基于度分布的复杂网络拓扑结构的构造

构造网络的拓扑结构是网络仿真的重要前提和基础,拓扑结构对网络仿真结果有重要影响.目前,大多数复杂网络拓扑结构的构造主要是以规则网络或随机网络为基础,但最近的研究表明现实世界中的大多数复杂网络都具有无标度特性,即节点度分布服从幂率(p(k)～k-λ).新的发现给复杂网络拓扑结构的构造提出了新的课题.文中通过引入度秩函数,提出了一种基于度分布的构造复杂网络拓扑结构的新方法,该方法可构造出包括无标度网络在内的具有任意度分布的复杂网络拓扑结构.以无标度网络和指数网络为例,验证了该方法的有效性.     

基于幂律分布的结构化P2P覆盖网

利用无标度网络的幂律分布特性对结构化P2P覆盖网进行改进,提出基于幂律分布的BAChord模型,利用节点的连接度和物理邻接度的信息,使覆盖网与物理拓扑结构之间能够达到一定程度的匹配,增加路由过程中发现连接短链的概率。实验证明,该模型能在增加少量路由开销的情况下,达到比Chord模型更好的路由性能。     

拓扑结构对动态增长的复杂网络的影响

研究在网络增长和外部目标的双重作用下,拓扑结构对复杂网络的演化产生的影响。在经典的布尔网络模型上应用进化算法进行大量仿真计算,考察在2种不同的增长规则作用下,网络向预先设定的目标函数演化时表现出的演化性能。仿真结果显示,Scale-Free网络表现出明显优于随机网络的的演化能力,而且不同的度分布对网络的演化性能有重要的影响。     

万维网链接结构的复杂性分析

对于凭借网页间链接结构所构成的超大规模复杂网络,万维网的链接结构并不符合传统的随机网络模型。为此,通过对万维网真实链接数据的提取及分析,计算并对比节点的度分布、平均路径长度及集群系数等相关网络指标。分析结果表明,万维网具有小世界效应,整个网络的平均路径长度约为15跳,具有相似主题的网页组成若干个集群,进而构成无标度网络。     

一种具有等级结构的无标度网络模型

无标度网络的发现,使人类对于复杂网络的认识进入了一个新的天地.为了更好地描述真实网络的主要拓扑特性,主要研究复杂网络的演化机制,提出了一种通过边的迭代方式生成一种等级网络模型的方法.在此模型的基础上对网络的统计特性进行了理论推导,并通过计算机编程仿真了它的统计特性.理论计算和数值仿真结果可知,迭代生成的网络具有等级结构,度分布服从幂律分布,幂指数在2到3之间可调,平均路径长度以网络规模呈对数形式增长和较大的聚类系数.从而有效地论证了具有等级结构的网络模型很好地符合实际网络,说明实际网络的无标度和高聚类是等级网络自组织的结果.     

复杂网络在城市公交网络中的实证分析

实证分析是复杂网络研究的一个重要的方向。采用复杂网络研究方法,以上海、北京等城市的公交线路的部分站点和路线为例,分别从公交停靠站点网络、公交换乘网络和公交线路网络角度总结了城市公交网络的复杂网络特性。对复杂网络的静态特征值如平均路径长度、聚类系数、节点度分布等方面进行了统计。结果显示北京和上海的公交网络具有小世界特性,度分布都符合指数分布。北京和上海居民外出的平均换乘次数分别为1.54次和1.9次。     

复杂网络在城市公交网络中的实证分析

实证分析是复杂网络研究的-个重要的方向.采用复杂网络研究方法,以上海、北京等城市的公交线路的部分站点和路线为例,分别从公交停靠站点网络、公交换乘网络和公交线路网络角度总结了城市公交网络的复杂网络特性.对复杂网络的静态特征值如平均路径长度、聚类系数、节点度分布等方面进行了统计.结果显示北京和上海的公交网络具有小世界特性,度分布都符合指数分布.北京和上海居民外出的平均换乘次数分别为1.54次和1.9次.     

基于复杂网络理论的大型电路分析与优化

针对微电子工艺发展所带来的电路集成密度大、结构复杂的问题,提出一种基于复杂网络理论的电路分析和优化方法.该方法以IBM-PLACE2.0超图基准电路为研究对象,分析该电路的度分布、聚类系数等网络特征,发现其有无标度和小世界的性质,从而给出大规模集成电路的优化设计方法.实验结果表明,该优化方法能提高大型电路的鲁棒性和使用...     

复杂网络研究

从复杂网络的三个主要度量特征量:平均路径长度、聚集系数、度分布的角度分别介绍了复杂网络中最主要的三种网络模型,即随机网络模型、小世界网络模型和无标度网络模型,并提出了进一步研究的一些方向。     

虚拟社会仿真中的人际关系网络模型研究

人际关系网络具有复杂网络中典型的小世界、无标度特性,同时其本身又具有强的地域性.在分析人际关系网络三种特性的基础上,借鉴构建小世界、无标度网络的思想,提出了在危机条件下,某地区民众就当前发生的危机事件因交流而形成的人际关系网络模型,实现了原型系统,并进行了仿真实验分析.结果表明,构建的人际关系网络模型是可行的,可用于虚拟社会系统建模仿真.     

