新节点的边对网络无标度性影响

分析新节点边对网络无标度性的影响.虽然亚线性增长网络瞬态平均度分布尾部表现出了幂律分布性质,但是,这个网络的稳态度分布并不是幂律分布,由此可见,计算机模拟预测不出网络稳态度分布,它只能预测网络的瞬态度分布.进而建立随机增长网络模型,利用随机过程理论得到了这个模型的度分布的解析表达式,结果表明这个网络是无标度网络. 关键词： 复杂网络 无标度网络 小世界网络 度分布     

一种基于随机行走和策略连接的网络演化模型

本文提出了一个基于随机行走和策略选择的复杂网络局域演化模型RAPA. 新节点加入系统不需要全局知识,而是通过随机行走构造局域世界;然后依据概率采用随机连接,"扶贫"连接或"亲富"连接策略,从局域世界中选择节点增加连接边;最终自组织演化具有幂律特点的复杂网络. 初步的解析计算和仿真实验都表明,RAPA模型不仅重现了具有小世界特性、整体上的无标度特性,还可以演化出小变量饱和以及指数截断等现象,同时也具有明显的聚类特性,并能够构造出同配或异配等不同混合模式的网络. 关键词： 复杂网络 模型 随机行走 策略连接     

基于复杂网络理论的微博用户关系网络演化模型研究

微博给人们提供便利的同时也产生了较大的负面影响.为获取微博谣言的传播规律,进而采取有效措施防控其传播,本文基于复杂网络理论研究微博用户关系网络的内部特征,提出一种微博用户关系网络演化模型,借助于平均场理论,分析该演化模型的拓扑统计特性,以及谣言在该演化模型上的传播动力学行为.理论分析和仿真实验表明,由该模型演化生成的微博用户关系网络具有无标度特性.度分布指数不仅与反向连接概率有关,而且还取决于节点的吸引度分布.研究还发现,与指数分布和均匀分布相比,当节点吸引度满足幂律分布时,稳态时的谣言传播程度较大.此外,随着反向连接概率或节点初始连边数量的增加,谣言爆发的概率以及网络中最终接受谣言的节点数量都会明显增大.     

一种新型二分网络类局域世界演化模型

现实世界中复杂网络的演化存在很明显的局域选择现象,然而目前关于二分网络中的局域世界演化模型研究较少．因此,本文建立了一个基于二分网络的类局域世界演化模型．首先定义了网络节点度值的饱和度．在此基础上提出了一种新型二分网络局域世界演化模型．新节点加入系统不需要全局知识,而是通过节点在网络演化的不同时刻度值饱和度为选择条件构造新节点的局域世界,然后利用择优连接从局域世界中选择节点增加连边完成网络演化．此类模型中新节点的局域世界是通过节点饱和度的限制被动生成,因此又称为类局域世界模型．通过模拟分析发现在节点度值饱和度的限制下择优连接并没有产生具有幂率特性的度分布,而是生成了度分布相对均匀的二分网络,即节点度值分布区间较小．此外,本文还给出了该网络的混合系数计算结果,该结果显示网络同配性与网络参数的选择有关,这一结果与网络邻点平均度的模拟结果一致．     

新节点的边对网络无标度性影响

分析新节点边对网络无标度性的影响.虽然亚线性增长网络瞬态平均度分布尾部表现出了幂律分布性质，但是，这个网络的稳态度分布并不是幂律分布，由此可见，计算机模拟预测不出网络稳态度分布，它只能预测网络的瞬态度分布.进而建立随机增长网络模型，利用随机过程理论得到了这个模型的度分布的解析表达式，结果表明这个网络是无标度网络.     

基于在线社交网络的信息传播模型

本文构造了一个基于在线社交网络的信息传播模型.该模型考虑了节点度和传播机理的影响,结合复杂网络和传染病动力学理论,进一步建立了动力学演化方程组.该方程组刻画了不同类型节点随着时间的演化关系,反映了传播动力学过程受到网络拓扑结构和传播机理的影响.本文模拟了在线社交网络中的信息传播过程,并分析了不同类型节点在网络中的行为规律.仿真结果表明:由于在线社交网络的高度连通性,信息在网络中传播的门槛几乎为零;初始传播节点的度越大,信息越容易在网络中迅速传播;中心节点具有较大的社会影响力;具有不同度数的节点在网络中的变 关键词： 在线社交网络 信息传播 微分方程 传染病动力学     

