基于重要节点的复杂产品设计变更控制

为了有效控制复杂产品设计变更,在复杂产品开发（Complex Product Development,CPD）网络中揭示了重要节点对复杂产品设计变更的影响。为了识别重要节点,构建出加权CPD网络模型,提出基于平均路径以内邻居核数的节点重要性排序算法,以解决排序过程中考虑因素的不全面性及算法过程的复杂性。该算法能够全面考虑影响节点重要性的因素,更加科学、合理、简单、高效地对节点重要性进行排序。并在此基础上阐述了从重要节点出发的复杂产品设计变更控制策略。通过实证研究,验证了所提方法的有效性和合理性。     

基于平衡系数的加权网络改进k核算法

复杂网络节点的重要性排序是复杂网络研究的重要部分。在k核算法的基础上引入权重值,重新定义适用于加权网络的节点k核值。为了将权重对网络节点重要性的影响定量化,提出一种新的加权网络改进k核算法,并分析平衡系数的取值变化对算法结果的影响。仿真结果表明,该算法整体指标优于k核算法,具有调整平衡系数适应不同加权网络的特点,适用于进行加权网络节点重要性评价。     

CPS拓扑结构节点重要性排序方法

信息物理融合系统(Cyber-physical Systems,CPS)拓扑结构中节点重要性排序是CPS拓扑分析的重要方面。针对CPS内在结构特征,构建一种CPS拓扑结构模型——交互网络模型。然后结合CPS信息交互特点定义节点交互介数作为衡量具体节点重要性度量,阐明该测度能够反映节点的相对重要度,并给出了时间复杂度为多项式阶的节点重要性排序有效算法。最后构建CPS拓扑实例进行分析,并与节点介数进行对比,说明节点重要性排序能够为CPS的运行和防护提供重要参考。     

基于节点亲密度的重要性评估算法

识别复杂网络中的重要节点一直是社会网络分析和挖掘领域的热点问题,有助于理解有影响力的传播者在信息扩散和传染病传播中的作用。现有的节点重要性算法充分考虑了邻居信息,但忽略了邻居节点与节点之间的结构信息。针对此问题,考虑到不同结构下邻居节点对节点的影响力不同,提出了一种综合考虑节点的邻居数量和节点与邻居间亲密程度的节点重要性评估算法,其同时体现了节点的度属性和"亲密"属性。该算法利用相似性指标来测量节点间的亲密程度,以肯德尔相关系数为节点排序的准确度评价指标。在多个经典的实际网络上利用SIR(易感-感染-免疫)模型对传播过程进行仿真,结果表明,与度指标、接近中心性指标、介数中心性指标与K-shell指标相比,KI指标可以更精确地对节点传播影响力进行排序。     

复杂网络中的一种介度熵抗毁性度量方法

在复杂网络中，核心节点的损坏可能会影响到整个网络的稳定性。基于节点重要性研究了网络抗毁性度量和抗毁性能。综合考虑节点度值和介数对节点重要性的影响，提出了局部介-度中心性指标。兼顾节点的聚集系数，提出节点抗毁性度量方法。为了估量网络的抗毁性能，提出了介-度熵度量及其算法。仿真攻击实验结果表明，基于介-度中心性的攻击策略移除约20%的节点后，可将网络近似地分割为孤立节点集合，它优于传统的攻击策略，表明介-度中心性指标可以更准确地刻画节点重要性。对不同模拟网络的抗毁性评估计算结果则表明，介-度熵度量对网络抗毁性能的排序符合实际情况，在衡量网络抗毁性方面是完全合理的。     

融合节点中心性和度相关聚类的有向网络链路预测

现存大部分有向网络的链路预测方法仅关注链接方向信息和互惠链接信息而忽略节点重要性及度相关聚类的贡献,导致预测精度下降。针对以上不足,提出基于节点中心性和度相关聚类的有向网络链路预测指标。首先,利用节点中心性统计任意节点邻居数量去衡量节点的影响力;其次,将节点度相关聚类系数方法扩展到有向网络去评估节点聚类能力,并与网络同配系数相融合获得节点对高聚类能力;最后,融合以上2类信息提出一个带参的有向网络链路预测指标。在6个真实世界有向网络上与最近代表性预测指标比较,所提指标AUPR和AUC分别提高了33%和1.6%。     

