基于局域世界演化的BBV模型研究

在BBV模型和局域世界模型的基础上,提出了一个具有局域世界演化的BBV模型,该模型考虑了局域世界内部加点,加边,局域世界内外加边以及局域世界内减边四步操作。根据理论分析,导出了该模型的节点权值分布。通过合理地设置参数,该模型能自组织演化成幂律指数在2～3范围内的无标度网络,这与现实中的许多复杂网络相吻合。数值仿真验证了理论分析的正确性。因此,该模型更具有一般性。     

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。     

承载有限的加权网络模型及其鲁棒性分析

在BBV模型的基础上提出了一个具有有限承载能力(即节点强度S和边权W均有限)的加权网络演化模型--LLBBV模型.理论分析和数值仿真均表明,这个模型生成的网络的节点度分布、强度分布和边权分布均具有幂律分布的特征,幂律指数不随S和W变化而变化,而且在蓄意攻击而引发的相继故障中,LLBBV模型比BBV模型的表现更好,其鲁棒性更强.     

基于点权有限的有向加权网络模型

在某些实际问题中,网络中节点的权重具有方向性。因此,在BBV模型和点权有限加权网络模型(LBBV)的基础上,提出了一个基于点权有限的有向加权网络模型。该模型着重考虑了加权网络节点强度的有限性和节点权重的有向性,使之具有更广泛的实际背景和应用范围。通过理论分析,当Si>2mw0,So>2mw0时,网络可以一直演化下去,并且该模型节点的出入度分布及节点的出入强度分布均服从幂律指数为2～3的幂律分布。仿真结果验证了理论分析的正确性。     

基于复杂网络的Internet结构模型

在Internet网络的演化过程中,新增节点进行服务器选择时,不但要考虑网络的流量和带宽,而且还要考虑与服务器的距离.基于Internet网络中选择服务器的条件,建立了一个Internet网络结构演化模型.在网络模型中,把Internet网络流量作为链路的权重、节点的服务量能力作为节点强度、节点的连接负载作为连接度.应用数值分析方法,研究了网络的动态演化规律和节点强度的概率分布特性.研究结果表明,新模型的强度分布服从幂律分布,而且该模型是一个更一般化的BBV加权网络模型.     

基于多局域的恐怖组织网络择优增长演化模型

恐怖组织网络是一种特殊的复杂网络,其时空演化规律反映出恐怖组织活动的特征.为更准确地理解恐怖组织网络的动态演化规律,提出一种基于多局域的恐怖组织网络择优增长演化模型,并对此模型进行了仿真与模拟.该模型能准确地描述在局部信息条件下,新节点的择优和网络的增长过程及其规律;并且利用网络信息中心度来衡量恐怖组织网络节点的信念水平,动态地刻画了恐怖组织网络的增长过程.实验结果表明：恐怖组织网络的局域度分布仍服从幂律分布,网络信息中心度具有集中与分散性的特征;最后,对多个恐怖组织网络按该模型进行仿真演化,验证了该模型的准确性与科学性.     

基于网络生长点的加权局域世界电力网络演化模型*

以变电站选址与定容为出发点,在局域世界电力网络演化模型的基础上,该文将重心选址法和随机选址法结合应用到网络生长点的选取中,提出了一种基于网络生长点的加权局域世界电力网络演化模型。对新模型的节点度分布和权重分布分析表明新模型可以得到幂律分布的度分布和具有幂律尾的节点权重分布。通过仿真,证实了重心法和随机法以不同的概率选取网络生长点时,节点度分布曲线仍然表现出一定的无标度特性,并且此概率的变化只是在度分布曲线尾部对度分布有影响;随着重心法因素的加强,部分节点随着网络生长时间的增长,节点权重越来越大,节点权重分布曲线的尾部畸变,不服从平均分布。     

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。     

一种基于社团结构的局域复杂网络模型

BA模型用增长和优先连接两个机制解释了复杂网络的基本特性幂律分布,局域世界模型通过注意到优先连接是限制性的而进行了进一步的发展,本文认为局域世界模型中局部集团中的节点事实上是有着密切关系的,因而在新节点加入时采用GNM算法进行社团分解产生局部集团,提出基于社团分解的局域复杂网络模型(CLW模型).我们进行的理论分析和实验模拟表明,CLW模型具有小的网络平均最短路径,同时它的平均聚类系数要远大于局域世界模型,更接近于真实的复杂网络.     

