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     

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     

一种基于点和边差异性的网络结构熵

熵是反映网络异构性的重要指标. 由于只是关注网络结构中\"点\"或\"边\"的单一作用,基于度分布和度相对值的两种传统熵在刻画网络结构特征时均存在缺陷. 文章综合考虑\"点\"和\"边\"差异性,定义一种新的网络结构熵,并对规则网络、随机网络和无标度网络等结构熵进行理论分析和仿真实验. 结果表明,这种新网络结构熵可以更有效地反映网络的结构特征,尤其是对于稀疏网络及星型网络的结构差异解释更为合理.关键词：均匀网络无标度网络熵     

一种强容侵能力的无线传感器网络无标度拓扑模型研究

针对无线传感器网络无标度拓扑容侵能力差的问题,本文借助节点批量到达的Poisson网络模型,提出了一种具有容侵优化特性的无标度拓扑模型,并在构建拓扑时引入剩余能量调节因子和节点度调节因子,得到了一种幂率指数可以在(1,+∞)调节的无标度拓扑结构,并通过网络结构熵优化幂率指数,得出了具有强容侵特性的幂律指数值.实验结果表明:新的拓扑保持了无标度网络的强容错性,增强了无标度网络的容侵性,并具有较好的节能优势.     

一种应用于含权无标度网络的全局路由算法

针对含权无标度网络提出了一种全局路由算法.该算法利用网络路径上的节点强度信息构建了一种全局路由代价函数,选择使该代价函数最小的路径来传输信息包,有效避开了网络中易发生拥塞的核心节点.实验结果表明,与最短路径算法相比,该算法以较小的平均路径长度的增加为代价,将网络容量提高了十多倍.     

一种有效的提高复杂网络同步能力的自适应方法

本文提出了一种根据节点状态来调节网络中边权重的自适应方法(MDMF)来提高网络的同步能力, 总结了网络规模与网络平均速度对同步能力的影响. 研究发现, 通过这种自适应方法, 得到网络的同步能力与网络规模成幂率关系. 在相同网络规模下, 此方法能使网络的同步能力高于无权重网络几个数量级.当网络规模越大时, 提高同步能力越高效.     

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.     

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.     

大规模软件系统的无标度特性与演化模型

在软件工程中,常用类图来描述类之间的关系. 以软件系统网为研究对象,通过对Sun和IBM公司提供的大规模软件系统进行实证分析,发现Java软件系统网的度分布是无标度分布,标度指数γ≈2.5. 在软件系统网的演化过程中,除加点之外,还存在边的添加、边的随机移除与边的重连等局部事件. 由此建立了软件系统演化模型. 由该模型演化生成的网络,其度分布服从幂律分布. 实际应用与数值仿真验证了该模型的有效性. 关键词：软件系统复杂网络度分布无标度     

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.     

Weighted scale-free networks with variable power-law exponents

We present a weighted scale-free network model, in which the power-law exponents can be controlled by the model parameters. The network is generated through the weight-driven preferential attachment of new nodes to existing nodes and the growth of the weights of existing links. The simplicity of the model enables us to derive analytically the various statistical properties, such as the distributions of degree, strength, and weight, the degree-strength and degree-weight relationship, and the dependencies of these power-law exponents on the model parameters. Finally, we demonstrate that networks of words, coauthorship of researchers, and collaboration of actor/actresses are quantitatively well described by this model.     

无标度网络上队列资源分配研究

研究了节点队列资源有限的条件下,无标度网络上的信息流动力学过程,发现了网络由自由流通到拥塞的相变现象,提出了一种基于节点度的队列资源分配模型.模型的核心是使节点i的队列长度与kβi成正比(ki为节点i的度,β为分配参数).仿真结果表明,在网络使用最短路径算法进行信息包传送的条件下,β近似等于1.25时队列资源分配最合理,网络容量最大,且该最佳值与队列总资源多少以及网络的规模无关.     

Co-evolution of the brand effect and competitiveness in evolving networks

The principle that ‘the brand effect is attractive’ underlies the preferential attachment. Here we show that the brand effect is just one dimension of attractiveness. Another dimension is competitiveness. We firstly introduce a general framework that allows us to investigate the competitive aspect of real networks, instead of simply preferring popular nodes. Our model accurately describes the evolution of social and technological networks. The phenomenon that more competitive nodes become richer can help us to understand the evolution of many competitive systems in nature and society. In general,the paper provides an explicit analytical expression of degree distributions of the network. In particular, the model yields a nontrivial time evolution of nodes’ properties and the scale-free behavior with exponents depending on the microscopic parameters characterizing the competition rules. Secondly, through theoretical analyses and numerical simulations, we reveal that our model has not only the universality for the homogeneous weighted network, but also the character for the heterogeneous weighted network. Thirdly, we also develop a model based on the profit-driven mechanism. It can better describe the observed phenomenon in enterprise cooperation networks. We show that the standard preferential attachment,the growing random graph, the initial attractiveness model, the fitness model, and weighted networks can all be seen as degenerate cases of our model.     

扩展HK网络结构与同步能力的研究

研究两种高聚类系数无标度网络演化机理对网络同步能力的影响．首先,以Holme和Kim（HK）模型为基础,提出了度分布和聚类系数均可调的扩展HK模型（EHK模型）．扩展HK模型将HK模型中的三角结构扩展到了旧节点之间,解决了HK模型边的演化只存在新旧节点之间以及每个时间步加入网络节点的边数固定的不足．其次,研究了三角结构演化机理对网络同步能力的影响．最后,仿真研究发现三角结构的演化机理降低了两类无权网络的同步能力．     

Scale-Free Properties in Traffic System

In this work, we propose a new model of evolution networks, which is based on the evolution of the traffic flow. In our method, the network growth does not take into account preferential attachment, and the attachment of new node is independent of the degree of nodes. Our aim is that employing the theory of evolution network, we give a further understanding about the dynamical evolution of the traffic flow. We investigate the probability distributions and scaling properties of the proposed model. The simulation results indicate that in the proposed model, the distribution of the output connections can be well described by scale-free distribution. Moreover, the distribution of the connections is largely related to the traffic flow states, such as the exponential distribution (i.e., the scale-free distribution) and random distribution etc.     

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     

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.