能量异构的无线传感器网络加权无标度拓扑研究

针对无线传感器网络节点能耗不均和如何高效获得节点和边的负载问题,提出一种局域范围内能量异构的加权无标度拓扑演化模型.通过对节点能量与负载、能耗的关系建模,建立节点能量与点权和边权的联系,进而结合点权和加权模型给出网络的演化方式,推出点权、度和边权的幂率分布规律,最终根据网络获得的点权和边权来分析负载和能耗.仿真结果表明,提出的模型不仅能够准确计算点边的负载,而且缓解了无标度网络的节点能耗不均衡问题.     

一种能耗均衡的无线传感器网络加权无标度拓扑研究

针对无线传感器网络节点能耗不均衡问题,通过对节点生命期建模,得出节点生命期受节点剩余能量和通信距离的影响,进而将两端节点生命期作为构建拓扑时边权重的影响因子,通过边权重控制节点权重,最终得出了一种能耗均衡的无线传感器网络加权无标度拓扑模型,并理论证明了该模型的点权、边权和节点度均服从幂律分布.实验结果表明,该模型具有无标度拓扑的强容错性,并有效的均衡了网络中的节点能耗,延长了网络的生命期.     

一种优化无线传感器网络生命周期的容错拓扑研究

<正>由于无线传感器网络的节点能量受限,优化网络生命周期成为设计网络拓扑时首要考虑的问题.通过分析节点的剩余能量和负载量对节点生命周期的影响,提出了一种可延长无线传感器网络生命期的容错拓扑演化模型,并得出了在节点满足网络生存时间的条件下负载调节系数的取值范围.仿真实验结果表明,基于无标度网络的演化拓扑结构具有较好的容错性,并能够均衡网络节点能耗和延长网络生命周期.     

基于Web 2.0的边与节点同时增长网络模型

模拟了Web2.0网络的发展过程并研究其拓扑结构,分析某门户网站实际博客数据的度分布、节点度时间变化,发现与先前的无标度网络模型有所差别.根据真实网络的生长特点,提出了边与节点同时增长的网络模型,包括随机连接及近邻互联的网络构造规则.仿真研究表明,模拟的网络更接近实际,在没有优先连接过程时,模型能得到幂率的度分布;并且网络有更大的聚类系数以及正的度相关性。     

无线传感器网络中无标度拓扑的动态容错性分析

增强网络的动态容错性对于抵御级联失效具有重要的现实意义.根据无线传感器网络无标度拓扑中节点可变负载和恒定容量的特点建立级联失效模型,在随机节点失效下研究负载参数和拓扑参数对其级联失效容错性的影响规律,解析推导出该网络大规模级联失效的承载极限,同时模拟结果发现该网络的级联失效容错性与其度分布系数和幂指数正相关.这为从参数优化角度抵御随机节点失效下无线传感器网络无标度拓扑级联失效危害提供了依据.     

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.     

一种可大范围调节聚类系数的加权无标度网络模型

在Barrat, Barthélemy 和 Vespignani (BBV)加权无标度网络模型的基础上，提出了一种可大范围调节聚类系数的加权无标度网络模型——广义BBV模型(GBBV模型).理论分析和仿真实验表明，GBBV模型保留了BBV模型的许多特征，节点度、节点权重和边权值等都服从幂律分布.但是，GBBV模型克服了BBV模型只能小范围调节聚类系数的缺陷，从而可以用于具有大聚类系数网络的建模. 关键词： 无标度网络 加权网络 聚类系数     

基于综合故障的无线传感器网络无标度容错拓扑模型研究

针对无线传感器网络实际应用中遇到的环境损毁和能量耗尽的问题,本文首先对网络综合故障进行建模,获取满足综合故障容忍能力和网络生命期双重需求的网络节点度和节点度上限值的取值规律,并结合由无标度特征导出的两者关系,从而求得最优节点度上限值,最终引入关于节点度上限值的适应度函数,提出了容忍环境损毁和能量耗尽综合故障的无标度容错拓扑演化模型.仿真实验结果表明,该模型演化生成的无标度拓扑对环境损毁和能量耗尽具有较好的容错性,并能够有效地延长网络生命期.     

一类权重网络的加速演化模型

采用动态形成权重网络的方法，研究了在演化过程中新增边具有加速连接情况下权重网络的拓扑特性和强度分布，给出了节点强度与度的解析表达式.分析表明，加速演化的权重模型具有明显的无标度特性.再者，只要权重网络的边权重服从某一概率分布，则在演化过程中强度择优连接与度择优连接对于网络的度分布没有影响，且与具体的概率分布无关.     

