基于复杂网络的供应链网络鲁棒性分析

供应链网络经常面临各种突发事件的干扰,使网络用户受到损失。为更好地提高供应链网络的鲁棒性能,采用复杂网络理论构建了带有可调参数的供应链网络演化模型。在给出供应链网络鲁棒性新测度的基础上,分析了在受到随机干扰和选择性干扰的情形下,用不同拓扑结构的供应链网络模型进行仿真分析。仿真结果表明:供应链网络的拓扑结构对供应链网络的鲁棒性有重要的影响,通过调整模型中的参数,改变网络的演化机制,可以达到改善供应链网络鲁棒性的目的,并对于提高供应链网络的抗干扰能力具有重要的现实和理论意义。     

基于复杂网络理论的城市公交网络鲁棒性分析与优化

以往对城市公交网络的研究多集中在网络拓扑结构的性质上,关于优化网络鲁棒性的研究较少。从公交路线网站上获取某市实时公交路线后,基于Python软件构建了该市公交网络拓扑结构模型。采用连通度、最大连通子图的相对大小、网络效率作为公交网络鲁棒性评价指标,以节点度攻击与随机攻击模式对网络进行攻击,结果表明随机攻击模式下该市公交网络鲁棒性较好,节点度攻击模式下该市公交网络鲁棒性较差。在采用高度数加边、高介数加边、低度数加边、低介数加边和随机加边策略对网络进行鲁棒优化后对比得出,低度数和低介数加边策略对网络鲁棒性提升效果好,高介数和高度数加边策略不能提升网络鲁棒性。     

基于复杂网络理论的Java开源系统演化分析

随着软件版本的快速迭代,软件代码的规模迅速扩大,软件设计与质量问题已引起了IT领域的广泛关注。利用复杂网络理论研究软件系统的整体性质已经成为解决这些问题的一种重要方法。将软件源码依赖关系表征为网络,借助复杂网络方法,可以更深入地了解代码宏观层面的结构组成并掌握整体演化趋势,有助于开发者优化整体架构,使软件更稳定、性能更好。Tomcat是一种开源的主流Java EE应用服务器,已经在工业界得到了广泛的应用。基于复杂网络方法,通过研究Tomcat的21个历史版本,发现这些版本的类依赖关系网络满足小世界网络性质和无标度网络性质;同时深度分析了其中9个版本的演化过程,发现Tomcat具有优先连接倾向,因而能一直保持软件的鲁棒性。     

基于复杂网络理论的典型电力电子电路复杂性研究

基于复杂网络对电力电子电路的复杂性进行了研究,指出了复杂网络在电力电子技术中运用的结合点并以三相桥式全控整流电路及三相电压型桥式逆变电路为研究对象,提出用复杂网络的特征参数来分析该电路拓扑特性的方法,并对其鲁棒性及脆弱性进行了分析研究.最后对电力电子电路复杂性研究结果存在的问题进行了分析和总结.     

基于拷贝模型的复杂网络鲁棒性研究*

拷贝机制被广泛认为是系统通过构造冗余提高自身鲁棒性的主要机制之一。为了探究拷贝机制是否是真实网络鲁棒的基本机制,通过计算机仿真的方法对基于拷贝机制的网络模型的鲁棒性进行了进一步的研究。仿真结果表明,随着拷贝机制的增强,相应网络对于随机故障的鲁棒性增强,而对于蓄意攻击的鲁棒性减弱。这一事实启发人们,基于拷贝机制的网络,其鲁棒性仅局限于随机失效,单纯的拷贝机制还不足以有效抵抗基于网络全局结构信息的蓄意攻击。     

