基于能力优先的作战体系模型构建方法研究

BA 无标度网络模型在模拟现实战争环境方面存在局限性,针对其算法无法体现军事应用领域武器装备作战体系特性的问题,对算法进行扩展。将原算法中全局选择连接机制改为按 OODA 作战环进行类内和邻类间选择连接,描述了一种武器装备能力的计算方法,并依据计算出的能力值将概率择优机制改为基于节点能力择优选择连接机制。由新算法生成的作战体系模型更贴近作战单元的实战部署,弥补了 BA 无标度模型后进节点难以发展为核心节点的不足,使能力值高的节点在网络中充分发挥作用。实验证明新算法具有较低的时间复杂度,通过对二者度分布、聚类系数和平均路径长度的对比分析,证明了新模型具有更好的鲁棒性。     

一种节点可控的扩展无尺度网络模型

针对扩展无尺度网络模型中节点连接度无限制增长,造成有些节点的度过于集中,在实际网络中,其对应的容量根本就达不到这一现象。在原模型基础上增加了节点连接度最大值的控制。根据实际网络中其对应的容量应该有相应的极限值,当节点到达极限值的时候,采取相关的控制措施。理论分析和仿真实验证明改进后的网络模型,仍服从无尺度网络特性,并更接近于真实网络。     

一种基于局部路径信息的重叠社区发现算法

重叠社区发现是复杂网络分析的主要任务之一。针对现有的基于局部扩展和优化的重叠社区发现方法受初始种子节点选择影响较大、适应度函数无法度量节点间多样的连接方式等问题,提出了一种基于局部路径信息的重叠社区发现算法(Local Path Information-based Overlapping Community Detection Algorithm, LPIO)。首先选取局部极大度点作为初始种子节点,并根据社区内节点邻域标签一致性更新社区的种子节点集,避免初始种子节点对算法性能的影响;然后为度量稀疏网络中节点间多样的连接方式,给出了基于局部路径信息的社区适应度函数,扩展种子节点集得到社区结构;最后计算未聚类节点与社区种子集之间的点不重复路径数量,得到未聚类节点与已有社区间的距离,为未聚类节点分配社区。在4个有标签网络和8个无标签网络上,与7个经典重叠社区发现算法进行对比,实验结果表明,所提算法在重叠标准互信息(ONMI)、F₁分数、扩展模块度(EQ)等方面表现良好。     

基于概率转移矩阵的社会网络影响最大化算法

现有近似求解影响最大化算法的时间复杂度较高,为此,提出一种扩展的线性阈值模型及其概率转移矩阵,给出该模型的传播过程及规则,设计基于概率转移矩阵的影响最大化算法,并利用贪心方法寻找到k个最具影响的节点。该算法通过矩阵乘积的方法得到,时刻节点之间的影响概率,无需在每个时刻计算所有非活跃节点的边际效益,从而在较短时间内提高运行时的效率,使得在规模较大的社会网络中被影响的节点最多且信息传播范围最广。仿真实验结果表明,在大规模社会网络中,该算法对社会网络节点的影响范围广且时间复杂度低。     

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。     

基于计数排序的最小种子集贪心算法

网络最小种子集问题与网络影响最大化问题相关,研究的是对于具有节点阈值的网络,构造网络的最小节点子集,使得如果这个子集中的节点是活的,则在给定的影响传播模型下整个网络都受到影响。为此提出了新的贪心算法,以节点的度与阈值的差为关键值对网络节点进行计数排序,然后取值最小的节点进行处理。新算法在时间复杂度上改进了基于最小堆的种子点选取算法。在简单多数阈值模型上针对经典的无标度网络得到了所构造的种子集规模上界。实验在随机生成网络和一些实际网络数据集上进行,结果表明所提方法的有效性,特别在无标度网络上生成的种子集具有比相关算法更小的规模。     

