负荷作用下相依网络中的级联故障

研究负荷作用下相依网络中的级联故障具有重要的现实意义, 可为提高相依网络的鲁棒性提供参考. 构建了双层相依网络级联故障模型, 主要研究了外部度和内部度对负荷贡献比、耦合因素、层内度-度相关性对相依网络级联故障的影响. 研究表明, 当外部度和内部度对负荷贡献比达到一定值时, 相依网络抵抗级联故障的鲁棒性最强. 而耦合因素的影响是多方面的, 为了达到较高鲁棒性, 建议采用异配耦合方式和尽可能大的平均外部度, 并尽量使外部度保持均匀分布. 另外, 与不考虑负荷作用时相反, 当表征层内度-度相关性的相关系数越大时, 其抵抗级联故障的能力越强.     

一种全局同质化相依网络耦合模式

相依网络的相依模式(耦合模式)是影响其鲁棒性的重要因素之一.本文针对具有无标度特性的两个子网络提出一种全局同质化相依网络耦合模式.该模式以子网络的总度分布均匀化为原则建立相依网络的相依边,一方面压缩度分布宽度,提高其对随机失效的抗毁性,另一方面避开对度大节点(关键节点)的相依,提高其对蓄意攻击的抗毁性.论文将其与常见的节点一对一的同配、异配及随机相依模式以及一对多随机相依模式作了对比分析,仿真研究其在随机失效和蓄意攻击下的鲁棒性能.研究结果表明,本文所提全局同质化相依网络耦合模式能大大提高无标度子网络所构成的相依网络抗级联失效能力.本文研究成果能够为相依网络的安全设计等提供指导意义.     

基于超图的超网络相继故障分析

分析了快递超网络和电子元件超网络的相继故障扩散方式, 结合超图理论提出了2-section 图分析法和线图分析法, 并仿真分析了无标度超网络耦合映像格子的相继故障进程. 结果表明: 无标度超网络对外部攻击表现出了既鲁棒又脆弱的特性. 针对相继故障的不同扩散方式, 无标度超网络的相继故障行为表现出不同的特点. 超网络的相继故障行为和超网络的超度以及超边度分布有密切的联系, 也和超网络中超边的个数有关. 通过和同规模的Barabasi-Albert (BA)无标度网络对比, 在同一种攻击方式下同规模的无标度超网络都比BA 无标度网络表现出了更强的鲁棒性. 另外, 基于超边扩散的相继故障进程比基于节点扩散的相继故障进程更加缓慢.     

面向成本-收益好的无标度耦合网络构建方法

较大平均路径长度的网络会带来较大的网络延迟, 难以支持时间敏感业务与应用. 通过增加连接可以降低源和目的节点之间的跳数, 进而降低网络平均延迟, 使得更加快速地传播信息, 但是增加连接的同时也增加了网络构建成本. 分层网络是研究网络耦合的一个有效方法, 但目前网络构建过程中将每层网络分别处理并认为每层网络之间没有强相关性. 本文提出了一种面向成本-收益的无标度网络动态构建方法. 此方法将网络分为多层, 基于连续论在高层网络中添加连接, 使得网络演化为无标度网络. 此连续过程包括节点度增加过程和局部网络半径增长两个连续过程, 在增加连接的过程中引入表征网络构建成本和收益的成本-收益指标. 模拟结果表明引入成本-收益指标的无标度耦合网络构建方法能够在合理范围内有效降低网络平均路径长度, 提升网络性能, 并且本文给出了耦合网络的动态业务性能, 通过调整高层网络避免网络拥塞.     

