复杂网络抗毁性研究综述

复杂网络的抗毁性直接关系到复杂网络的安全性和可靠性,是近年来复杂网络研究的热点分支。从抗毁性测度、抗毁性分析以及抗毁性优化三方面详细综述了复杂网络抗毁性的研究进展,并对该研究领域存在的问题和未来的发展趋势进行了总结和展望。     

贵阳公交复杂网络抗毁性分析

城市公共交通系统可以抽象为由公交线路和停靠站点构成的网络,公交网络构成了一个典型的复杂网络。复杂网络的研究在过去几年得到了迅速发展,其中复杂网络的抗毁性是研究焦点之一。在本文中,以贵阳市的公共汽车交通系统中的停靠站点网络为研究对象,测试了网络在随机攻击和选择性攻击情况下的抗毁性。结果表明,该网络对节点的随机攻击具有较强的抗击能力,而对选择性攻击的抗击能力较弱。     

基于复杂网络的城市公交网络抗毁性分析*

以国内四个城市公共交通系统为研究对象,对由停靠站点构建的公交网络拓扑结构进行了计算和分析。在此基础上提出了公交网络的抗毁性测度——最大连通子图的相对大小和网络效率,并考察了公交网络在不同攻击模式下的抗毁性。结果表明,公交网络具有对随机攻击的鲁棒性,同时又具有对选择攻击的脆弱性。网络的可靠性是由一些关键节点（公交枢纽站点）的稳定性决定的,应当切实保障这类站点的正常、高效运行。     

复杂网络抗毁性优化研究综述

随着对复杂网络认识的不断深入,复杂网络抗毁性的优化策略成为了新的研究热点。文章从拓扑结构、网络容量以及路由策略等三个层次详述了目前国内外复杂网络抗毁性优化策略的研究进展。最后对复杂网络抗毁性研究存在的问题进行了总结,对未来的发展趋势作了展望。     

BBS用户回复网络的抗毁性分析

结合复杂网络理论,对网络的抗毁性进行了初步的分析。首先基于节点度和介数概念提出了J种攻击策略, 并阐述了随机网络、无标度网络以及B路用户回复网络的构建方法;其次描述了网络抗毁性的定义及其测度;最后采 用不同的攻击方法对不同的网络进行攻击,对攻击结果作了详细的分析,结果表明蓄意攻击能在短时间内使网络崩 溃,尤其是1粥S用户回复网络,杭毁能力远不及随机网络和无标度网络;但进行随机攻击时,}引弓S用户回复网络体现 了良好的容错能力。为了使BBS用户回复网络遭受蓄意攻击时受到的损害程度最低,必须对网络中的重要节点施以 保护,使其体现一定的现实意义。     

复杂网络抗毁性测度研究综述

随着对复杂网络的定性特征与定量规律的深入探索,复杂网络的抗毁性测度研究已成为复杂性科学的研究热点之一。文章从抗毁性需求出发,给出了网络抗毁性的定义和抗毁性量化指标,并基于网络攻击策略详述了目前复杂网络抗毁性测度方法的研究进展。最后对复杂网络抗毁性测度研究存在的问题进行了总结,对未来的发展趋势作了展望。     

基于复杂网络理论的中国航空网络抗毁性测度分析

运用复杂网络理论建立的网络抗毁性测度方法,对中国航空网络进行了抗毁性实证分析。对中国航空网络连通性影响最大的机场是乌鲁木齐、昆明、西安等区域枢纽机场;针对度值进行选择性蓄意攻击,攻击机场数量达到5%时,就能使中国航空网络效率下降至50%左右;根据关键机场遭受蓄意攻击后,航空流量的重新流向对其他机场产生的流量压力来看,北京、上海及广州三个城市的机场对保持中国航空网络的稳定起着决定性的作用。     

有向加权复杂网络抗毁性测度研究

为有效评估有向加权复杂网络的抗毁性能,考虑网络边的有向性和权重对复杂网络拓扑层抗毁性的影响,提出一种有向加权复杂网络抗毁性测度算法(IMADW)。IMADW利用最短调和距离度量节点之间以及整个网络节点对之间的连接紧密度,采用节点环路系数反映节点可选的路径数,由此得到网络拓扑层的全局抗毁性测度值。通过算法分析和实验仿真验证了该算法的准确性。     

复杂环境下网络抗毁性综合评估方法

为了量化、客观地评估网络在复杂环境下的抗毁性能评估,提出了一种多目标网络抗毁性评估方法。该方法引入结合粒子群算法的环境参数集概念,用于表示各项指标在不同环境下的重要程度,以体现不同环境对网络抗毁性能指标的不同要求;并从节点角度考虑将网络的鲁棒性、可用性、适应性与成本等目标综合起来,给出一种量化反映网络在不同环境下综合抗毁性能的算法,以弥补现有方法主观、非量化及无法适应复杂环境等缺陷。通过仿真实验验证了该方法的有效性。     

复杂网络安全抗毁性研究

复杂网络通常面临两种打击：随机性打击和选择性打击。随机网络和无标度网络对这两种打击的抗毁性有很大差异。从网络拓扑结构出发,阐述了网络拓扑结构对网络抗毁性的影响,为广大的研究者进行复杂网络抗毁性的研究提供了有价值的参考。     

INFORMATION-THEORETIC CONCEPTS FOR THE ANALYSIS OF COMPLEX NETWORKS

In this article, we present information-theoretic concepts for analyzing complex networks. We see that the application of information-theoretic concepts to networks leads to interesting tasks and gives a possibility for understanding information processing in networks. The main contribution of this article is a method for determining the structural information content of graphs that is based on a tree decomposition. It turns out that the computational complexity of the underlying algorithm is polynomial. Finally, we present some numerical results to study the influence of the used methods on the resulting information contents.     