具有局部结构的增长无标度网络中传染病传播机制研究

为了研究人群中的一些基本的社会关系结构,如家庭、室友、同事等,对传染病传播过程的影响机制,本文建立了一个具有局部结构的增长无标度网络模型.研究表明,局部结构的引入使得该网络模型能够同时再现社会网络的两个重要特征：节点度分布的不均匀性以及节点度之间的相关性.首先,该网络的节点度和局部结构度均服从幂律分布,且度分布指数依赖于局部结构的大小.此外,局部结构的存在还导致网络节点度之间具有正相关特性,而这种正相关正是社会网络所特有的一个重要特性.接着,通过理论分析和数值模拟,我们进一步研究了该网络结构对易感者-感染 关键词： 复杂网络 无标度网络 局部结构 传染病建模     

复杂网络局部结构的涌现:共同邻居驱动网络演化

在对真实网络的小世界和无标度特性进行了大量深入考量之后,最近的研究热点开始转移到更加细致的局部结构.实证数据显示,大量真实网络具有幂律的低阶集团度分布.这一普适的规律,无法由富者愈富以及熟人推荐的网络生长机理再现.本文提出一种由共同邻居驱动的网络演化模型,该模型能够重现实证研究所观察到的幂律集团度分布,暗示共同邻居驱动是复杂网络局部结构涌现形成的内在机理. 关键词： 复杂网络 演化模型 集团度分布 共同邻居     

基于平均场理论的微博传播网络模型

微博是在通过用户关注机制建立的用户网络上分享实时信息的社交平台,而微博消息主要通过用户的转发行为使消息在用户网络上传播.掌握微博消息的传播机制,对研究微博上舆论谣言的传播、产品推广等具有指导作用.本文通过对微博传播网络的结构分析来探索微博传播过程,利用新浪微博数据,建立微博传播网络,分析该网络的生成机制,使用平均场论的方法,推导微博传播网络的度分布模型.实验结果表明:微博传播网络的度分布是时间相依的,在特定时间下网络的度分布服从幂律分布.     

超网络中标度律的涌现

本文构建超网络和复杂网络中统一演化模型,研究超网络无标度特性演化机理和拓扑性质.利用Poisson过程理论和连续化方法对模型进行分析,获得网络稳态平均超度分布的解析表达式.仿真实验和理论分析相符合.结果表明:随着网络规模的增大,这个动态演化网络的超度分布遵循无标度的特性.它不仅将每次增加一个新节点与若干个老节点围成一条超边的超网络模型和每次增加若干个新节点与一个老节点围成一条超边的超网络模型统一在一个模型中,而且将复杂网络中著名的无标度模型也作为我们模型的特例.     

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.     

A highly clustered scale-free network evolved by random walking

In present paper, we propose a highly clustered weighted network model that incorporates the addition of a new node with some links, new links between existing nodes and the edge's weight dynamical evolution based on weight-dependent walks at each time step. The analytical approach and numerical simulation show that the system grows into a weighted network with the power-law distributions of strength, weight and degree. The weight-dependent walk length l will not influence the strength distribution, but the clustering coefficient of the network is sensitive to l. Particularly, the clustering coefficient is especially high and almost independent of the network size when l=2.     

一种改进的基于信息传播率的复杂网络影响力评估算法

评价网络中节点的信息传播影响力对于理解网络结构与网络功能具有重要意义.目前,许多基于最短路径的指标,如接近中心性、介数中心性以及半局部(SP)指标等相继用于评价节点传播影响力.最短路径表示节点间信息传播途径始终选择最优方式,然而实际上网络间的信息传播过程更类似于随机游走,信息的传播途径可以是节点间的任一可达路径,在集聚系数高的网络中,节点的局部高聚簇性有利于信息的有效扩散,若只考虑信息按最优传播方式即最短路径传播,则会低估节点信息传播的能力,从而降低节点影响力的排序精度.综合考虑节点与三步内邻居间的有效可达路径以及信息传播率,提出了一种SP指标的改进算法,即ASP算法.在多个经典的实际网络和人工网络上利用SIR模型对传播过程进行仿真,结果表明ASP指标与度指标、核数指标、接近中心性指标、介数中心性指标以及SP指标相比,可以更精确地对节点传播影响力进行排序.     

Adaptive local routing strategy on a scale-free network

Due to the heterogeneity of the structure on a scale-free network, making the betweennesses of all nodes become homogeneous by reassigning the weights of nodes or edges is very difficult. In order to take advantage of the important effect of high degree nodes on the shortest path communication and preferentially deliver packets by them to increase the probability to destination, an adaptive local routing strategy on a scale-free network is proposed, in which the node adjusts the forwarding probability with the dynamical traffic load (packet queue length) and the degree distribution of neighbouring nodes. The critical queue length of a node is set to be proportional to its degree, and the node with high degree has a larger critical queue length to store and forward more packets. When the queue length of a high degree node is shorter than its critical queue length, it has a higher probability to forward packets. After higher degree nodes are saturated (whose queue lengths are longer than their critical queue lengths), more packets will be delivered by the lower degree nodes around them. The adaptive local routing strategy increases the probability of a packet finding its destination quickly, and improves the transmission capacity on the scale-free network by reducing routing hops. The simulation results show that the transmission capacity of the adaptive local routing strategy is larger than that of three previous local routing strategies.     

