基于最优中心参数的多中心校正内点最优潮流算法

为加快最优潮流(optimal power flow,OPF)问题的求解,基于最优中心参数(optimal centering parameter,OCP)及改进多中心校正(improved multiple centrality corrections,IMCC)技术,提出一种求解最优潮流(optimal power flow,OPF)问题的新型快速内点算法(OCP-IMCC interior point method,OCP-IMCCIPM)。结合均衡距离–评价函数(equilibrium distance-quality function,ED-QF),给出最优中心参数评价模型,采用线性化技术对模型近似,以降低模型计算量。利用线搜索技术实现近似模型求解以确定最优中心参数,该参数使得所提算法具有更多的优势步和更少的迭代次数。IMCC技术可进一步拉大迭代步(尤其是非优势步)步长,实现算法更快收敛。14—1047节点系统的仿真结果表明,与其他多种内点算法相比,所提OCP-IMCCIPM算法具有更大的迭代步长和更快的收敛速度以及更好的计算效果。     

南方电网结构脆弱性指标的评判研究

基于复杂网络理论构建了南方五省220 kV及以上电压等级电网的无权无向和有权无向网络模型,通过对南方电网的拓扑特征参数进行计算与分析,证明了南方电网的拓扑结构具有小世界网络和无标度的特点;在传统度数和介数指标的基础上提出了点权度和点权介数指标,通过对南方电网中的节点和边蓄意攻击后的脆弱性计算,分析评价了不同指标下南方电网的网络性能。结果表明点权度和点权介数在关键节点的判断上优于度数和介数指标,有权无向网络模型在关键节点的判断上优于无向无权网络模型。该结果与实际电网结构相符,验证了所设指标的合理性。     

Social‐based reputation‐aware data forwarding for improved multicast delivery in the presence of selfish nodes in DTNs

Delay/disruption tolerant networks (DTNs) are potentially applicable in the challenged scenarios like post‐disaster environments. In such networks, data forwarding generally relies on the mutual cooperation of the nodes. However, in reality, despite the availability of necessary resources for data forwarding, a node could misbehave by dropping messages received from other nodes with whom it has no strong social ties. Such a node is called a socially selfish node, which would cause a poor delivery ratio in the network. In this paper, we aim to address the problem of multicast data forwarding in the presence of such selfish nodes, by means of efficient relay selection in DTNs. First, we define a realistic reputation model, in contrast to existing models, to define the socially selfish/misbehaving nodes in the network. Further, a game‐theoretic analysis is carried out that implies data forwarding cost is also an influential parameter in handling selfishness/misbehavior. Subsequently, the problem is formulated as a constrained optimization problem, which is NP hard. Therefore, a heuristic is proposed by combining the reputation of a node and the cost of message forwarding to appropriately identify relay nodes, thus improve the performance of the multicast message delivery in the network. We utilize a social metric, centrality to minimize the message forwarding cost in terms of the number of relay nodes. Finally, the comparative performance evaluation in ONE simulator with practical scenarios shows the superiority of the proposed scheme over the other prominent schemes.     

基于中心性和模块特性的关键蛋白质识别

针对蛋白质相互作用（protein-protein interaction,PPI）网络中存在大量噪声以及现有关键蛋白识别方法准确率不高等问题,提出了一种基于中心性和模块特性（united centrality and modularity,UCM）的方法来识别关键蛋白质。首先,整合蛋白质拓扑数据和生物数据构建多元属性网络,以降低PPI网络中噪声的影响;其次,根据关键蛋白质的拓扑特性和生物特性,提出一种挖掘稠密且高度共表达的关键模块算法,从多元属性网络中挖掘高可靠性的关键模块,以从多维角度强化关键蛋白质在模块中的重要程度;最后,整合蛋白质的中心性和模块化特性,设计一种衡量蛋白质关键性的策略（essential integration strategy,EIS）,以提高识别高关键蛋白质的准确率。UCM方法应用在DIP数据集上进行验证,实验结果表明,与其他10种关键蛋白质识别方法相比较,该方法具有较好的识别性能,能够识别更多的关键蛋白质。     