基于聚类效应节点吸引力的复杂网络模型

针对原始吸引模型及改进模型存在聚集系数小的缺陷,提出一种基于聚类效应节点吸引力的复杂网络模型CALW。该模型针对真实网络中择优连接的局域性特点,借鉴森林火灾传播的思想构造局域世界,将节点的吸引力定义为随时间变化的函数。数值模拟结果表明,CALW模型的度分布服从幂律分布,具有较高的网络聚集系数,且有保持高聚集性不变的特性。     

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。     

加权局域网络上的病毒传播行为研究

病毒传播问题的研究一直是国际上科学家所关注的焦点,但是在加权局域网络中的病毒传播研究却是空白。由于实际存在的网络很大一部分是加权局域网络,因此研究了一种特定加权局域网络中的传播行为。采用病毒传播的SI模型,令病毒的传播速度和网络的连接权重正相关。对加权局域网络中病毒传播行为的研究表明：加权局域网络的无标度性质和加权局域世界性质对病毒的传播有深刻的影响。由于加权局域网络能够很好地反应实际世界,因此该研究具有很广的应用背景。     

有向加权网络的局域世界演化模型

现实世界中的很多网络既是连接间具有不同权值的加权网络又是连接间具有方向的网络。针对这一现实,在局域世界网络拓扑结构中同时引入有向性和权重。在局域世界演化模型基础上,建立了有向加权网络的局域演化模型（LWDW）,并提出了节点的出强度与入强度的概念。采用平均场理论导出这一模型节点的强度分布、出强度以及入强度的分布,同时分析了复杂网络的其他拓扑参量聚类系数和平均路径长度,并通过数值仿真实验验证了理论分析的正确性。     

局域世界删除演化网络模型

针对局域世界网络演化模型对于真实网络的描述过于简化的现象,提出局域世界删除演化网络模型。在网络的演化过程中既考虑了增加节点适应度对网络结构的影响,又对节点的删除和边的删除进行了探讨。研究表明增加节点的适应度可以使新节点加入时对已有网络节点的选择不只与已有网络节点的度有关;无论是删除节点还是删除边都会增加网络中度为1及度为2节点的比例,增加网络的平均路径长度,减小网络的聚类系数;随着局域世界的增大,kmax及网络的聚类系数都会增加。因此增大局域世界能够补偿删除所带来的影响。     

基于无尺度网络的Internet赋权演化模型研究

Internet是大规模异构性动态性发展的、非集中性的网络。从路由层来描述整个Internet网络,可将这个网络抽象为以成千上万个路由器为节点以及以节点之间的数百万条通信链路为边的无尺度网络。在无尺度网络建模的基础上,综合考虑节点和边的增加、删除和补偿,给出了一个改进的Internet赋权演化模型BBV+,利用连续介质理论对BBV+模型进行理论分析,该模型的点强度和度分布都符合无尺度网络的幂率特征。     

一种基于局域世界的可调簇系数网络演化模型*

网络拓扑的结构是网络协议和网络算法设计的基石,合理的网络拓扑模型无疑可以指导协议的设计及优化。研究了现实网络的拓扑特性,引入局域世界的概念,建立了一种基于局域世界的可调簇系数网络演化模型（LWTC）。该模型全面考虑了局域内以及局域外部加点、偏好链接以及链接随机消亡等诸多因素,并引入三角形形成机制调节模型的簇系数。通过MATLAB和C++对模型进行仿真分析发现,该模型动态模拟了网络的演化过程,其度分布不仅与理论推导值符合,簇系数也优于局域世界演化模型,并且通过合理调节参数可以改变模型的簇系数,较好地刻画了现