变权重的城市轨道交通复杂网络鲁棒性分析

研究变权重下的城市轨道交通复杂网络优化问题,由于城市轨道交通网络属于复杂网络,网络节点数目庞大,并且受实际地理位置因素的影响,每个节点所肩负的交通传输负荷也各异.传统的城市轨道交通网络鲁棒性分析模型对所有的节点进行相同的加权,即所有节点的交通传输负荷相同,并且不考虑节点与节点之间实际距离的影响,将任意相连两个节点间的距离近似等效为单位距离,与实际城市网络中不同节点肩负着不同交通传输负荷不相符合.为解决上述问题,提出一种变权重的城市轨道交通复杂网络的鲁棒性分析模型,对网络中不同的节点,根据与市中心所处的地理位置关系进行不同的加权,并且采用节点间的实际距离作为节点间距分析网络的性能,上述改进模型更符合实际网络特性.以北京市最新的轨道交通网络为例进行实验分析,结果表明,采用改进模型能更精确的优化城市网络的鲁棒性.     

基于重连机制的复杂网络鲁棒性分析

随着电力系统、交通系统、通信系统等基础设施网络的广泛使用,提高复杂网络的鲁棒性具有重要意义.重连机制是一种高效且简洁的方法,常用于提高网络的鲁棒性.基于0阶零模型的重连机制通过对边的随机删除和创建操作来提高网络的鲁棒性,其尽管保持了网络的边数,但会引起节点的度值发生变化,如基于香农熵的重连算法;基于1阶零模型的重连机制...     

基于复杂网络理论的计算机网络拓扑分析

复杂网络是指具有无标度、小世界、吸引子、自相似、自组织中部分或者所有性质的网络。在现实世界中,许多复杂的系统基本上都能以网络来进行描述,而现实中的那些复杂的系统则可以以“复杂网络”来称之,比如社会网、交通网、电力网、万维网、因特网等等都可以称之为复杂网络。本文主要通过对复杂网络理论的介绍,从而对计算机Intemet网进行分析,对Intemet网这一复杂系统进行探究,揭示Intemet拓扑现象的特性、规律及动因。     

基于自适应同步的二部图复杂动力网络的权值识别

本文给出了二部图复杂动力网络的数学模型及其权值识别方法. 运用自适应反馈控制技术, 通过构造驱动―响应结构的同步网络,设计了网络权值识别控制器. 应用Lyapunov稳定性理论及LaSalle不变集原理从理论上证明了结论, 并通过数值仿真算例验证了所给方法的有效性.     

基于复杂网络理论的PPI网络拓扑分析

蛋白质相互作用在生命活动中起核心作用,由蛋白质相互作用构成的PPI网络的拓扑特性分析是后基因组时代最重要的研究课题之一。应用复杂网络理论对DIP数据库中7个物种的8个PPI网络的拓扑结构进行分析与研究。分析结果表明,这些PPI网络具有较小的平均路径长度和较高的聚集系数,其度分布服从幂规律,即p（k）=ak^-r,其中r大于1小于3,a近似等于1±0.5,表现出典型的无标度性,并具有高的异质性。其中平均度大于3.5的5个PPI网络对随机删除不超过10%的顶点都具有很好的鲁棒性,但对有选择的删除2%的高度顶点就开始表现出极弱的抗攻击性。     

基于社团理论的复杂网络级联故障模型

针对目前级联故障研究局限于单个节点或节点的简单邻居关系的问题,充分考虑网络的中观局域特征--社团结构,提出一种考虑社团理论的级联故障模型。依据节点的社团属性,赋予节点动态初始负荷,并采用不同的攻击策略对美国西部电力网络、美国航空网络、IEEE118标准电网和无标度网络(SFN)等不同网络模拟故障过程。经仿真发现,社团因素对节点的初始负荷贡献越大,社团内失效节点引发的故障规模越小,而连接多个社团的特殊"枢纽"节点的失效则会引发严重的级联故障。进一步计算不同属性的Pearson相关系数,表明节点的社团外邻居节点数属性较其他属性与故障规模更相关。     