一种新的复杂网络节点重要性评估方法

网络拓扑结构及节点间的相对距离对复杂网络节点的重要程度具有较大影响。在分析并研究现有节点重要性评估方法的基础上,根据邻居节点的拓扑结构并结合万有引力定律,提出一种基于改进重力中心性的复杂网络节点重要性评估方法。实验从SIR传播模型的准确性和单调性两方面验证了该方法的有效性,且结果表明其可对节点重要性进行重新排序,相比度中心性、介数中心性等方法能更准确地评估复杂网络节点的传播能力与重要性。     

节点重要性指标在加权网络中的应用

复杂网络的中心化有助于发现复杂网络中的重要节点,因而具有重要的应用价值。将中心化的研究推广到了加权网络,首先在一个小的加权网络模型上刻画了几种重要的中心化指标,通过定量分析,指出了不同中心化指标的特点;并将三种节点重要性指标应用于BBV网络,分别对这三种中心化指标最大的节点进行目标免疫,通过模拟病毒传播趋势,得出节点的强度指标对这种网络的传播影响最大。     

多层网络节点重要性排序研究*

如何衡量节点的重要性是网络科学的基础问题之一。现有研究多集中于单层网络衡量指标的设计与改进,只能给出特定关系网络,特定测度下的结果。而节点往往存在于多种不同关系之中,如何综合衡量多层网络节点的重要性是一个更为现实而有意义的问题。本文提出了一个多层网络节点重要性排序框架,其核心是每层提取多个指标,对指标和层次赋权叠加构成一个综合评价矩阵,在这个矩阵基础上进行排序。实验证明,该框架可以灵活适应不同的应用场景,适应不同指标集合。框架给出的综合排序结果有效避免了单层网络排序的片面性。     

基于介数中心性的无线传感器网络抗毁性评价方法

基于复杂网络理论的介数中心性,提出了无线传感器网络(WSNs)节点介数中心性概念,并利用该中心性来衡量网络中各个节点的重要性.基于网络结构熵,结合WSNs自身特性,给出了介数熵测度模型,用以衡量网络的抗毁性.仿真实验表明:提出的介数熵抗毁性测度能全面、准确地评估网络的抗毁性.     

基于位置吸引力的加权复杂供应链网络局域世界演化模型研究

在一般局域世界演化模型的基础上,文章使得企业节点的初始位置值呈现幂率分布,以体现节点企业的不同角色。受万有引力定律的启发,用位置值的大小和远近值来定义节点企业间位置吸引力的概念,并应用吸引力规则确定每一个新加入节点的局域世界。新节点与局域世界中的老节点之间采用节点度与节点强度的复合优先连接方式,弥补了优先连接仅仅依赖节点度值的缺陷,从而构建基于位置吸引力的加权复杂供应链网络局域世界演化模型。实验模拟了该复杂网络的生长、边的退出和节点的退出等动态演化过程,通过计算与统计整体度分布、平均路径长度和聚集系数等复杂供应链网络的重要参数发现:该复杂供应链网络的度分布呈现出一定的幂率分布形式,能够保证大多数节点的度较低和少数节点的度较高的重尾特征,同时具有较大的集聚系数和较小的平均路径长度的小世界特征。该研究工作为供应链企业在实践中构建供应链网络提供了理论依据,有助于更好地分析现实供应链网络的相关特性并识别重要节点以便对供应链网络进行保护。     

基于节点亲密度的链路预测算法

链路预测作为复杂网络分析的一个重要分支,在不同领域中有着广泛的应用。现有的链路预测算法通常根据共同邻居节点的结构信息来度量节点对之间的相似性,忽略了节点对与其共同邻居节点之间的连接紧密程度。针对此问题,提出了一种基于节点亲密度的链路预测算法。该算法利用边聚集系数来测量节点对与其共同邻居节点之间的紧密程度,以AUC值作为链路预测的精确度评价指标。在4个真实网络上的实验结果表明,相比于其他相似性算法,所提出的算法提高了链路预测的预测精度。     

