性质,贝叶斯网络在概率推理中也得到了广泛的研究.将小世界网络和贝叶斯网络结合起来,形成了一种混合推荐模型.该混合模型由两层组成,分别是用户层和商品层.其中小世界网络用于描述用户层内用户-用户结点间的关系,贝叶斯网络用于描述商品层内商品-商品结点,以及层间用户-商品结点间的偏好关系.对小世界网络的用户聚类方法、贝叶斯网络结构和参数学习方法、以及两层混合模型的推荐算法进行了描述,实验表明,该模型能够很好地表示用户-用户、商品-商品、以及用户-商品间的关系,推荐结果具有良好的准确度.     

动态复杂供需网络局域演化模型的研究

为了深入理解供需网络的演化规律,研究了已有的复杂网络演化模型刻画供需网络生长过程的不足,提出了以星型网络表示初始网络,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,同时定义了局域世界的规模动态增长,从而建立了复杂供需网络的动态演化模型,并给出了生成模型的算法。该模型在考虑网络动态增长的同时,也考虑到网络内部边的动态演化以及节点的退出,这与现实情况相吻合,因此更细致、真实地刻画了供需网络的动态演化特性。仿真结果表明,该模型所生成的网络模型具有无标度特性和小世界性。     

基于小世界网络模型的无线传感器网络拓扑研究综述

小世界网络是复杂网络最重要的特性之一,将小世界网络理论引入无线传感器网络(WSNs),对分析网络拓扑结构、发现其中隐藏的规律以及提高网络性能具有十分重要的意义,在智能交通、军事等方面具有广泛的心用.综述了小世界WSNs的网络特征量、网络拓扑结构、应用前景及面临的主要问题,试图为小世界网络理论在WSNs中的研究勾画出一个较为全面和清晰的概貌,为相关领域的研究者提供有益参考.     

面向个性化推荐的两层混合图模型

小世界网络在聚类应用中具有良好的性质,贝叶斯网络在概率推理中也得到了广泛的研究.将小世界网络和贝叶斯网络结合起来,形成一种混合图模型,并将该模型用于个性化推荐系统中.该混合图模型由两层组成,分别是用户层和商品层.其中小世界网络用于描述用户层内用户-用户结点间的关系,贝叶斯网络用于描述商品层内商品-商品结点以及层间用户-商品结点间的偏好关系.对小世界网络的用户聚类方法、贝叶斯网络结构和参数学习方法以及两层图模型的推荐算法进行描述,实验分析表明,该模型能够很好地表示用户-用户、商品-商品以及用户-商品间的关系,推荐结果具有良好的准确度.     

一种具有小世界网络特征的常数度结构化覆盖网络

小世界网络有两个重要的特点:较短的网络直径和较大的聚集系数,这两个特点对覆盖网络有着重要的意义,较短的网络直径意味着路由查询代价较低,而较大的聚集系数意味着网络有可能在高负载下提供良好的服务.文中结合Cayley图和小世界网络的特性,基于群论中的半直积方法,构造了一个具有良好性质的静态互连网络,在该网络的基础上提出了一种新型的具有小世界网络特征的结构化覆盖网络CayDHT,理论分析和实验结果表明,CayDHT具有O(l)大小的常数路由表、O(logN)大小的网络直径和优良的容错能力.     

具有高对称性的小世界网络模型研究

在研究小世界网络和Cayley图的基础上,采用基于Cayley图的代数图论方法,给出一种具有高对称性的小世界网络模型,分析该模型的聚类系数和特征路径长度等小世界性质,给出其路由算法。分析结果表明,该模型聚类性高、网络直径小,具有小世界特性。     

复杂网络特性对大规模多智能体协同控制的影响

随着分布式多智能体系统应用领域和系统规模的不断扩大,网络特性已成为影响系统性能的一个重要因素.通过研究和分析复杂网络特性对大规模分布式多智能体系统协同控制的影响,对多智能体系统性能的影响做出系统性分析,同时为提出大规模多智能体组织结构的优化算法提供依据.主要针对随机网络、小世界网络、网格网络和无尺度网络这4种典型复杂网络特性,从理论和仿真两方面进行分析.在理论方面,通过基于马尔可夫链的信息传输过程在不同网络结构下的建模,对比分析了信息无偏随机游走模型和智能决策模型下的传输效率.在仿真建模中,主要从智能体间信息传输效率、不同应用领域中集成协同控制效率、对网络故障恢复的影响这3个典型的多智能体系统协同控制应用对比分析复杂网络特性对系统性能的影响.研究结果表明,复杂网络特性如小世界和无尺度特性可以在相同的控制策略下形成明显的性能差异,如果设计合理的控制算法,复杂网络结构将有助于多智能体系统性能的提升.     