BGN：一种新的蓝牙传感器网络分散网构造算法

在蓝牙分散网中,桥节点的数量和每个桥节点的度是影响主干网性能的重要因素。在生长树的基础上提出一种新的蓝牙分散网构造算法——BGN。该算法利用生长树主干节点间预留的连接将树改造成网,所形成的分散网能够在保持一定程度连通性的同时避免过多的冗余链接。仿真实验的结果表明,该算法所生成的分散网结构在桥节点数量、平均路径长度、网络可靠性和网络最大传输流量方面具有优势。     

基于中间节点效应的无标度网络演化模型研究

原BA模型以网络中已存在的各个节点与新增节点的连接相互独立为前提。然而,在真实系统中,当网络中一个节点与新增节点连接后,该节点对其邻居节点与新增节点的连接会存在影响。针对该现象,提出了基于中间节点效应的无标度网络演化模型。首先描述与定义了中间节点效应,然后给出了中间节点效应模型的生成算法,并从理论上分析了该模型的度分布情况,最后利用仿真验证了理论分析的正确性,并就度分布、群聚系数、平均路径长度等复杂网络参数与原BA模型进行了对比,结果表明此模型能生成无标度网络并且更符合现实网络的演化过程。     

社会网络中基于社群衰减的影响力最大化算法

针对现有网络传播模型忽略了信息传播过程中的信息衰减,传统影响力最大化算法无法有效利用社群结构提高影响力传播范围的问题,提出一种基于社群结构的影响力最大化算法--社群衰减的影响力最大化（IMID）算法。首先对整个社会网络进行社群结构划分,评估社群中节点影响力范围,并考虑社群之间关联点之间的关联概率,在信息传播过程中增加节点之间信息传播衰减度计算。通过实验与分析,该算法不仅降低了时间复杂度,还获得了接近贪心算法的影响力传播范围,影响覆盖率达到90%以上。因此,在核心种子节点集和连接社群之间纽带节点选取若干节点作为初始节点,会让信息以最小的代价在网络中获得广泛传播。     

基于可靠连通支配集的高效虚拟骨干网构建算法

在概率性无线传感器网络模型中,提出了一种基于可靠连通支配集的高效虚拟骨干网构建算法(EVBP-RCDS).在删除网络中低于节点递交概率阈值的连接基础上,通过递减节点递交概率和对比节点递交概率有效度(EDDP)之和构建出所提出的可靠连通支配集;非支配节点选取与其相邻的拥有最高递交概率的支配节点传输数据.仿真实验表明:与现有文献中的两种算法相比,EVBP-RCDS算法能高效扩展网络生存时间和降低网络延迟.     

结合相似度的新型加权网络模型

许多实际复杂网络都可以采用加权网络模型描述.现有加权网络多以节点强度作为择优连接的概率，而未考虑节点之间内在属性的相似也会增加两个节点连接的概率.基于典型的BBV加权网络模型，提出一个结合相似度的新型加权网络模型，改进了已有模型的连边增长方式和择优连接机制，提出了一种权重自适应演化机制.通过提出节点之间相似度的概念，网络演化中同时兼顾节点强度与相似度进行择优连接.网络增长时，既考虑了新节点与已有节点之间增加连边，又考虑到两个已有节点之间增加连边.理论分析和实验结果表明，该网络模型具有无标度特性和小世界特性，节点度和节点强度均具有幂律分布规律，具有更广泛的应用场景.     

基于多层节点相似度的社区发现方法

社区发现是复杂网络研究中的一项重要研究内容,基于节点相似度的凝聚方法是一种典型的社区发现方法。针对现有节点相似度计算方法中存在的不足,提出一种基于多层节点的节点相似度计算方法,该方法既可以有效地计算节点之间的相似度,又可以解决节点相似度相同时的节点合并选择问题。进一步基于这种改进的节点相似度计算方法和团体之间的连接紧密度度量准则构建社区发现模型,并在真实世界的网络上进行社区发现实验。与GN算法、Fast Newman算法和改进的标签传播算法的实验结果相比,该模型可以更加准确地找到各个社区的成员。     

