二阶有向多智能体网络的可控包含控制

研究随机给定拓扑结构的二阶有向多智能体网络的可控包含控制问题.针对当前包含控制研究成果大多没有考虑多智能体网络领导者和跟随者的可控配置问题,结合复杂网络可控性理论和二分图最大匹配算法给出满足网络可控的领导者和跟随者集合,并为跟随者智能体设计相应的控制协议,驱使跟随者能够渐近收敛到由多个领导者构成的静态凸包中,从而实现网络的可控包含控制.仿真结果验证了理论分析的正确性.     

电力信息相依网络去除重要相依边策略及其鲁棒性研究

去除相依边可有效增强电力信息相依网络的鲁棒性，然而随机去除相依边策略需要去除大量相依边，极大地破坏了网络的功能。基于此，提出去除重要相依边策略。建立符合实际的“部分一一对应”电力信息相依网络模型；提出相依边的重要性衡量指标，并根据此指标，提出去除重要相依边策略；利用WS-BA、ER-BA、GRID-BA三种异质电力信息相依网络进行仿真。仿真结果表明，所提出的去除重要相依边策略可在保持电力网络的功能下，显著提升电力信息相依网络的鲁棒性。     

有向加权供应链网络级联失效的抗毁性研究

供应链网络是一个高度复杂的有向加权网络, 研究供应链网络本身的抗毁性对改良供应链网络拓扑结构, 提高网络稳定性和鲁棒性有着至关重要的意义. 因此本文依据复杂供应链网络中不同的网络攻击方式导致的节点 或者连边级联失效现象, 提出了一项在有向加权供应链网络下的抗毁性标准. 在提出的抗毁性准则中, 本文引入 了“网络运营度”的概念, 并针对有向加权网络的几种级联失效现象下的“网络运营度”的理论机理进行阐述, 最后 通过实验证明该抗毁性准则相对于其他文章所提出的抗毁性准则有着相对较好的表现, 证实了本文提出的抗毁性 测度的有效性.     

基于拓扑稳定性的有向网络链路预测方法

作为复杂网络研究的热门方向,有向网络链路预测旨在挖掘网络中未知的连边。网络演化机制是许多链路预测方法的理论来源和依据。现有有向相似性指标计算节点间存在连边的可能性时,忽略了实际网络演化过程中节点自身拓扑稳定性和网络结构稳定性。基于此,提出了基于拓扑稳定性的预测方法。该方法首先计算趋于稳定的节点对之间的相似度,然后计算预测节点对之间的拓扑稳定性。在三个衡量标准AUC、precision和排序分下,九个真实网络中的实验分析表明,提出方法具有较高的预测精度。     

无向网络最大流问题研究

通过改变无向网络最大流问题的描述,给出了一种寻找无向网络最大流的适用算法,这种算法每迭代一次,就可以找出多条增量路径,因此,有较高的计算效率。     

有向网络中病毒传播和核心免疫的研究

现实网络的有向性使得有向网络能够更准确地模拟显示网络,而当前研究的热点是怎样用最小的代价对网络进行免疫。基于节点连接的不均匀性,提出的目标免疫被认为是最好的免疫策略。针对更符合实际的有向无标度网络,提出了基于双向链接的核心免疫策略。与目标免疫相比,该策略可以使网络获得较好的免疫效果,并且能更好地保持网络的连通性。采用SI病毒传播模型研究病毒爆发初期的情况,在双向网络分别测试了该免疫的性能和网络效率,证明了该免疫的高效性。     

基于仿射传播的有向网络聚类算法

现有大多数的网络聚类方法都只是针对无向网络, 已有的有向网络聚类方法建立在传统聚类算法基础之上, 存在着一定的局限性。针对上述问题, 提出一种基于仿射传播的有向网络聚类算法, 该算法首先采用SimRank作为节点之间的相似度, 并将计算得到的结果转换为适应于仿射传播算法的负值; 然后将相似度矩阵作为输入, 利用具有更好性能的仿射传播算法对有向网络进行聚类。实验结果表明, 所提出算法的聚类性能优于其他几种具有代表性的有向网络聚类算法。     

有向网络重叠社区的快速划分算法

随着社会的发展,数据量越来越大,网络规模也在迅速增长。作为一种研究网络结构的有效方法,社区划分对于深刻认识超大规模网络有重要的意义。在分析研究有向网络的非重叠社区划分算法和无向网络的重叠社区划分算法的基础上,提出了一种有向网络重叠社区划分的快速算法。算法根据节点的有向权值和归属度进行社区划分,并分析了有向权值和归属度对划分结果的影响,在此基础上得到了一组最优的有向权值和归属度参数。使用2个实际网络和1个人工构建网络对算法的性能进行了测试并与已有算法进行了对比。实验结果表明,所提出的算法能够有效地划分出有向网络中的重叠社区。     

有向加权复杂网络仿真平台的设计与实现

随着复杂网络研究热潮的日益增加,复杂网络仿真平台已成为研究复杂网络的必不可少的基础性工作。针对无向无权复杂网络有时还无法准确反映真实世界中网络系统的问题,文中以VC＋＋6.0为开发工具,通过对总体框架和各主要功能模块进行详细的设计实现了一个具有一定可扩展性的有向加权复杂网络仿真平台（ DWCNS）。该平台能对有向加权复杂网络进行拓扑生成且能进行相关统计特性的分析研究。最后通过一个节点重要性评价方法的仿真实例证明了该平台在有向加权网络研究方面的有效性。     

有向符号网络的边能控性研究

符号网络是一类具有正负符号特征的网络.在多智能体系统中,符号网络能够描述智能体之间的合作与对抗交互关系,因此受到学者的广泛关注.本文主要研究有向符号网络的边能控性.首先,对具有符号网络的多智能体系统边动力学进行建模,得到边能控性模型.其次,从网络拓扑结构角度对边能控子空间进行定量刻画,利用有向符号网络的距离和等价划分得到能控子空间的上下界估计.进一步,讨论了符号网络边能控性与顶点能控性的关系.所得结果表明:当顶点符号图为结构非平衡时,符号网络的边能控性与顶点能控性等价.最后,通过仿真结果验证所得理论的有效性.     