汉字字体设计的重心概念辨析

目的 明确重心的定义。方法 通过对重心概念的来源进行考察,并结合汉字艺术的实践,为重心下定义,并辨析重心、中心、视觉中心三者。结果 提出了“重心”的定义,并明确“重心、中心、视觉中心”是3个指向不同的概念。结论 “重心”是字的各个笔画按一定规律结合在一起后,所形成的重量的均衡点,视觉中心只是调整重心的参考位置,将重心设定到视觉中心的位置,有利于读者阅读。     

Network Invulnerability Enhancement Algorithm Based on WSN ClosenessCentrality

Wireless Sensor Network (WSN) is an important part of the Internet of Things (IoT), which are used for information exchange and communication between smart objects. In practical applications, WSN lifecycle can be influenced by the unbalanced distribution of node centrality and excessive energy consumption, etc. In order to overcome these problems, a heterogeneous wireless sensor network model with small world characteristics is constructed to balance the centrality and enhance the invulnerability of the network. Also, a new WSN centrality measurement method and a new invulnerability measurement model are proposed based on the WSN data transmission characteristics. Simulation results show that the life cycle and data transmission volume of the network can be improved with a lower network construction cost, and the invulnerability of the network is effectively enhanced.     

基于代数连通度的域内节能路由算法

通过节能路由算法减少网络能耗是网络中需要解决的一个关键性的科学问题。如今已有的节能方案都是在已知流量矩阵的前提下研究网络节能,由于实时流量难以获取,使得这些方案都难以在实际中部署。因此,文中提出一种基于代数连通度的域内节能方案(Intra-domain Energy Efficient Routing Scheme Based on Algebraic Connectivity,EERSBAC)。EERSBAC不需要网络中的实时流量矩阵,仅依靠网络中的拓扑结构就可以实现节能。首先,提出链路关键度模型,利用链路关键度模型计算出网络中所有链路的重要程度;然后,提出代数连通度模型,利用代数连通度模型可以定量的衡量网络的连通性能。实验结果表明,EERSBAC不仅能够降低网络能耗,而且具有较小的路径拉伸度。     

虚拟学习社区中意见领袖识别模型研究

虚拟学习社区是传统教育突破空间资源限制形成的便捷性学习环境,其中意见领袖是构成社区信息通路的重要角色,对其他用户有强大的影响力。为了准确识别社区中的意见领袖,构建出虚拟学习社区网络,分析各用户的中心性和社会网络角色特征,选取入度、出度、介数、特征向量中心性、用户活跃度、用户帖子转发量、用户帖子评论量等七个特征值作为筛选条件,结合基于K-means的用户聚类算法,提出基于K-means算法的意见领袖识别模型。最后,将该识别模型应用于某虚拟社区,根据各个聚类子类的特征向量,提取理论意义上的意见领袖集合。实验证明,获取意见领袖集合具有很高的准确性,识别出的意见领袖均处于中心者或桥梁位置,占据着社会网络的优势位置,在虚拟社区中承担着核心或中介等特殊作用。     

融合节点中心性和度相关聚类的有向网络链路预测

现存大部分有向网络的链路预测方法仅关注链接方向信息和互惠链接信息而忽略节点重要性及度相关聚类的贡献,导致预测精度下降。针对以上不足,提出基于节点中心性和度相关聚类的有向网络链路预测指标。首先,利用节点中心性统计任意节点邻居数量去衡量节点的影响力;其次,将节点度相关聚类系数方法扩展到有向网络去评估节点聚类能力,并与网络同配系数相融合获得节点对高聚类能力;最后,融合以上2类信息提出一个带参的有向网络链路预测指标。在6个真实世界有向网络上与最近代表性预测指标比较,所提指标AUPR和AUC分别提高了33%和1.6%。     

基于复杂网络理论的肺癌特异性基因识别研究

基于复杂网络理论分别构建以肺癌组织和健康肺组织基因为节点,基因间调控关系为边的基因调控网络,并从拓扑结构、分布特征、节点中心性三方面分析网络特性,挖掘网络核心节点生物功能差异性以识别出肺癌特异性基因。结果发现,肺癌组织和健康肺组织基因调控网络拓扑参数极其相似且两者都为无标度网络,两网络核心节点集高度重叠,但非重叠部分核心节点的生物功能十分特殊,并据此识别出肺癌特异性基因。该方法识别出的肺癌特异性基因,能够成为潜在肺癌生物标记物,为肺癌的早期诊断提供帮助,同时该方法能够适用于其他疾病特异性基因的识别。