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。     

考虑不同节点行为要素特征的供应链演化规律研究

为研究供应链的实际演化规律,以复杂网络理论中的多局域世界模型为原型,提出了一种包含局域性节点与全局性节点且反映多种供应链行为要素的供应链网络演化模型。该模型验证了在自然演化情况下,现实供应链网络均具有一定的幂律性;通过算例对比分析说明,该模型相较现有文献中的演化网络能更好地模拟现实的供应链网络。研究表明,在供应链的自然演化过程中,网络的连通性和传输效率不断增强,由于新节点企业多与较大规模的企业合作而忽略了其他企业,其节点间紧密程度降低;企业与供应链网络的紧密度逐步发展到一定的程度将趋于稳定,大规模企业的发展速度先增加后放缓,各规模节点发展速度在中后期保持稳定。     

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。     

动态供需复杂网络演化模型拓扑性质的研究

为了深入理解供需网络的演化规律,在研究了已有的复杂网络演化模型所刻画供需网络生长过程不足的基础上,提出了以ER网络模型表示初始网络,并在局域世界中选择新增节点的连接边,依据节点之间的网络路径值作为局域世界选取的原则,局域世界的规模可动态增长。在考虑网络生长的同时,也考虑到网络内部边的动态演化以及节点的退出问题,据此建立了供需复杂网络的有增有减的动态演化模型,并给出了生成模型的算法。仿真结果表明,该模型所生成的网络模型具有无标度特性、小世界性和高聚集性。     

复杂网络自相似特征演化模型研究

现实中有些复杂网络并不具备无尺度网络的偏好连接特性,但节点之间具有信息传递相似性。为此,研究基于自相似特征形成的复杂网络,提出一种具有自相似特征的网络演化模型。证明以节点自相似演化的网络具有自相似性,并以容量维数作为衡量尺度,揭示复杂网络的自相似性。理论分析及仿真结果表明,该模型能合理描述现实中复杂网络的演化及其特征。     

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。     

一种新的复杂网络演化机制研究

现实世界中,包括互联网在内的大多数复杂网络都具有"小世界"或"无尺度" 等特性,这一重大科学发现从根本上改变了人们对复杂网络的认识.但是,对现实世界中复杂网络的研究,仅仅依靠节点和边形成的拓扑特性远远不够,网络中节点的质量、节点之间位置的相互影响、节点的生长和消亡,这些扩展因素对网络的自组织过程也是非常重要的.在研究WS小世界模型及BA无尺度网络模型的基础上,提出了一种基于典型网络模式的分阶段演化而生成无尺度复杂网络的新机制,这种演化机制反映了现实世界中复杂网络的性质存在整体跃迁特征,它对于复杂网络的分解、约简及可控性研究具有指导意义.     

分层供应链复杂网络局部演化模型研究

供应链是一种动态的、自适应性、自组织的复杂网络系统,具有典型的复杂网络特征。考虑了供应链网络的 整体宏观行为,通过分析企业节点的产生、衰亡及退出等生长演化规律,以节点多属性参数组合作为优先连接的依据, 建立了一个分层加权供应链网络模型。实验结果显示,该模型具有无标度特性,其幂律分布的指数落在(2,3)范围内, 而且具有较大的集聚系数及较小的平均路径长度,表明了其具有小世界效应。     

以制造商为核心的复杂供应链网络多级局域世界演化模型

为揭示以制造商为核心的供应链网络演化规律,以BA模型和多级局域世界理论为基础,结合现实网络中节点生成与退出机制,提出了一种五级局域世界网络模型。首先,研究了以制造商为核心的供应链网络的内在特性和演化机制;其次,分析了网络的拓扑结构和演化规则,建立了仿真模型;最后,仿真分析了不同时间步以及不同临界条件下节点数量、集聚系数、度分布等网络特性参数的变化,推导出网络的演化规律。仿真结果表明:以制造商为核心的供应链网络具有无标度、高集聚性;随着时间的推进以及节点增长速度的增加,网络整体的度分布趋近于指数为3的幂律分布;网络内各级局域世界的度分布不同,二级供应商、零售商的度服从幂律分布,一级供应商和分销商的度服从指数分布,制造商的度大致服从泊松分布。     

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。     

复杂网络中的在线社交网络演化模型

在线社交网络是一种广泛存在的社会网络,其节点度遵循幂率分布规律,但对于其结构演化模型方面的相关研究还不多。基于复杂网络理论研究在线社交网络内部结构特征,提出一种结合内增长、外增长及内部边更替的演化模型,借助平均场理论分析该模型的拓扑特性,实验和理论分析表明由该模型生成的网络,其度分布服从幂率分布,且通过调整参数,幂率指数在1~3,能较好地反映不同类型的真实在线社交网络的度分布特征,因此具有广泛适用性。     