相依网络上基于相连边的择优恢复算法

如何有效地应对和控制故障在相依网络上的级联扩散避免系统发生结构性破碎,对于相依网络抗毁性研究具有十分重要的理论价值和现实意义.最新的研究提出一种基于相依网络的恢复模型,该模型的基本思想是通过定义共同边界节点,在每轮恢复阶段找出符合条件的共同边界节点并以一定比例实施恢复.当前的做法是按照随机概率进行选择.这种方法虽然简单直观,却没有考虑现实世界中资源成本的有限性和择优恢复的必然性.为此,针对相依网络的恢复模型,本文利用共同边界节点在极大连通网络内外的连接边数计算边界节点的重要性,提出一种基于相连边的择优恢复算法(preferential recovery based on connectivity link,PRCL)算法.利用渗流理论的随机故障模型,通过ER随机网络和无标度网络构建的不同结构相依网络上的级联仿真结果表明,相比随机方法和度数优先以及局域影响力优先的恢复算法,PRCL算法具备恢复能力强、起效时间早且迭代步数少的优势,能够更有效、更及时地遏制故障在网络间的级联扩散,极大地提高了相依网络遭受随机故障时的恢复能力.     

非线性系统中的关联色噪声

研究了加性噪声和乘性噪声之间的耦合为色噪声时非线性系统的动力学行为.对于不同的噪声关联时间τ,求出了系统的有效本征值λeff和强度相关时间Tc.结果表明,当噪声之间的耦合λ大于零时,关联时间τ的增大可抑制系统在阈值附近的涨落;而当噪声之间的耦合λ小于零时,关联时间τ的增大则加强系统在阈值附近的涨落 关键词： 耦合强度 噪声关联时间 有效本征值 强度相关时间     

小世界神经元网络随机共振现象:混合突触和部分时滞的影响

实际神经元网络中,信息传递时电突触和化学突触同时存在,并且有些神经元间的时滞很小可以忽略.本文构建了带有不同类型突触耦合的小世界网络,研究部分时滞、混合突触及噪声对随机共振的影响.结果表明:兴奋性和抑制性突触的比例影响共振的产生;在抑制性突触为主的网络里,几乎不产生随机共振.系统最佳噪声强度和化学突触比例大致呈线性递增关系;特别是在以化学耦合为主的混合突触网络里,仅当兴奋性突触与抑制性突触比例约为4:1时,噪声才可诱导网络产生共振行为.在此比例下,引入部分时滞发现时滞可诱导网络产生随机多共振,且随网络中时滞边比例的增加,系统响应强度达到最优水平的时滞取值区间逐渐变窄;同时发现,网络中含有的化学突触越多,部分时滞诱导产生的多共振行为越强.此外,当时滞为系统固有周期的整数倍时,时滞越大共振所对应的噪声区域越广;并且网络中时滞边越多,越容易促使噪声和时滞诱导其产生明显的共振行为.     

多层网络级联失效的预防和恢复策略概述

现实生活中,与国计民生密切相关的基础设施网络大多不是独立存在的,而是彼此之间相互联系或依赖的,于是用于研究这些系统的多层网络模型随之产生.多层网络中的节点在失效或者遭受攻击后会因"层内"和"层间"的相互作用而产生级联效应,从而使得失效能够在网络层内和层间反复传播并使得失效规模逐步放大.因此,多层网络比单个网络更加脆弱.多层网络级联失效产生的影响和损失往往是非常巨大的,所以对多层网络级联失效的预防和恢复的研究具有重大意义.就多层网络级联失效的预防而言,主要包含故障检测,保护重要节点,改变网络耦合机制和节点备份等策略.就多层网络发生级联失效后的恢复策略而言,主要包含共同边界节点恢复、空闲连边恢复、加边恢复、重要节点优先恢复、更改拓扑结构、局域攻击修复、自适应边修复等策略.     

阈值耦合混沌神经元的同步研究

将阈值控制方法应用于混沌神经元团簇,构成阈值耦合混沌神经元映射,研究其时空特性.仿真实验表明,控制阈值决定了阈值耦合混沌神经元映射输出的时间周期特性,而张弛时间影响了输出的空间特性,阈值耦合混沌神经元映射输出表现出很好的聚类性.当张弛时间足够大时,阈值耦合混沌神经元映射输出实现时空完全同步.     

基于电力网络的级联故障模型

以电力系统的停电事故为例,提出一种节点具有能量耗散和扩容行为的级联故障模型,并分别在二维规则网络和无标度网络上对该系统的演化过程进行计算机模拟.结果表明,在两种不同结构的网络中系统的演化过程都出现了自组织临界现象,说明网络中节点能量的耗散及容量的扩充是导致电力系统出现自组织临界现象的重要因素.此外,还发现无标度网络中的最大级联故障规模要远大于二维规则网络中的级联故障规模.     

