非线性网络的动力学复杂性研究

综述了非线性网络的动力学复杂性研究在网络理论、实证和应用方面所取得的主要进展和重要成果;深刻揭示了复杂网络的若干复杂性特征与基本定量规律;提出和建立了网络科学的统一混合理论体系(三部曲)和网络金字塔,并引入一类广义Farey组织的网络家族,阐明网络的复杂性-简单性与多样性-普适性之间转变关系;揭示了网络的拓扑结构特征与网络的动态特性之间关系;建立具有长程连接的规则网络的部分同步理论并应用于随机耦合的时空非线性系统的同步;提出复杂网络的动力学同步与控制多种方法;提出若干提高同步能力的模型、方法和途径,如同步最优和同步优先模型、同步与网络特征量关系、权重作用、叶子节点影响等;提出复杂混沌网络的多目标控制及具有小世界和无标度拓扑的束流输运网络的束晕-混沌控制方法;提出集群系统的自适应同步模型及蜂拥控制方法;探讨网络上拥塞与路由控制、资源博弈及不同类型网络上传播的若干规律;揭示含权经济科学家合作网及其演化特点;实证研究并揭示了多层次的高科技企业网和若干社会网络的特点;提出一种复杂网络的非平衡统计方法,把宏观网络推进到微观量子网络。     

一门崭新的交叉科学:网络科学(下篇)

在上篇综述里,我们评述了网络科学的发展简史,基本概念和网络分类,以及国内外迄今提出的复杂网络的主要理论模型及其拓扑特性。着重总结了我们"一院二校"开展的国家自然科学基金重点项目的研究进展,上篇的研究成果主要涉及加权网络模型、和谐统一的混合模型和量子信息网络模型及其纳米网络,简单说,我们探索了从宏观网络到微观网络的不同层次的若干特点和结果。在下篇综述里,我们将系统概述5个重要课题的研究进展,从第7章到第11章,课题内容包括:复杂网络的动力学完全同步与网络的拓扑结构之间的关系;网络拓扑结构的对称性破缺导致动力学部分同步;给出判断给定网络部分同步斑图稳定性的方法和一般判据,讨论了由网络的多种拓扑对称导致的部分同步斑图的竞争和选择问题以及李指数谱的简并性质。进一步,分别以具有小世界和无标度拓扑结构的束流输运网络为典型的"混沌复杂网络",提出了实现束晕-混沌的同步和控制的若干方法,特别是实现分区网络的多目标的同步控制问题。同时,基于Vicsek模型和Boid模型,研究了生物体集群动态网络的拓扑结构和动力学方程,提出复杂多智能体网络的协调控制策略。另外,从复杂网络的不同拓扑结构对合作涌现和资源分配的作用角度,评述了三个主要的博弈模型—少数者博弈、囚徒困境和雪堆博弈,研究了复杂网络的群聚系数和网络异质性等结构特性对个体的博弈行为的重要影响。最后第12章,我们简介其它课题的进展,讨论了网络科学面临的挑战,并展望了其应用与发展前景。     

一门崭新的交叉科学:网络科学(下篇)

在上篇综述里,我们评述了网络科学的发展简史,基本概念和网络分类,以及国内外迄今提出的复杂网络的主要理论模型及其拓扑特性。着重总结了我们"一院二校"开展的国家自然科学基金重点项目的研究进展,上篇的研究成果主要涉及加权网络模型、和谐统一的混合模型和量子信息网络模型及其纳米网络,简单说,我们探索了从宏观网络到微观网络的不同层次的若干特点和结果。在下篇综述里,我们将系统概述5个重要课题的研究进展,从第7章到第11章,课题内容包括:复杂网络的动力学完全同步与网络的拓扑结构之间的关系;网络拓扑结构的对称性破缺导致动力学部分同步;给出判断给定网络部分同步斑图稳定性的方法和一般判据,讨论了由网络的多种拓扑对称导致的部分同步斑图的竞争和选择问题以及李指数谱的简并性质。进一步,分别以具有小世界和无标度拓扑结构的束流输运网络为典型的"混沌复杂网络",提出了实现束晕-混沌的同步和控制的若干方法,特别是实现分区网络的多目标的同步控制问题。同时,基于Vicsek模型和Boid模型,研究了生物体集群动态网络的拓扑结构和动力学方程,提出复杂多智能体网络的协调控制策略。另外,从复杂网络的不同拓扑结构对合作涌现和资源分配的作用角度,评述了三个主要的博弈模型—少数者博弈、囚徒困境和雪堆博弈,研究了复杂网络的群聚系数和网络异质性等结构特性对个体的博弈行为的重要影响。最后第12章,我们简介其它课题的进展,讨论了网络科学面临的挑战,并展望了其应用与发展前景。     

非线性耦合完全网络的时空混沌同步

利用N个Fitzhugh-Nagumo模型作为网络节点,通过非线性耦合构成完全网络,研究了这种网络的时空混沌同步问题.首先给出了复杂网络中连接节点之间的非线性耦合函数的一般性选取原则.进一步基于Lyapunov稳定性定理,理论分析了实现网络同步的条件以及控制增益的取值范围.最后,通过仿真模拟检验了以Fitzhugh-Nagumo模型作为网络节点所构成的完全网络的时空混沌同步效果.仿真结果表明,这种完全网络不但同步快速有效,而且网络规模的大小对网络同步稳定性的影响不敏感. 关键词： 同步 复杂网络 时空混沌 非线性耦合     