负荷作用下的相依网络鲁棒性研究

提高相依网络的鲁棒性对网络的可靠性和安全性建设具有重要意义。针对所构建的三种耦合方式下的无标度相依网络,引入节点负荷作用,通过计算机仿真对相依网络的鲁棒性问题进行研究。研究发现,相比随机耦合和异配耦合,相依网络在同配耦合方式下具有最强鲁棒性。节点容忍系数和子网络同配性系数对相依网络的鲁棒性具有显著影响,为使相依网络更加鲁棒,应适当增大节点容忍系数或减小子网络同配性系数。另外,耦合强度的增加也能在一定程度上提高相依网络的鲁棒性,且随机耦合方式下的相依网络对耦合强度的变化更加敏感。     

目的边攻击和防御下的相互依存网络相继故障

许多现实的网络彼此间相互作用与依存,一个或几个网络的故障将导致网络间的相继故障,最终导致相互依存的网络系统整体失效。为解决基于相互依存边目的攻击下的网络间相继故障及其渗流问题,采用一种新的相互依存边的边权定义方法,提出相互依存边在目的攻击和防御下的故障渗流模型,运用生成函数和渗流理论,分析相互依存网络在此攻击和防御下的相继故障渗流过程。以相互依存的随机网络和相互依存的无标度网络为实例,进行实例分析与仿真实验。仿真实验与理论分析相符并表明：基于相互依存边的目的攻防效果均好于基于节点的目的攻防效果。     

Subspace controllability of Boolean networks

Many Boolean control networks contain independent uncontrollable subnetworks, which may affect other nodes; and the rest of the system is called subspace of sub‐controllable states. This paper investigates the problem of subspace controllability under free input sequences, while the presumption that the initial states of those independent subnetworks are designable is canceled. An algorithm based on the common asymptotic periodic properties of the states is developed to find the reachable sets. Accordingly, the existing controllability criteria for subspaces when initial states of subnetworks are designable is improved, and a necessary and sufficient condition of subspace controllability via subnetworks and free inputs is derived. A design technique involving a kind of newly defined addition is presented to construct desired controls.     

Further results on controllability of recurrent neural networks

This paper studies controllability properties of recurrent neural networks. The new contributions are: (1) an extension of a previous result to a slightly different model, (2) a formulation and proof of a necessary and sufficient condition, and (3) an analysis of a low-dimensional case for which the hypotheses made in previous work do not apply.     

概率布尔控制网络的弱能控性

本文研究了概率布尔控制网络的弱能控性,系统的弱能控性是概率布尔网络精确能控的一个推广.首先利用矩阵的半张量积和逻辑变量的向量表示,概率布尔控制网络被表示为离散时间动态系统.接着给出概率布尔控制网络弱能控的定义,从离散时间系统的结构矩阵出发,构造了最大概率转移矩阵,矩阵中的元素表示相应状态之间可能发生转移的最大概率,在此基础上研究了概率布尔控制网络的弱能控的条件,同时给出了两个状态弱能达时控制序列的设计算法.最后通过例子进一步解释了弱能控的概念和控制序列设计算法的有效性.     

基于不同子网络级联机制的相依网络鲁棒性研究

以往相依网络的级联失效研究都基于相同子网络级联机制的假设下进行分析,在借鉴前人研究的基础上,利用负载 能力模型提出基于不同子网络级联机制的相级联模型,并分析不同攻击策略对相依网络鲁棒性的影响。通过针对相依ER随机网络和相依无标度网络的攻击策略模拟仿真,对比不同攻击策略的效果,从而发现相依网络拓扑结构要素对不同攻击策略的影响。同时,通过对比同一攻击策略下的不同级联失效机制的效果,发现了级联失效机制的对称性对相依网络鲁棒性造成的影响。     

Effect of the interdependence between subnets on the structural controllability of complex networks

Controllability is a hot issue in complex networks. In this paper, without changing the number and the positions of the controllers, the effect of interdependence (viz., inter-coupling relations) between two directed subnets that are controllable or uncontrollable on the structural controllability of complex networks is investigated. According to the Kalman rank criterion and PBH rank criterion, some sufficient conditions and necessary conditions for the structural controllability or uncontrollability of interdependent networks are presented. The results show that (1) if the uncontrollable and controllable nodes in one subnet are inter-coupled with the controllable and uncontrollable nodes in the other subnet, respectively, and the directions are from controllable nodes to the uncontrollable nodes, then the interdependent network may be controllable; (2) the interdependent network can be obtained structurally controllable if there are simply directed paths covering all the uncontrollable nodes of the two subnets, separately; and (3) the interdependent networks are structurally controllable no matter what kind of inter-couplings between two controllable subnets. All of these results are adaptive to undirected subnets. The final example verifies the effectiveness and correctness of the results provided in this paper.