一种信息传播促进网络增长的网络演化模型

为了研究信息传播过程对复杂网络结构演化的影响,提出了一种信息传播促进网络增长的网络演化模型,模型包括信息传播促进网内增边、新节点通过局域世界建立第一条边和信息传播促进新节点连边三个阶段,通过多次自回避随机游走模拟信息传播过程,节点根据路径节点的节点度和距离与其选择性建立连接。理论分析和仿真实验表明,模型不仅具有小世界和无标度特性,而且不同参数下具有漂移幂律分布、广延指数分布等分布特性,呈现小变量饱和、指数截断等非幂律现象,同时,模型可在不改变度分布的情况下调节集聚系数,并能够产生从同配到异配具有不同匹配模式的网络.     

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     

Cascading failure in the wireless sensor scale-free networks

In the practical wireless sensor networks(WSNs), the cascading failure caused by a failure node has serious impact on the network performance. In this paper, we deeply research the cascading failure of scale-free topology in WSNs. Firstly,a cascading failure model for scale-free topology in WSNs is studied. Through analyzing the influence of the node load on cascading failure, the critical load triggering large-scale cascading failure is obtained. Then based on the critical load,a control method for cascading failure is presented. In addition, the simulation experiments are performed to validate the effectiveness of the control method. The results show that the control method can effectively prevent cascading failure.     

二元决策图和故障树相融合的无线传感器网络可靠性分析

为了提高无线传感器分析网络可靠性,提出一种基于二元决策图和故障树相融合的无线传感器网络可靠分析方法;首先根据无线传感器网络拓扑结构建立了故障树模型,然后将无线传感器网络故障树转化为二元决策图结构,最后采用仿真实验分析了不同节点冗余度、不同跳数条件下无线传感器网络的可靠性;仿真结果表明,文章方法的分析结果可以帮助无线传感器网络性能的优化,可以提高无线传感器网络的可靠性。     

Power-law distribution of gene expression fluctuations

Large-scale genomic technologies has opened new possibilities to infer gene regulatory networks from time series data. Here, we investigate the relationship between the dynamic information of gene expression in time series and the underlying network structure. First, our results show that the distribution of gene expression fluctuations (i.e., standard deviation) follows a power-law. This finding indicates that while most genes exhibit a relatively low variation in expression level, a few genes are revealed as highly variable genes. Second, we propose a stochastic model that explains the emergence of this power-law behavior. The model derives a relationship that connects the standard deviation (variance) of each node to its degree. In particular, it allows us to identify a global property of the underlying genetic regulatory network, such as the degree exponent, by only computing dynamic information. This result not only offers an interesting link to explore the topology of real systems without knowing the real structure but also supports earlier findings showing that gene networks may follow a scale-free distribution.     

Impact of degree heterogeneity on the behavior of trapping in Koch networks

Previous work shows that the mean first-passage time (MFPT) for random walks to a given hub node (node with maximum degree) in uncorrelated random scale-free networks is closely related to the exponent γ of power-law degree distribution P(k) ～ k(-γ), which describes the extent of heterogeneity of scale-free network structure. However, extensive empirical research indicates that real networked systems also display ubiquitous degree correlations. In this paper, we address the trapping issue on the Koch networks, which is a special random walk with one trap fixed at a hub node. The Koch networks are power-law with the characteristic exponent γ in the range between 2 and 3, they are either assortative or disassortative. We calculate exactly the MFPT that is the average of first-passage time from all other nodes to the trap. The obtained explicit solution shows that in large networks the MFPT varies lineally with node number N, which is obviously independent of γ and is sharp contrast to the scaling behavior of MFPT observed for uncorrelated random scale-free networks, where γ influences qualitatively the MFPT of trapping problem.     

用户需求行为对互联网动力学整体特性的影响

由Internet构成的复杂网络的动力学特性主要受到用户需求行为的影响,具备时域的统计规律性. 通过对区域群体用户需求行为的时域实验统计分析,发现用户对Web网站的访问频度及其生成的二分网络的入度分布也呈现幂律分布和集聚现象,其幂指数介于1.7到1.8之间. 建立了虚拟资源网络VRN和物理拓扑网络PTN双层模型,分析了双层模型映射机理,并对网络用户需求行为进行建模. 虚拟资源网络VRN对物理拓扑网络PTN映射过程的不同机理,模拟了Internet资源网络到物理网络的不同影响模式. 幂律分布的用户需求特性会 关键词： 复杂网络 无标度拓扑 用户需求 相变     

一种新型电力网络局域世界演化模型

现实世界中的许多系统都可以用复杂网络来描述,电力系统是人类创造的最为复杂的网络系统之一.当前经典的网络模型与实际电力网络存在较大差异.从电力网络本身的演化机理入手,提出并研究了一种可以模拟电力网络演化规律的新型局域世界网络演化模型.理论分析表明该模型的度分布具有幂尾特性,且幂律指数在3—∞之间可调.最后通过对中国北方电网和美国西部电网的仿真以及和无标度网络、随机网络的对比,验证了该模型可以很好地反映电力网络的演化规律,并且进一步证实了电力网络既不是无标度网络,也不是完全的随机网络. 关键词： 电力网络 演化模型 局域世界 幂律分布