复杂网络上具有多感染阶段的传染病传播模型

针对传染病传播模型缺乏多感染阶段的不足,结合SIR和SEIR两种传播模型的特性,提出了一种改进的具有多感染阶段的SIR传染病传播模型(即SInR模型)。该模型充分考虑了不同感染阶段的非均匀感染力对不同网络结构上传染病传播及传播阈值的影响;同时引入相对感染力及传播时间尺度的概念,从网络结构、网络规模及相对感染力方面进行了仿真研究。仿真中无标度网络采用BA模型的生成算法,而小世界网络采用WS模型的生成算法。由仿真可知,感染节点在整个感染过程中大致服从泊松分布,因此在SInR模型下无标度网络的传播速度更快,范围更广;相对感染力对于传染病的大规模爆发存在着一个阈值,当感染力大于阈值时传染病才能大范围地爆发传播,而小于阈值时传染病只会局域小范围传播直至消失,无标度网络的感染力阈值为0.2,小世界网络的感染力阈值为0.24;随着网络规模的增大,传播时间尺度也在增大,相应的传播速度就会降低。仿真结果表明:该模型下无标度网络传染病传播速度更快且影响范围更大;无标度网络的相对传染力的传播阈值小于小世界网络,设置合理阈值有利于降低传染病的传播影响力。     

基于SIR模型的时间侵占行为传播动力学建模与仿真

针对时间侵占行为在复杂网络上的传播问题,基于基本SIR传染病模型,提出了一种考虑了自发感染率和外部组织环境因素的时间侵占行为传播模型,探讨了时间侵占行为在ER随机网络,NW小世界网络,WS小世界网络以及BA无标度网络上的传播,在此基础上,集中分析了无标度网络上时间侵占行为传播的影响因素。研究发现:1. 时间侵占行为的传播受压力和公平系数的影响,一定范围内,压力越小,员工发生时间侵占行为的概率越大,传播过程也越快;反之压力越大,发生时间侵占行为的概率越小,传播过程也相对较为缓慢。2.时间侵占行为的传播与传播概率和自发感染概率密切相关,初始节点的度越大,传播越快,反之传播越慢。     

Complex Network Phenomena in Telecommunication Systems

Many networks such as the Internet have been found to possess scale-free and small-world network properties reflected by power-law distributions. Scale-free properties evolve in large complex networks through self-organizing processes and, more specifically, preferential attachment. New nodes in a network tend to attach to other vertices that are already well-connected. Because traffic is routed mainly through a few highly connected and concentrated vertices, the diameter of the network is small in comparison to other network structures, and movement through the network is therefore efficient. At the same time, this efficiency feature puts scale-free networks at risk for becoming disconnected or significantly disrupted when super-connected nodes are removed, either unintentionally or through a targeted attack or external force. The present paper will examine and compare properties of telecommunication networks for both the United States and Europe. Both types of networks will be examined in terms of their network topology and specifically, whether or not they are scale-free networks to be further explored by identifying and plotting power-law     

基于增广链修复的最大流求解算法

NW小世界网络及BA无标度网络是现实中常见的两种网络,这两种网络中任意两点之间有极大可能存在多条路径,若舍弃饱和增广链并重新寻找增广链,则效率不高,因此针对网络的这一特性提出了一种增广链修复的最大流求解算法.该算法沿最短增广链调整流量后,保留路径上残余的非饱和弧,并用贪心法则选择合适的中继节点修复断开的增广链,提高增广链使用效率.通过对NW小世界网络和BA无标度网络建模仿真,得到并验证了所提算法在这两种网络上的运行速度数倍于Ford-Fulkerson算法且其空间复杂度仅有Dinic算法的一半,因此所提算法能够高效处理更大规模网络流问题,以适应日益膨胀的通信网络和交通运输网络.     