基于动态二分网络表示学习的推荐方法

构建用户—项目交互网络并学习其表征是一种有效的推荐方法。已有的方法大多将交互网络视为静态同质网络,忽略了交互时序性和节点异质性的影响。针对这一问题,提出一种基于动态二分网络表示学习的推荐方法,首先构建时序加权二分网络;然后将用户节点和项目节点分别映射到不同的向量空间以保留网络的异质性,选择图卷积网络来聚合节点的一阶和高阶邻居信息;最后使用多层感知机学习两类节点嵌入的非线性关系并进行top-N推荐。在Amazon和Taobao数据集上的实验结果表明,该方法在HR和NDCG推荐指标上均显著优于相关的基于静态、异质网络表示学习的方法。     

基于复杂网络的全球海运网络脆弱性分析

全球海运网络在世界进出口贸易中具有重要的作用,其脆弱性直接影响到各国间航运贸易,对海运网络和港口的脆弱度进行研究具有重要的意义。首先,运用复杂网络的理论和方法探究了全球海运网络的拓扑结构特征;然后,结合全球海运网络的结构特性从关键节点识别和全局脆弱性两个方面分析了海运网络的脆弱性。利用MATLAB编程分析、计算了各港口脆弱度和在两种不同攻击模式下的全球海运网络脆弱度变化。结果表明,蓄意攻击的网络效率下降速度更快,即全球集装箱海运网络在面对蓄意攻击时表现出的脆弱性较大,对脆弱度较高的港口应加强预防。     

基于复杂网络理论的产品结构模块划分方法

针对现有的产品结构模块划分方法的不足,将复杂网络理论中的社团结构发现方法应用于产品结构模块的划分,提出了一种新的结构模块划分方法.产品的结构单元作为网络的节点,有关联的结构单元对应的节点之间为网络的边,从而构建产品结构的网络图,使用复杂网路理论中的社团结构发现方法——GN算法实现结构模块的划分.论文阐述了基于GN算法的模块划分的方法与步骤,在此基础上以汽车发动机的结构模块划分为例验证了该方法的有效性和实用性,并对模块划分结果进行了分析,最后指出了今后进一步研究的内容与方法.     

基于复杂网络的灾害关联建模与分析

为研究灾害间的内部关联, 提出根据灾害发生的时间跨距来计算灾害间的共现率和引发率, 然后依据引发率对灾种建立复杂网络模型, 通过度、点权、点介数等方法来研究复杂网络中每个节点的重要性, 为灾害阻断策略提供依据, 并提出有向加权网聚类系数的计算方法, 模拟实验结果验证了此算法的有效性。     

一种基于复杂网络理论的移动自组网路由算法研究*

针对移动自组网中节点之间数据包发送成功率不高、路由开销大和包平均延时长等问题,提出了一种基于复杂网络理论的移动自组网路由算法。在该算法中,路由发现基于路由消息在邻域范围的相互借阅,若持续时间在网络平均路由发现时间范围内,则采取动态随机路由,考核跳级数是否满足复杂网络理论的条件来选择以最少跳级数或者最短路径为指标的最优路径建立路由,否则采取位置路由,采取方向最有益的最优路径建立路由。实验分析表明,即使节点稀疏时该路由算法仍具有很好的包发送成功率和包平均延时,其综合性能优于OLSR协议和AODV协议。     

基于复杂网络的本体结构复杂性分析

目前关于本体复杂性的研究,还没有比较系统和全面的方法。从本体概念模型的结构特点出发,将其与复杂网络的结构进行类比,借鉴复杂网络研究的研究方法和性质参数对本体结构进行研究,并选取生物学领域应用较广的GO本体作为样本,对其平均路径长度、度分布和簇系数等参数进行统计和分析,结果表明其具有无标度特性而不具有小世界特性。     

The design and analysis of complex system neural network metamodels

The basic task of work is to research possibility of using the neural networks as a metamodels for three complex systems: dispatching system (planning system of transport routes), multicommodity network and bank system with several cash registers. The results of constructing the metamodels for these systems are presented. The principles of the factorial experimental design creation for the neural network learning are described. The perceptron with one hidden layer and sigmoid activation function is used as the metamodel.