基于BBV的有向加权网络模型

在BBV模型基础上,结合方向性和网络演化特性,提出一种有向加权网络模型。引入参数p、q,将节点强度分为入强度和出强度,根据BBV建模思想进行模型择优和演化。理论分析和数值模拟仿真结果表明,该模型的节点出入强度和出入度分布满足幂律指数为[2,3]的幂律分布,且通过调节参数可使平均路径和聚簇系数符合复杂网络特性。     

敏捷供应链知识网络演化模型及知识扩散仿真

针对敏捷供应链中知识的动态增长和聚类性的特征,基于改进后的BA网络模型构建敏捷供应链知识网络的生长演化模型.网络中的节点基于节点间的关系强度择优选取并进行连接.在此基础上,对网络中知识主体的属性进行定义,并对网络中的知识扩散过程进行建模.最后通过计算机仿真对网络中知识主体采用不同的择优连接策略时网络中平均知识存量和知识差异系数的变化趋势进行了对比分析,得到了提高网络中知识扩散效率的有效对策.     

基于节点匹配度的动态网络链路预测方法

现实世界存在众多真实网络,研究真实网络中的动态演化趋势和时序性特征是热点问题。链路预测技术作为网络科学领域重要研究工具可通过挖掘历史连边信息推测网络演化规律,进而对未来连边进行预测。通过分析动态真实网络中的拓扑结构演化,发现通过分析网络拓扑中节点间的交互性和匹配度问题能够更充分捕捉网络的动态特征,提出一种基于节点匹配度的动态网络链路预测方法。该方法对网络节点的属性特征进行分析,定义基于原生影响力和次生影响力的节点重要性量化方法;引入时间衰减因子,刻画不同时刻网络拓扑对连边形成的影响程度;结合节点重要性和时间衰减因子定义动态节点匹配度（TMDN,temporal matching degree of nodes）方法,用于衡量节点对之间未来形成连边的可能性。在5个真实动态网络数据集中的实验结果表明,相比现有 3 类主流动态网络链路预测方法,所提方法在 AUC 和Ranking Score 两种评价标准下均取得更优的预测性能,预测结果最高提升 42%,证明了节点间存在着交互匹配优先级,同时证实了节点原生影响力和次生影响力的有效性。     

基于节点加权和边加权的重分形研究

目前对于网络重分形的研究,在网络权重性质方面主要是原始网络、节点加权网络、边加权网络,每一个都是单独进行研究,论文主要对同时包含节点权重和边权重的网络进行分析,研究网络广义分形维数的变化情况。首先对已有的沙箱算法进行改进,并利用分形布朗运动时间序列进行改进算法的验证,然后利用改进的沙箱算法对由分形布朗运动时间序列生成的同时包含节点权重和边权重的可视复杂网络进行计算,接着同时单独改变边权重和节点权重,进一步研究广义分形维数随边权重和节点权重改变的变化情况。结果表明改进沙箱算法在保持了传统沙箱算法计算精度的前提下,大大地提高了计算的速度。对于同时单独改变节点权重和边权重,对复杂网络的广义分形维数的影响是截然不同的,节点权重的变化基本不影响网络广义分形维数的变化,而边权重则大大的影响且不同权重指数下的影响情况各不相同。     

Mobile Fog Computing by Using SDN/NFV on 5G Edge Nodes

Fog computing provides quality of service for cloud infrastructure. As the data computation intensifies, edge computing becomes difficult. Therefore, mobile fog computing is used for reducing traffic and the time for data computation in the network. In previous studies, software-defined networking (SDN) and network functions virtualization (NFV) were used separately in edge computing. Current industrial and academic research is tackling to integrate SDN and NFV in different environments to address the challenges in performance, reliability, and scalability. SDN/NFV is still in development. The traditional Internet of things (IoT) data analysis system is only based on a linear and time-variant system that needs an IoT data system with a high-precision model. This paper proposes a combined architecture of SDN and NFV on an edge node server for IoT devices to reduce the computational complexity in cloud-based fog computing. SDN provides a generalization structure of the forwarding plane, which is separated from the control plane. Meanwhile, NFV concentrates on virtualization by combining the forwarding model with virtual network functions (VNFs) as a single or chain of VNFs, which leads to interoperability and consistency. The orchestrator layer in the proposed software-defined NFV is responsible for handling real-time tasks by using an edge node server through the SDN controller via four actions: task creation, modification, operation, and completion. Our proposed architecture is simulated on the EstiNet simulator, and total time delay, reliability, and satisfaction are used as evaluation parameters. The simulation results are compared with the results of existing architectures, such as software-defined unified virtual monitoring function and ASTP, to analyze the performance of the proposed architecture. The analysis results indicate that our proposed architecture achieves better performance in terms of total time delay (1800 s for 200 IoT devices), reliability (90%), and satisfaction (90%).