基于引力模型及相对路径数的节点重要度评估算法

准确度量复杂网络中节点的重要度对于研究网络结构和功能等方面具有重要的指导意义。现有多数节点重要度评估算法考虑了节点及其邻居节点的相关信息,却忽略了节点间的拓扑结构对节点重要度的影响。针对此问题,提出了基于引力模型及相对路径数的节点重要度评估算法。该算法首先分析了相对最短路径数对节点间信息传播的影响效果,同时考虑到非最短路径及路径距离等因素的影响,然后以三阶范围内邻居节点与中心节点的相互作用力之和定义节点重要度值,最后在六个真实网络中进行仿真实验。实验结果表明,所提算法不仅能有效区分网络中不同节点之间的重要度差异,还能准确度量网络节点的重要度大小。     

融合聚集系数的链接预测方法

许多基于网络结构信息的链接预测算法利用节点的聚集程度评估节点间的相似性,进而执行链接预测;然而,该类算法只注重网络中节点的聚集系数,没有考虑预测节点与共同邻居节点之间的链接聚集系数对节点间相似性的影响。针对上述问题,提出了一种融合节点聚集系数和非对称链接聚集系数的链接预测算法。首先,计算共同邻居节点的聚集系数,并利用共同邻居节点对应的两个非对称链接聚集系数计算该预测节点的平均链接聚集系数;然后,基于Dempster-Shafer证据理论将两种聚集系数进行融合生成一个综合性度量指标,并将该指标应用于中间概率模型（IMP）,得到一个新的节点相似性指标（IMP_DS）。在9个网络数据上的实验结果表明,该算法的受试者工作特征（ROC）的曲线下方面积（AUC）与精度值（Precision）优于共同邻居（CN）、Adamic-Adar（AA）、资源分配（RA）指标和基于共同邻居的中间概率模型（IMP_CN）。     

基于节点吸引力的复杂网络演化模型研究

针对BA模型及其推广模型预测节点连接度过大的问题,提出一种基于节点吸引力的复杂网络演化模型。该模型包括吸引因子模型、BA模型的度分布、群集系数以及平均路径长度。采用程序仿真方法模拟吸引因子模型和BA模型,并在同等网络规模下对这2种模型进行比较。实验结果表明,在吸引因子影响下,节点的度分布呈幂律指数形式,近似于BA模型,其群集系数小于BA模型,但平均路径长度大于BA模型。     

基于复杂网络的无线传感器网络能量脆弱性分析

无线传感器网络(WSNs)正常运转的重要前提条件是支撑整个网络的节点能量是否充足,因而针对无线传感器网络的能量效率的研究一直是该领域研究的热点和难点问题。从节点能量效率的末端也就是其脆弱性展开研究,分析了无线传感器网络的拓扑特征和脆弱性对于节点能量优化和提高网络生命周期有重要的意义。采用Space D法建立拓扑网络模型,并用Matlab 7.0工具分析平均路径长度、节点度、聚类系数等指标及其分布规律,标注各个节点的能量脆弱性走势图,找到影响网络生存周期的最大关键节点。仿真实验结果表明:水质变化大的区域所覆盖的节点,数据传输量大,导致能量消耗过快,在度数一样条件下,这些节点对整个网络效率的影响最大。     

融合节点重要性的无监督链路预测算法

提高加权网络链路预测算法精确度是研究复杂网络的基础问题之一。常用的基于局部网络结构的无监督预测方法没有考虑到重要性越高的节点越容易产生新连接,且在真实网络上中心性小的节点同样具有高度重要性。针对上述问题,提出一种融合节点重要性的无监督链路预测算法,从结构相似性和节点重要性两个角度计算新连接产生的可能性,并利用自定义系数调节影响程度。在5个真实加权网络数据集上进行实验,结果表明在解决小规模加权网络的快速预测问题上,该算法相比同类方法的预测精确度更高,有监督式链路预测方法并不适用。