用于混沌时间序列预测的多簇回响状态网络

研究了混沌时间序列预测问题.提出了一种由五元生长因子组调控的类皮层神经网络模型,即多簇回响状态网络模型（MCESN）.研究表明该生长因子组能够有效决定模型的拓扑性质;同时具备小世界和无标度等复杂网络特征的MCESN能够获得较优的预测结果.通过Monte Carlo仿真实验表明,该模型不仅训练算法简单,而且与常规回响状态网络比较,预测结果的精度更高、标准差更小. 关键词： 混沌时间序列预测 回响状态网络 复杂网络 Ω复杂性')" href="#">Ω复杂性     

非线性函数耦合的Chen吸引子网络的混沌同步

利用非对称非线性函数耦合混沌同步方法,讨论了Chen吸引子的混沌同步问题,数值模拟分析初始值和耦合强度因子的选择对于实现混沌同步的影响. 将非对称非线性函数耦合同步方法进一步推广发展到完全连接网络和由星形子网络构成的复杂大网络混沌同步的研究中. 提供了确定网络中神经元之间混沌同步状态稳定性的误差发展方程,并讨论各个耦合强度因子对网络同步稳定性过程的影响,给出了相应的稳定性范围. 通过数值模拟证明利用非线性函数作为耦合函数,实现完全连接网络、星形子网络构成大网络的混沌同步是有效的. 可以预测在网络的混沌同步 关键词： 非线性耦合函数 Chen吸引子 混沌同步 网络     

第2届复杂性科学和经济物理学的理论与应用学术研讨会

20 0 1 8 2 2— 2 6由中国科学技术大学非线性科学中心、中国原子能科学研究院复杂性科学研究中心和广西师范大学联合主办 ,广西师范大学承办的第二届复杂性科学和经济物理学的理论与应用学术研讨会 ,拟于 2 0 0 1年 8月2 2— 2 6日在桂林市广西师大内召开 .会议将邀请国内外著名学者以系列讲座和学术报告的形式介绍复杂性科学的基本问题、研究方法和所取得的最新成果 .同时也为在经济物理学和金融复杂性、复杂适应性系统模型、混沌和分形理论 ,混沌的控制与同步、非线性动力学、非平衡统计物理、环境与生命科学、非线性数学等研究领域的知…     

节点结构互异的复杂网络的时空混沌反同步

研究了节点结构互异的离散型时空混沌系统构成复杂网络的反同步问题. 通过构造合适的Lyapunov函数, 确定了复杂网络中连接节点之间的耦合函数的结构以及控制增益的取值范围. 以物理中具有时空混沌行为的激光相位共轭波空间扩展系统、Gibbs电光时空混沌 模型、Bragg声光时空混沌模型以及一维对流方程的离散形式作为 网络节点构成的复杂网络为例进行了仿真模拟, 发现整个网络存在稳定的混沌反同步现象.     

噪声环境下时滞耦合网络的广义投影滞后同步

时滞和噪声在复杂网络中普遍存在,而含有耦合时滞和噪声摄动的耦合网络同步的研究工作却极其稀少. 本文针对噪声环境下具有不同节点动力学、不同拓扑结构及不同节点数目的耦合时滞网络,提出了两个网络之间的广义投影滞后同步. 首先,构建了更加贴近现实的驱动-响应网络同步的理论框架;其次,基于随机时滞微分方程LaSalle不变性原理,严格证明了在合理的控制器作用下,驱动网络和响应网络在几乎必然渐近稳定性意义下能够取得广义投影滞后同步;最后,借助于计算机仿真,通过具体的网络模型验证了理论推理的有效性. 数值模拟结果表明,驱动网络与响应网络不但能够达到广义投影滞后同步,而且同步效果不依赖于耦合时滞和比例因子的选取,同时也揭示了更新增益和耦合时滞对同步收敛速度的显著性影响. 关键词： 复杂网络 广义投影滞后同步 随机噪声 时滞     

激光局域网络的混沌控制及并行队列同步

本文提出并研究了"单队列-双参数"光电延时反馈控制条件下的激光局域网络的混沌控制及串联的动力学行为的并行队列"交叉驱动-反馈"网络同步实现,建立了该光学局域网络的数学物理控制模型.通过含时延超越方程理论的分析,预言了该光学局域网络是可以实现混沌控制的,且网络两路结点队列是可以实现实时引导控制到多个类周期状态上的,并通过并行队列同步方程理论证明并行串联队列同步是可以获得的.结果发现在可控的激光局域网络两个并行串联队列光路上,分别实现了网络队列结点的混沌控制并能够实现多个类周期的网络结点的并行串联队列同步,实现了络网结点激光器的2周期、3周期、4周期等状态的并行队列同步,以及其他多个类周期的队列并行同步和动态同步.还发现了两个类周期并行队列网络同步控制区域.本文还给出了激光局域网络"并行多点混沌载波同步发射及其在光学超宽带通信中应用"的一个案例并成功实现.这是一种新型的激光混沌局域网络控制系统,具有光局域网络光传送与光联接核心控制技术要素,具有复杂动力学系统与网络的多变量、多空间维度及并行两路不同队列混沌控制技术特点,还具有光网络超宽带通信功能等.其研究结果对局域网络、光网络的控制与同步、激光技术以及混沌的研究具有重要的参考价值.