具有双重时滞的时变耦合复杂网络的牵制外同步研究

针对同时具有节点时滞和耦合时滞的时变耦合复杂网络的外同步问题, 提出一种简单有效的自适应牵制控制方法. 首先构建一种贴近实际的驱动-响应复杂网络模型, 在模型中引入双重时滞和时变不对称外部耦合矩阵. 进一步设计易于实现的自适应牵制控制器, 对网络中的一部分关键节点进行控制. 构造适当的Lyapunov泛函, 利用 LaSalle不变集原理和线性矩阵不等式, 给出两个复杂网络实现外同步的充分条件. 最后, 仿真结果表明所提同步方法的有效性, 同时揭示耦合时滞对同步收敛速度的影响.     

在二部无标度网上的两性疾病传播

利用易感-感染-易感(SIS)传播模型研究人类性接触网上的病毒传播.当仅仅考虑异性性接触时,该网络是一个二部的无标度网.对这个网络上的SIS传播模型,通过率方程的方法分析了男性感染率和女性感染率与传染阈值之间的关系,发现女性感染者与男性感染者之比由网络的拓扑和男女感染率之比所确定.这一结果表明性接触网的拓扑对性传染病传播的重要性.最后给出了支持理论结果的数值模拟. 关键词： 性传染病 两性性接触网 无标度网络 二部图     

无标度网络中最大传染能力限定的病毒传播问题研究

传统的病毒传播模型在无限大无标度网络上不存在病毒传播阈值,即无论病毒的传播速率多么低,病毒始终能够在网络中传播.但研究发现,这个结论是在网络中存在超级传染者的假设下得到的,然而许多真实的无标度网络中并不存在超级传染者.因此,文章提出了一个最大传染能力限定的病毒传播模型,并从理论上证明了在最大传染能力限定的无限大无标度网络上,病毒传播阈值是存在的;同时,也分析了最大传染能力限定下非零传播阈值与有限规模网络下非零传播阈值的本质区别,并解释了为什么人们总是认为传统病毒传播模型对许多真实网络病毒感染程度估计过高的 关键词： 无标度网络 最大传染能力 传播阈值 感染程度     

面向级联失效的相依网络鲁棒性研究

针对相依网络耦合强度、子网络边以及耦合边对网络鲁棒性影响的问题,基于三种典型网络模型,建立对称相依网络和不对称相依网络模型.针对六种不同的相依网络模型,计算其网络临界成本,比较耦合边权值和子网络边权值对相依网络成本的贡献程度,发现耦合边对网络的贡献更大.采用仿真和理论证明的方法,获得使网络具有最小网络成本时的子网络负载参数α值和耦合强度参数β值,并证明了网络成本变化趋势与该参数对有关.以网络成本作为鲁棒性测度的变量,通过对六种相依网络模型进行级联失效仿真,给出了网络具有最强鲁棒性时参数对的取值,以及网络鲁棒性与耦合强度之间的关系,发现网络鲁棒性并不是随着耦合强度单调地增加或减少.     

耦合含时滞的相互依存网络的局部自适应异质同步

针对由两个子网络构成的耦合含时滞的相互依存网络,研究其局部自适应异质同步问题.时滞同时存在于两个子网络的内部耦合项和子网络间的一对一相互依赖耦合项中,且网络的耦合关系满足非线性特性和光滑性.基于李雅普诺夫稳定性理论、线性矩阵不等式方法和自适应控制技术,通过对子网络设置合适的控制器,提出了使得相互依存网络的子网络分别同步到异质孤立系统的充分条件.针对小世界网络和无标度网络构成的相互依存网络进行数值模拟,验证了提出理论的正确性和有效性.     

