一种基于效率矩阵的网络节点重要度评价算法

为了实现对网络节点重要性的有效评价,提出一种基于网络效率矩阵的节点重要度评价算法.该方法综合考虑节点的度值(局部重要度)和网络节点之间的重要性贡献(全局重要度),利用节点的度和效率矩阵表征网络节点的重要度贡献,克服重要性贡献矩阵法中节点只依赖于邻接节点的不足.考虑实际网络的稀疏性,该算法的时间复杂度为O(n²).通过算例分析验证了该算法的可行性和有效性,结果表明:该算法能够更加直观、简单有效地区分节点的重要度差异,并且对于大型复杂网络具有较理想的计算能力.     

二分网上的靴襻渗流

靴襻渗流最早应用于统计物理学中研究磁铁因非磁性杂质导致磁有序的降低并最终消失的现象. 随着复杂网络研究的深入, 许多学者展开网络上的靴襻渗流研究. 在自然界中, 许多系统自然呈现出二分结构, 二分网络是复杂网络中的一种重要的网络模式. 本文通过建立动力学方程和计算机仿真模拟的方法研究二分网上的靴襻渗流, 关注的参数是二分网中两类节点初始的活跃比例和活跃阈值, 分别用f₁, f₂和Ω₁, Ω₂表示, 得到二分网两类节点终态活跃比例随初始活跃比例的变化会发生相变等结论. 同时 验证了动力学方程与仿真模拟的一致性.     

空间网络上的随机游走

本文以一维均匀环为基础, 通过添加有限数量的长程连接构造出了一维有限能量约束下的空间网络, 环上任意节点i与j之间存在一条长程连接的概率满足p_ijα d_ij^-α (α≥ 0),其中d_ij为节点i与j之间的网格距离, 并且所有长程连接长度总和受到总能量∧=cN(c≥ 0)的约束, N为网络节点总数.通过研究该空间网络上的随机游走过程,存在最优幂指数α₀ 使得陷阱问题的平均首达时间最短.进一步研究发现,平均首达时间与网络规模N之间存在着幂律关系, 随着网络规模N和总能量∧的增加,最优幂指数α₀单调增加,并趋近最优值1.5.     

无标度立体Koch网络的建立及其结构性质研究

根据经典Koch曲线的构造,利用四面体作为迭代基元构造了一种立体Koch网络并对其结构性质做了研究, 给出了该网络的度分布函数,计算了该网络的团簇系数、平均最短路径长度以及度关联函数.结果表明,所构建的网络是无标度网络,度分布临界指数γ≈332;其团簇系数趋向于常数值0870435;平均路径长度与网络尺寸的对数呈正比关系,说明该网络具有小世界网络特性.另外,计算结果表明k_nn(k)随k的变化而变化,说明该Koch网络具有一定的度关联性.     

A=39和41原子核单粒能谱的理论计算

本文用格林函数方法并采用M-3Y力等效G矩阵元,对⁴⁰Ca区域相邻核单粒能谱做了理论计算和讨论.计算中考虑了由吴式枢^[1]提出的多重散射关射.所得的计算结果与实验值符合得很好,其中⁴¹Ca的单粒能谱比以往的RBHF结果有所改进,特别是解决了能级倒序的问题.结果表明:质量算符的二级近似对改善能谱值有一定的贡献,M-3Y力等效G矩阵元对这一区域的微观结构是适用的.     

双共价因子在半磁半导体HgS:Co2+光谱中的应用

本文采用一种适用于共价晶体的含双共价因子(N_t≠N_e)的能量矩阵计算方法,研究了Co²⁺离子在HgS中的光学吸收谱,并对结果进行了讨论.研究结果表明,对于共价性强的晶体,Racah参量A对能级跃迁的贡献不能忽略.     

利用节点效率评估复杂网络功能鲁棒性

为了克服现有复杂网络鲁棒性研究模型只考虑节点失效的局部影响性和网络拓扑鲁棒性的缺陷, 提出了一种利用节点效率来评估复杂网络功能鲁棒性的方法. 该方法综合考虑节点失效的全局影响性, 利用网络中节点的效率来定义各节点的负载、极限负载和失效模型, 通过打击后网络中最终失效节点的比例来衡量网络的功能鲁棒性, 并给出了其评估优化算法. 实验分析表明该方法对考虑节点负载的复杂网络功能鲁棒性的评定可行有效, 对于大型复杂网络可以获得理想的计算能力.     