基于复杂网络的舰艇编队协同反导作战模型研究

现代战争已进入网络化作战时代,利用小世界网络具有较小的最短路径和较大的聚类系数,BA无标度网络的择优连接特性,提出传感器之间采用NW小世界网络连接,决策器之间采用BA无标度网络连接,建立了舰艇编队协同反导作战网络模型,应用复杂网络的若干特征参数对作战网络效能进行了仿真分析。通过仿真结果的对比,表明在网络中心战条件下,提出的舰艇编队协同反导作战网络实现了战场信息互通和共享,能够大大提高舰艇编队的作战效能。     

微博社交网络模型的建立及其性质研究

针对在线社交网络进行建模研究将有助于理解其网络特征结构和演化机制,为了提高网络模型描述在线社交网络的准确性,分析统计了新浪微博网络演化相关特征,并结合复杂网络中社团结构特征和优先连接特性提出了COMW（Community-Oriented Model for Weibo）网络演化模型。通过实验模拟验证了COMW模型的包括度分布、聚类系数、网络效率、社团结构演化等网络特征。实验表明,COMW模型具有明显的小世界特性和明显的社团结构,并在多项特征上均符合微博网络,能够较为合理地表征微博网络的演化。     

复杂网络理论研究综述

当前,复杂网络已迅速形成了一门贯穿多领域的交叉性学科,其相关理论被应用于诸多领域.为了解复杂网络的研究现状,首先从复杂网络的定义与统计特性两个角度介绍了复杂网络的基本概念,然后列举了几种典型的复杂网络模型,以及在此基础上对其进行改进后所建立的模型并讨论其优缺点,围绕复杂网络结构特性与网络动力学两个方面进一步分析了当前复杂网络的研究现状并列举了近几年的研究成果,最后得出结论并对复杂网络未来的热点研究方向做出展望.     

在线社会网络的k-shell结构研究

分析研究了Twitter与You Tube两个在线社会网络的结构。用k-shell(k-壳)分解法对网络分解,并对比分析了它们的入(出)度、入(出)k-shell、以及度与k-shell之间的关系,发现它们之间有较大的差异。You Tube的入(出)度、入(出)k-shell分布均服从幂律分布,而Twitter的分布服从漂移幂律分布、指数截断的幂律分布,但它们的度与k-shell关系基本相同,都未表现出较强的相关性。此外,根据度相关系数的定义还提出k-shell相关性的定义及其计算方法,并用来刻画网络k-shell之间的同(异)配性。     

二部图在用户-网站中的实证研究

通过分析用户浏览网站的访问日志,建立用户-网站的二部图。其次分别通过对用户和网站进行投影,构建出用户网和网站网。然后通过计算节点间的相似度来确定边的权值。最后计算了用户网和网站网进行了度分布、平均最短路径、平均群聚系数、点强度等拓扑参数以及时间间隔分布等人类动力学特性。证实了该网络是无标度网络,且具有\"小世界\"效应特性。     

在线社会网络的网络结构和信息传播研究综述

随着在线社会网络的大规模应用和普及, 亟需对在线社会网络进行深入研究分析。在线社会网络的网络结构和信息传播研究是该领域中的两大研究热点和关键问题。网络结构包括关键节点、网络关系以及社团的挖掘, 通过对网络结构的分析可以掌握被分析网络中存在的社团、节点之间的关系以及关键节点等, 而这种分析对于国家及时掌握在线社会网络的舆情、公司广告在网络上投放策略的制定都具有极大的帮助。对在线社会网络信息传播的研究主要有信息传播动力模型、信息传播源和路径的发现与描绘、信息传播的最大化和最小化等, 通过对在线社会网络信息传播的研究, 人们可以对在线社会网络信息传播的影响进行预测和干预, 从而可以将信息传播的影响按照有利的方向引导。综述了在线社会网络的网络结构和信息传播的研究现状, 并对这两方面的主要研究方法及技术的优势和不足以及适用场合进行了对比分析。     

藏文字同现网络的小世界效应和无标度特性

复杂网络具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质,而语言文字作为人类智慧和文明的结晶,是经过漫长演化形成的复杂网络。该文对藏语诗歌、散文、政治、佛教、教材和口语等六类具有代表性的体裁语料,每类各取15篇共90篇文章构建了97个藏文字同现网络,分析了藏文字同现网络的最短路径长度、聚类系数和度分布,实验数据显示97个藏文字同现网络都具有小世界效应和无标度特性,表明藏文字同现网络都具有小世界效应和无标度特性。     

BA无标度网络理论在训练IP网的应用研究

随着信息一体化系统的不断推进,训练IP网建设已全面展开,今后将作为训练任务通信保障的主要平台。相对目前专线电路的保障体制,在带来诸如统一接口、高度自治等各种便利的同时,也存在网络结构动态变化、网络行为相对复杂等不利因素。文章通过对复杂网络理论在训练IP网中的应用研究,描述了训练IP网的网络特性,并提出了几种网络优化策略。