一类高聚类系数的加权无标度网络及其同步能力分析

针对真实世界中大规模网络都具有明显聚类效应的特点, 提出一类具有高聚类系数的加权无标度网络演化模型, 该模型同时考虑了优先连接、三角结构、随机连接和社团结构等四种演化机制. 在模型演化规则中, 以概率p增加单个节点, 以概率1–p增加一个社团. 与以往研究的不同在于新边的建立, 以概率φ在旧节点之间进行三角连接, 以概率1–φ进行随机连接. 仿真分析表明, 所提出的网络度、强度和权值分布都是服从幂律分布的形式, 且具有高聚类系数的特性, 聚类系数的提高与社团结构和随机连接机制有直接的关系. 最后通过数值仿真分析了网络演化机制对同步动态特性的影响, 数值仿真结果表明, 网络的平均聚类系数越小, 网络的同步能力越强. 关键词： 无标度网络 加权网络 聚类系数 同步能力     

A new local-world evolving network model

In some real complex networks, only a few nodes can obtain the global information about the entire networks, but most of the nodes own only local connections therefore own only local information of the networks. A new local-world evolving network model is proposed in this paper. In the model, not all the nodes obtain local network information, which is different from the local world network model proposed by Li and Chen (LC model). In the LC model, each node has only the local connections therefore owns only local information about the entire networks. Theoretical analysis and numerical simulation show that adjusting the ratio of the number of nodes obtaining the global information of the network to the total number of nodes can effectively control the valuing range for the power-law exponent of the new network. Therefore, if the topological structure of a complex network, especially its exponent of power-law degree distribution, needs controlling, we just add or take away a few nodes which own the global information of the network.     

Degree distribution of a new model for evolving networks

We propose and study an evolving network model with both preferential and random attachments of new links, incorporating the addition of new nodes, new links, and the removal of links. We first show that the degree evolution of a node follows a nonhomogeneous Markov chain. Based on the concept of Markov chain, we provide the exact solution of the degree distribution of this model and show that the model can generate scale-free evolving network.     

Preferential attachment renders an evolving network of populations robust against crashes

We study a model for the evolution of chemical species under a combination of population dynamics on a short time scale, and a selection mechanism on a longer time scale. Least fit nodes are replaced by new nodes whose links are attached to the nodes of the given network via preferential attachment. In contrast to a random attachment of newly incoming nodes that was used in previous work, this preferential attachment mechanism accelerates the generation of a so-called autocatalytic set after a start from a random geometry, and the growth of this structure, until it saturates in a stationary phase in which the whole system is an autocatalytic set. Moreover, the system in the stationary phase becomes much more stable against crashes in the population size as compared to random attachment. We explain in detail, in terms of graph theoretical notions, which structure of the resulting network is responsible for this stability. Essentially it is a very dense core with many loops and less nodes playing the role of a keystone that prevents the system from crashing, almost completely.     

基于节点间依赖度的社团结构划分方法

本文提出了一种基于节点间依赖度的在复杂网络中划分社团结构的算法,定义了节点对其邻居的依赖度以及节点对社团的依赖度和条件依赖度.算法的基本要点是优先将最大依赖度不小于其他节点且有惟一依赖节点的节点划分到社团,并将对社团的依赖度或条件依赖度达到一定值的节点吸收进社团,直到所有节点都得到准确的社团划分.本算法在几个实际网络的测试上,都成功地划分出了满足条件的社团,并且对社团结构已知的网络的划分结果符合实际情况.     

带有层级结构的复杂网络级联失效模型

针对现实世界的网络中普遍存在的层级结构建立一个级联失效模型, 该模型可用于优化金融、物流网络设计. 选择的层级网络模型具有树形骨架和异质的隐含连接, 并且骨架中每层节点拥有的分枝数服从正态分布. 级联失效模型中对底层节点的打击在不完全信息条件下进行, 也即假设打击者无法观察到隐含连接. 失效节点的负载重分配考虑了层级异质性, 它可以选择倾向于向同级或高层级完好节点分配额外负载. 仿真实验表明, 层级网络的拓扑结构随连接参数变化逐渐从小世界网络过渡到随机网络. 网络级联失效规模随隐含连接比例呈现出先增加后降低的规律. 负载重分配越倾向于高层级节点, 网络的抗毁损性越高. 同时, 由于连接参数会改变隐含连接在不同层级之间的分布, 进而对网络的抗毁损性产生显著影响, 为了提高网络抗毁损能力, 设计网络、制定管理控制策略时应合理设定连接参数. 关键词： 复杂网络 级联失效 层级结构