光子晶体缺陷模的带宽与品质因子研究

利用光学传输矩阵法研究了结构参量对缺陷态光子晶体的缺陷模带宽和品质因子的影响.研究发现,当缺陷介质层厚度h₀的值较小时,缺陷模的带宽很小且基本保持不变;当h₀较大时,缺陷模的带宽随h₀的增加而快速增加.另外发现,缺陷模的品质因子在某个h₀处取最大值.但是总体上看,h₀较小时的品质因子要远大于h₀较大时的品质因子.此外,缺陷模的品质因子随光子晶体的周期数增加而急剧增加约4.788倍,而带宽则随周期数的增加而急剧减少约4.788倍.当周期数为13时就可以获得10⁹以上的品质因子值和小于10^-9的相对带宽值.     

基于多属性决策的复杂网络节点重要性综合评价方法

复杂网络中的节点重要性评价在实际应用中有着重要意义.现有的一些重要性评价指标如度、介数等存在适用范围有限,评价结果不够全面等缺点,因为节点在复杂网络中的重要性不仅仅受单一因素的影响.为此,本文提出了一种基于多属性决策的复杂网络节点重要性综合评价方法.该方法将复杂网络中的每一个节点看作一个方案,其多个重要性评价指标作为该方案的属性,通过计算每个方案到理想方案的接近程度,最终得到该节点的重要性综合评价结果.该方法不仅可以用于不同类型复杂网络的节点重要性评价,而且便于扩展,实验结果表明了该方法的有效性.     

幂律指数在1与3之间的一类无标度网络

借助排队系统中顾客批量到达的概念，提出节点批量到达的Poisson网络模型.节点按照到达率为λ的Poisson过程批量到达系统.模型1，批量按照到达批次的幂律非线性增长，其幂律指数为θ(0≤θ<+∞).BA模型是在θ＝0时的特例.利用Poisson过程理论和连续化方法进行分析，发现这个网络稳态平均度分布是幂律分布，而且幂律指数在1和3之间.模型2，批量按照节点到达批次的对数非线性增长，得出当批量增长较缓慢时，稳态度分布幂律指数为3.因此，节点批量到达的Poisson网络模型不仅是BA模型的推广，也为许多幂律指数在1和2之间的现实网络提供了理论依据.     

Detecting local community structures in complex networks based on local degree central nodes

Detecting local communities in real-world graphs such as large social networks, web graphs, and biological networks has received a great deal of attention because obtaining complete information from a large network is still difficult and unrealistic nowadays. In this paper, we define the term local degree central node whose degree is greater than or equal to the degree of its neighbor nodes. A new method based on the local degree central node to detect the local community is proposed. In our method, the local community is not discovered from the given starting node, but from the local degree central node that is associated with the given starting node. Experiments show that the local central nodes are key nodes of communities in complex networks and the local communities detected by our method have high accuracy. Our algorithm can discover local communities accurately for more nodes and is an effective method to explore community structures of large networks.     

基于度与集聚系数的网络节点重要性度量方法研究

网络中节点重要性度量对于研究网络的鲁棒性具有十分重要的意义. 研究者们普遍运用度或集聚系数来度量节点的重要程度, 然而度指标只考虑节点自身邻居个数而忽略了其邻居之间的信息, 集聚系数只考虑节点邻居之间的紧密程度而忽略了其邻居的规模. 本文综合考虑节点的邻居个数, 以及其邻居之间的连接紧密程度, 提出了一种基于邻居信息与集聚系数的节点重要性评价方法. 对美国航空网络和美国西部电力网进行的选择性攻击实验表明, 采用该方法的效果较k-shell指标可以分别提高24%和112%. 本文的节点重要性度量方法只需要考虑网络局部信息, 因此非常适合于对大规模网络的节点重要性进行有效分析. 关键词： 网络科学 鲁棒性 节点重要性 集聚系数     

Mean first-passage time for random walks on undirected networks

In this paper, by using two different techniques we derive an explicit formula for the mean first-passage time (MFPT) between any pair of nodes on a general undirected network, which is expressed in terms of eigenvalues and eigenvectors of an associated matrix similar to the transition matrix. We then apply the formula to derive a lower bound for the MFPT to arrive at a given node with the starting point chosen from the stationary distribution over the set of nodes. We show that for a correlated scale-free network of size N with a degree distribution P(d) ∼ d ^−γ , the scaling of the lower bound is N ^1−1/γ . Also, we provide a simple derivation for an eigentime identity. Our work leads to a comprehensive understanding of recent results about random walks on complex networks, especially on scale-free networks.     