基于节点重要度的复杂网络可靠性研究

为研究复杂网络的节点重要度及其可靠性,在随机网络、小世界网络和无标度网络模型下,理论分析度值中心性、半局部中心性、介数中心性和PageRank算法在节点重要度评估上的准确性,通过仿真模拟方法,对网络理论模型和实际复杂网络分别进行研究,采用逐步移除节点和重复计算的方式,考察网络最大连通子图和节点移除比例的关系,同时对数值仿真结果进行合理分析。研究结果说明基于网络全局信息的介数中心性和PageRank算法对节点重要度评估的效果更好,同时说明网络的可靠性与网络拓扑结构有关,实际复杂网络一般同时具备多种拓扑特性。     

万维网无尺度特征与主动服务网格

万维网从网页到站点所形成的链接结构构成一个规模宏大的复杂网络.尽管其发展包含许多随机因素,传统的随机网络模型并不适合描述其结构,实证研究表明其结构呈现一种无尺度网络特征,即海量网络信息资源是由少量的以信息集散节点为核心的网络链接方式构成的.万维网中同时具有“小世界”特征,具有相似主题的资源构成一系列小集群,进而组成无尺度网络.提出了一种万维网的信息传播与访问过程的主动服务与信息推荐体系结构,该结构为资源优化传播以及个性化虚拟社区服务的主动服务网格奠定了理论基础.     

Modeling and navigation of social information networks in metric spaces

We are living in a world of various kinds of social information networks with small-world and scale-free characteristics. It is still an intriguing problem for researchers to explain how and why so many obviously different networks emerge and share common intrinsic characteristics such as short diameter, higher cluster and power-law degree distribution. Most previous works studied the topology formation and information navigation of complex networks in separated models. In this paper, we propose a metric based range intersection model to explore the topology evolution and information navigation in a synthetic way. We model the network as a set of nodes in a distance metric space where each node has an ID and a range of neighbor information around its ID in the metric space. The range of a node can be seen as the local knowledge or information that the node has around its position in the metric space. The topology is formed by setting up a link between two nodes that have intersected ranges. Information navigation over the network is modeled as a greedy routing process using neighbor links and the distance metric. Different from previous models, we do not assume that nodes join the network one by one and set up link according to the degree distribution of existing nodes or distances between nodes. Range of node is the key factor determining the topology and navigation properties of a network. Moreover, as the ranges of nodes grow, the network evolves from a set of totally isolated nodes to a connected network. Thus, we can easily model the network evolutions in terms of the network size and the individual node information range using the range intersection model. A set of experiments shows that networks constructed using the range intersection model have the scale-free degree distribution, high cluster, short diameter, and high navigability properties that are owned by the real networks.     

基于突触巩固机制的前馈小世界神经网络设计

小世界神经网络具有较快的收敛速度和优越的容错性, 近年来得到广泛关注. 然而, 在网络构造过程中, 随机重连可能造成重要信息丢失, 进而导致网络精度下降. 针对该问题, 基于Watts-Strogatz (WS) 型小世界神经网络, 提出了一种基于突触巩固机制的前馈小世界神经网络(Feedforward small-world neural network based on synaptic consolidation, FSWNN-SC). 首先, 使用网络正则化方法对规则前馈神经网络进行预训练, 基于突触巩固机制, 断开网络不重要的权值连接, 保留重要的连接权值; 其次, 设计重连规则构造小世界神经网络, 在保证网络小世界属性的同时实现网络稀疏化, 并使用梯度下降算法训练网络; 最后, 通过4个UCI基准数据集和2个真实数据集进行模型性能测试, 并使用Wilcoxon符号秩检验对对比模型进行显著性差异检验. 实验结果表明: 所提出的FSWNN-SC模型在获得紧凑的网络结构的同时, 其精度显著优于规则前馈神经网络及其他WS型小世界神经网络.