耦合映射混沌同步系统在加性噪声中的筛形域性态

由于实际系统中噪声不可避免，噪声使得同步混沌吸引子A变成具有一定生存时间<τ>的准稳态吸引子A′.以加性噪声作用下的二维耦合映射混沌同步系统为例，给定系统实验时间长 度T，解析发现：仅当<τ>>2T时准稳态同步混沌吸引子的筛形吸引域才可被定性观察到；而 当<τ><2T时则不复存在，此时，根据原无噪声时的筛形吸引域特征的不同，筛形域不仅可 以转变成时变筛形结构，还可以转变成分形结构.同时利用数值模拟作了进一步验证.该结果 对于二维耦合映射混沌同步系统具有普遍意义. 关键词： 混沌同步 筛形吸引域 瞬态混沌 耦合映射 加性噪声     

两层星形网络的特征值谱及同步能力

多层网络是当今网络科学研究的一个前沿方向.本文深入研究了两层星形网络的特征值谱及其同步能力的问题.通过严格导出的两层星形网络特征值的解析表达式,分析了网络的同步能力与节点数、层间耦合强度和层内耦合强度的关系.当同步域无界时,网络的同步能力只与叶子节点之间的层间耦合强度和网络的层内耦合强度有关;当叶子节点之间的层间耦合强度比较弱时,同步能力仅依赖于叶子节点之间的层间耦合强度;而当层内耦合强度比较弱时,同步能力依赖于层内耦合强度;当同步域有界时,节点数、层间耦合强度和层内耦合强度对网络的同步能力都有影响.当叶子节点之间的层间耦合强度比较弱时,增大叶子节点之间的层间耦合强度会增强网络的同步能力,而节点数、中心节点之间的层间耦合强度和层内耦合强度的增大反而会减弱网络的同步能力;而当层内耦合强度比较弱时,增大层内耦合强度会增强网络的同步能力,而节点数、层间耦合强度的增大会减弱网络的同步能力.进一步,在层间和层内耦合强度都相同的基础上,讨论了如何改变耦合强度更有利于同步.最后,对两层BA无标度网络进行数值仿真,得到了与两层星形网络非常类似的结论.     

含有广义守恒律的生长方程标度奇异性的直接标度分析

利用直接标度分析方法研究一个含有广义守恒律生长方程的标度奇异性,得到强弱耦合区域的奇异标度指数.作为其特殊情况,这个方程包含Kardar-Parisi-Zhang（KPZ）方程、 Sun-Guo-Grant（SGG）方程以及分子束外延（MBE）生长方程,并能对其进行统一的研究.研究发现, KPZ方程和SGG方程,无论在弱耦合还是在强耦合区域内都遵从自仿射Family -Vicsek正常标度规律;而MBE 方程在弱耦合区域内服从正常标度,在强耦合区域内能呈现内禀奇异标度行为.这里所得到生长方程的奇异标度性质与利用重正化群理论、数值模拟以及实验相符很好. 关键词： 标度奇异性 强耦合 弱耦合     

非线性耦合多重边赋权复杂网络的同步

研究了一类具有非线性耦合的多重边赋权复杂网络,基于网络拆分思想并运用Lyapunov稳定性理论给出了网络的同步准则,数值仿真验证了结论的有效性.     

梯度耦合下神经元网络中靶波和螺旋波的诱发研究

神经系统内数量众多的神经元电活动的群体行为呈现一定的节律性和自组织性. 当网络局部区域存在异质性或者受到持续周期性刺激, 则在网络内诱发靶波, 且这些靶波如'节拍器'可调制介质中行波的诱发和传播. 基于Hindmarsh-Rose 神经元模型构造了最近邻连接下的二维神经元网络, 研究在非均匀耦合下神经元网络内有序波的诱发问题. 在研究中, 选定网络中心区域的耦合强度最大, 从中心向边界的神经元之间的耦合强度则按照阶梯式下降. 研究结果表明, 在恰当的耦合梯度下, 神经元网络内诱发的靶波或螺旋波可以占据整个网络, 并有效调制神经元网络的群体电活动, 使得整个网络呈现有序性. 特别地, 当初始值为随机值时, 梯度耦合也可以诱发稳定的有序态. 这种梯度耦合对网络群体行为调制的研究结果有助于理解神经元网络的自组织行为.