基于节点负荷失效的网络可控性研究

Liu和Barabasi将现代控制理论应用到线性系统的网络可控性问题上, 提出了最小驱动节点集的计算方法, 解决了复杂网络控制的可计算问题. 针对现实网络中存在的节点因负荷过载而失效的问题, 本文提出了基于节点负荷失效的网络可控性模型. 通过对网络采用介数和Weibull失效模型, 在随机和目标失效机制下进行仿真, 研究结果表明: 维持无标度网络可控性的难度要明显大于随机网络; 在目标节点失效机制下, 即使对网络输入极少的失效信号, 也能极大地破坏网络的可控性; 使高介数节点失效要比使度高节点失效更能破坏网络的可控性, 说明高介数节点在维持网络可控性上发挥着重要作用; 对不同的负荷失效模型, 要合理采取措施, 防止网络发生阶跃性全不可控现象. 关键词： 网络可控性 结构可控性 节点失效     

复杂网络中节点重要性排序的研究进展

如何用定量分析的方法识别超大规模网络中哪些节点最重要, 或者评价某个节点相对于其他一个或多个节点的重要程度, 这是复杂网络研究中亟待解决的重要问题之一. 本文分别从网络结构和传播动力学的角度, 对现有的复杂网络中节点重要性排序方法进行了系统的回顾,总结了节点重要性排序方法的最新研究进展, 并对不同的节点重要性排序指标的优缺点以及适用环境进行了分析, 最后指出了这一领域中几个有待解决的问题及可能的发展方向. 关键词： 复杂网络 节点重要性 网络结构 传播动力学     

交织型层级复杂网

为研究两个异质关联网络复合后的结构特征与节点中心性特征,本文提出了交织型层级复杂网络的概念,可描述由两个具有部分相同节点,连接边属性近似的子网所构成的层级复杂网络,并定义了节点交织系数、路径交织系数和网络交织系数3种测度用于衡量两个子网之间的密切程度.针对该类网络,研究并改进了节点度中心性和介数中心性的计算方法,同时提出一种新的中心性指标—助联性,用于衡量子网的某一节点对另一子网联通性和流通性的助益.通过实验分析,验证了本文各类指标的有效性.     

Analysis of identification methods of key nodes in transportation network

The identification of key nodes plays an important role in improving the robustness of the transportation network. For different types of transportation networks, the effect of the same identification method may be different. It is of practical significance to study the key nodes identification methods corresponding to various types of transportation networks. Based on the knowledge of complex networks, the metro networks and the bus networks are selected as the objects, and the key nodes are identified by the node degree identification method, the neighbor node degree identification method, the weighted k-shell degree neighborhood identification method (KSD), the degree k-shell identification method (DKS), and the degree k-shell neighborhood identification method (DKSN). Take the network efficiency and the largest connected subgraph as the effective indicators. The results show that the KSD identification method that comprehensively considers the elements has the best recognition effect and has certain practical significance.     

网络集聚性对节点中心性指标的准确性影响

节点中心性指标是从特定角度对网络某一方面的结构特点进行刻画的度量指标, 因此网络拓扑结构的改变会对节点中心性指标的准确性产生重要影响. 本文利用Holme-Kim模型构建可变集聚系数的无标度网络, 然后采用Susceptible-Infective-Removal模型进行传播影响力的仿真实验, 接着分析了节点中心性指标在不同集聚系数的无标度网络中的准确性. 结果表明, 度中心性和介数中心性的准确性在低集聚系数的网络中表现更好, 特征向量中心性则在高集聚类网络中更准确, 而紧密度中心性的准确性受网络集聚系数的变化影响较小. 因此当网络的集聚系数较低时, 可选择度或者介数作为中心性指标进行网络节点影响力评价; 反之则选择紧密度指标或特征向量指标较好, 尤其当网络的集聚系数接近0.6时特征向量的准确性可以高达到0.85, 是度量小规模网络的较优选择. 另一方面, 传播过程的感染率越高, 度指标和介数指标越可靠, 紧密度和特征向量则相反. 最后Autonomous System实证网络的断边重连实验, 进一步验证了网络集聚性的改变会对节点中心性指标的准确性产生重要影响.