基于网络核心体的复杂网络控制分析

针对无向网络实际控制问题,提出了一种有效设置控制输入矩阵,从而完成网络控制的方法.该方法表明,在一定条件下,对网络控制核心体实施控制即可控制整个网络.实例检验了理论分析的结果,表明该理论的正确性和可行性.该项研究揭示了无向网络中重要结构对整个网络的支配作用,为控制大型复杂网络提供了一个有效的方法.     

一类双环网的特征分析及寻径控制

本文首先提出双环网中任意节点之间的最短路径求取方法，而后针对一类跨度为ｈ（≤Ｌ√」＋１）的双环网进行拓扑分析（Ｎ为网络规模），并构造了一个十分简便的最优寻径算法，最后给出一个容错寻径算法。     

TWO-LAYER STABILIZATION OF CONTINUOUS NEURAL NETWORKS WITH FEEDBACKS

Methods of stabilization as applied to Hopfield-type continuous neural networks with a unique equilibrium point are considered. These methods permit the design of stable networks where the elements of the interconnection matrix and nonlinear activation functions of separate neurons vary with time. For stabilization with a variable interconnection matrix it is suggested that a new second layer of neurons be introduced to the initial single-layer network and some additional connections be added between the new and old layers. This approach gives us a system with a unique equilibrium point that is globally asymptotically stable, i.e. the entire space serves as the domain of attraction of this point, and the stability does not depend on the interconnection matrix of the system. In the case of the variable activation functions, some results from a recent investigation of the absolute stability problem for neural networks are presented, along with some recommendations.     

计算机网络的建模与分析

计算机网络具有既随机又相关的特点，因此选择计算机网络性能评价的数学工具要考虑到网络数据流的特性，排队模型是一种确定性的数学模型，用确定性的模型描述网络既随机又相关的动态行为是不够的。Ｐｅ＃簦颍? Ｎｅｔｓ（ＰＮ）能够比较方便地刻画网络的相关录枋鐾绲木赫⑴鲎埠妥枞樱校谓肜┏浞⒄苟吹乃婊校危梢员冉戏奖愕目袒缡录乃婊裕呓岷掀鹄创酉嗟背潭壬匣汉土思扑慊缃Ｓ敕治鲋涞     

复杂网络的鲁棒性与中心性指标的研究

网络鲁棒性是指网络遭到随机故障或蓄意攻击时仍能维持其功能的能力,理解复杂网络部分结构的失效对网络结构和功能的影响有着非常重要的意义。针对不同的开放数据集和爬取的新浪微博数据集,通过计算移除部分节点后的巨片和连通子图数目等指标,着重分析蓄意攻击对网络的影响,发现度攻击策略对不同网络结构影响均较大,紧密度和介数攻击策略对网络结构的影响有明显区别。实验表明,非微博网络的蓄意攻击中,采用度和介数攻击策略效果较好,而微博网络应采用度和紧密度攻击策略。     

复杂网络与机器学习融合的研究进展

近年来,随着大数据技术的进步,复杂网络与机器学习的交叉研究越来越受到众多学者的关注。复杂网络是自然界中众多复杂系统的抽象描述,主要以统计物理的角度研究系统的演化;机器学习又称为统计学习方法,主要研究从大量数据样本提取特征并建立模型。简要综述复杂网络领域主要的网络演化模型、常用统计度量方法以及网络上的动力学过程和机器学习领域内三种基本的学习技术;从交叉应用的两个角度,即基于复杂网络的机器学习方法和基于机器学习的复杂网络信息挖掘,详细对比了各种方法的计算思路。在此基础上,提出目前学界重点关注的两类问题,并展望了若干开放性挑战。     

复杂网络与网络化软件系统

复杂网络理论是对复杂系统的高度抽象,实证研究发现网络化复杂软件系统的拓扑结构具有复杂网络的特征.复杂网络理论的最新研究成果,为网络化复杂软件系统的开发提供了新的数学基础.提出一种基于复杂网络的网络化软件工程,探讨了复杂网络理论在网络化复杂软件系统的建模、测试和度量中的应用.     

Ad Hoc无线网络及其路由协议分析

Ad Hoc无线网络是由多个无线主机组成的一个没有任何集中管理设备的临时网络。本文首先概述了Ad Hoc无线网络,其次分析了Ad Hoc无线网络的组织结构和特点,并提出了设计Ad Hoc网络协议需要满足的条件,最后对目前运用于Ad Hoc无线网络的常用路由协议进行了重点的分析。     

AN ANALYSIS OF NEURAL NETWORKS AS SIMULATORS AND EMULATORS

Recent advances in artificial neural networks (ANNs) have led to the design and construction of neuroarchitectures as simulator and emulators of a variety of problems in science and engineering. Such problems include pattern recognition, prediction, optimization, associative memory, and control of dynamic systems. This paper offers an analytical overview of the most successful design, implementation, and application of neuroarchitectures as neurosimulators and neuroemulators. It also outlines historical notes on the formulation of basic biological neuron, artificial computational models, network architectures, and learning processes of the most common ANN; describes and analyzes neurosimulation on parallel architecture both in software and hardware (neurohardware); presents the simulation of ANNs on parallel architectures; gives a brief introduction of ANNs in vector microprocessor systems; and presents ANNs in terms of the "new technologies". Specifically, it discusses cellular computing, cellular neural networks (CNNs), a new proposition for unsupervised neural networks (UNNs), and pulse coupled neural networks (PCNNs).