拓扑感知的移动网格节点聚集算法

针对移动网格的特点提出基于超级节点的覆盖网络模型,对节点聚集问题进行形式化描述。提出的聚集算法以分布式网络坐标系统为基础,由查找聚集、建立新聚集和超级节点连接三部分组成。节点在加入移动网格时首先要寻找最近距离的聚集加入,在网络规模较小时采用简单的禁忌搜索算法来寻找归属聚集,而在网络规模较大时采用改进的粒子群算法寻找归属聚集。在加入聚集时考虑节点间距离和节点容量参数,从而能够满足应用相关的延时要求并实现良好的负载平衡。算法体现了分布式、自适应、轻量级的特点。仿真实验分析了不同参数对算法性能的影响。     

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。     

无线传感器网络中的覆盖优化算法研究

针对无线传感器网络中经典的覆盖保持节点调度算法（CPNSS）查找冗余节点效率不高的问题,考虑实际传感器网络中节点感应半径不相同的情况,提出一种推广的高效覆盖优化算法（GECPNSS）。建立扩展节点网络模型,分析多种节点位置关系,对中心角计算法进行扩展改进,并从活动节点数、平均覆盖度方面比较算法的性能。仿真实验结果表明,在保持初始覆盖的前提下,GECPNSS能更有效地提高冗余节点判定效率、扩展算法适应面。     

基于划分社区和差分共邻节点贡献的链路预测

通过改进基于节点相似度的朴素贝叶斯模型, 引入GN和CMN两种经典的划分社区算法挖掘网络社区属性对预测节点对的影响, 赋予共邻节点不同的连接度和社区贡献度并计算其贡献权重, 同时把模型应用于五种相似度算法, 采用ROC和Precision-Recall曲线进行实验评价。人工网络和真实网络中的实验证明, 该模型能够在深入挖掘社会网络结构信息的基础上提高预测的精确度, 同时为该类模型的研究提供一种新的方案。     

一种基于中心极大团扩展的社区挖掘算法

社区挖掘是复杂网络分析中的一项重要工作,目前已提出多种社区挖掘算法,但多数算法是通过节点间的连接关系来发现内聚的社区结构。结合真实网络中的节点具有不同的行为和影响力,在充分考虑网络中节点的连接关系的基础上,提出一种基于中心极大团扩展的社区挖掘两阶段算法。第一阶段发现初始社区:首先找到网络中所有的内聚子团,然后找出k个分散、内聚且有影响力的中心极大团作为初始社区;第二阶段形成最终社区划分:对初始社区外节点,充分考虑不同邻居节点对其潜在的影响力,采用局部模块度扩展的方法将节点扩展到与其连接紧密的社区内。实验结果表明,该方法能够快速揭示出网络中的社区结构,相比FN算法,具有较高的准确度和模块度,相比GN算法,不需要预先知道社区个数。     

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。     

网络病毒传播模型与分析

互联网是一个不断生长与消亡的具有小世界与无标度特性的网络。基于此,在聚类系数可变的无标度网络上建立病毒传播模型。研究节点消亡速度、网络平均度、计算机连接度对病毒传播的影响。实验结果表明:节点的消亡速度越快,越能减缓病毒的爆发速度;网络的平均度越大,病毒传播越快;病毒爆发常发生在连接度较高的计算机上。这些结论对于防范病毒在互联网上的传播,具有重要的现实意义。     

基于动态结构模型的两轮机器人平衡控制研究

针对无监督学习网络模型对于特定的映射空间,期望产生特定的影响具有一定的局限性,提出了有监督的可生长结构的动态结构模型;该模型将动态结构模型与径向基函数网络结构有机结合,采用的是需要时生长的自组织生长算法,通过插入新的神经元、改变竞争层神经元间的连接以及调整层与层的连接权值,达到模型输出的精度要求,有效地解决了在输入特定的网络数据时,能产生期望的输出;该模型应用于两轮平衡机器人的平衡控制,经过仿真实验表明,该动态结构模型能够实现对两轮平衡机器人的平衡控制,且有一定的抗干扰性和实用价值。