精华内容
下载资源
问答
  • 复杂网络

    千次阅读 2018-10-28 16:31:28
    文章目录复杂网络复杂网络基本概念平均路径长度聚类系数度与度分布网络拓扑基本模型及其性质规则网络全局耦合网络最近邻耦合网络星型耦合网络随机图(ER随机图)小世界网络模型WS小世界模型NW小世界模型小世界网络的...

    复杂网络

    复杂网络基本概念

    平均路径长度

    两个点iijj之间的距离dijd_{ij}定义为连接这两个节点的最短路径上的边数。

    网络的平均路径长度LL定义为任意两个节点之间的距离的平均值,即:
    L=112N(N+1)ijdij L=\frac{1}{\frac{1}{2}N(N+1)}\sum_{i\ge j}{d_{ij}}
    其中,NN为网络节点数。

    一个含有NN个节点和MM条边的网络的平均路径长度可以用时间量级为O(MN)O(MN)的广度优先搜索算法来确定。

    网络的平均路径长度也称为网络的特征路径长度。

    聚类系数

    在你的朋友关系网络中,你的两个朋友很可能彼此也是朋友,这种属性称之为网络的聚类特性

    在网络中的节点iikik_{i}条边和其他节点连接,即有kik_{i}个邻居节点。在这kik_{i}个邻居节点之间最多可能有 ki(ki1)/2k_{i}(k_{i}-1)/2条边,而这kik_{i}个节点之间实际存在的边数EiE_{i}和总的可能的边数 ki(ki1)/2k_{i}(k_{i}-1)/2之比就定义为节点ii的聚类系数CiC_{i},即:
    Ci=2Eiki(ki1) C_{i}=\frac{2E_{i}}{k_{i}(k_{i}-1)}
    简单描述即是:
    Ci=ii C_{i}=\frac{与点i相连的三角形的数量}{与点i相连的三元组的数量}
    三元组包含三角形,三元组两种形式为:

    在这里插入图片描述

    整个网络的聚类系数CC就是所有结点i的聚类系数CiC_{i}的平均值。

    度与度分布

    度是单独节点的属性中简单而又重要的概念,分为出度和入度。直观上,一个节点的度越大,那么这个节点在某种意义下越重要。网络中的所有节点ii的度kik_{i}的平均值成为网络的(节点)平均度,记为k\langle k \rangle,网络中节点的度的分布情况用分布函数P(k)P(k)来描述。P(k)P(k)表示一个随机选定的节点的度是kk的概率。

    • 规则图为Delta分布
    • 随机网络和小世界网络为近似Poisson分布
    • 指数分布(暂未知是哪种网络!)
    • 无标度分布,即幂律分布

    无标度分布即是分布函数f(x)f(x)满足无标度条件
    f(ax)=bf(x) f(ax)=bf(x)
    当满足这个条件是必定有:(这里假设 f(1)f(1)0f(1)f'(1)\neq 0 )
    f(x)=f(1)xr,r=f(1)f(1) f(x) = f(1)x^{-r}, r = -\frac{f(1)}{f'(1)}
    证明见《复杂网络理论及其应用》中P12。

    幂指数一般为2r32\le r\le 3,绝大多数节点的度相对很低,只有少量节点的度相对很高,因此这类网络为非均匀网络,那些度相对很高的节点成为网络的集线器(hubs)

    网络拓扑基本模型及其性质

    规则网络

    全局耦合网络

    构成:任意两个点之间都直接相连接,如下图a所示

    平均路径长度:1

    最大聚类系数:1

    最近邻耦合网络

    构成:每个节点只和它周围的邻居节点相连,一般具有周期边界条件的最近邻耦合网络包含N个围成一个环的点,如下图b所示,每个节点与它最近的4个节点相连

    K:最近邻的个数,图b中为4

    N:节点的数目

    聚类系数为:
    Cnc=3(K2)4(K1)34 C_{nc}=\frac{3(K-2)}{4(K-1)}\approx \frac{3}{4}
    平均路径长度为:
    LncN2KN L_{nc} \approx \frac{N}{2K} \rightarrow \infty \quad \quad (N \rightarrow \infty )

    星型耦合网络

    构成:一个点为中心点,其他点与这个中心点直接连接,如下图c所示

    聚类系数为:
    Cstar=N1N1N C_{star}=\frac{N-1}{N} \rightarrow 1 \quad \quad (N \rightarrow \infty )
    平均路径长度为:
    Lstar=22(N1)N(N1)2N L_{star}=2- \frac{2(N-1)}{N(N-1)} \rightarrow 2 \quad \quad (N \rightarrow \infty )
    在这里插入图片描述

    总体而言,这三种规则网络在很理想的情况下进行建模,很大程度上无法反映真实网络世界情况,是复杂网络研究中最基本的模型,不过有必要对他们的三要素进行理解与学习。

    在人工构建的网络中,P2P为完全耦合网络,C/S为星型网络模型,路网在一定程度上可以认为是最近邻耦合模型(这个是自己想的)。

    随机图(ER随机图)

    构成:假设有大量的纽扣(N1N \gg 1)散落在地上,并以相同的概率pp给每对纽扣系上一根线,这样便可以得到一个有NN个点,约pN(N1)/2pN(N-1)/2条边的ER随机图实例。

    性质存在的定义:如果当NN \rightarrow \infty时产生了一个具有性质Q的ER随机图的概率为1,那么就称几乎每一个ER随即图都具有性质Q。

    ER随即图的许多性质都是突然涌现的。比如当概率pp大于某个临界值pc(lnN)/Np_{c} \propto (lnN)/N,那么几乎每一个图都是连通的。

    平均度:k=p(N1)pN\langle k \rangle=p(N-1) \approx pN

    平均路径长度:LERlnN/lnkL_{ER} \propto lnN/ln\langle k \rangle。在ER图中随机选择一个点,网络中大概有kLER\langle k \rangle^{L_{ER}}个其他的点与该点之间的距离等于或者非常接近于LERL_{ER},因此NkLERN\propto \langle k \rangle^{L_{ER}},变换一下形式即得原式。这种平均路径长度为网络规模的对数增长函数的特性就是典型的小世界特征

    聚类系数:C=p=k/N1C=p=\langle k \rangle/N\ll1,这意味着大规模的稀疏ER随机图没有聚类特征。

    ER图又称为“Poission随机图”,固定ER随机图的平均度k\langle k \rangle不变,则对于充分大的N,由于每条边的出现与否都是独立的,ER随机图的度分布可以用Poission分布来表示,即:
    P(k)=CNkpk(1p)Nkkkekk! P(k)=C_{N}^{k}p^{k}(1-p)^{N-k} \approx \frac {{\lang k \rang}^k e^{- \lang k \rang}}{k!}

    小世界网络模型

    考虑到规则的最近邻耦合网络具有高聚类特性,但是平均路径很大,不是小世界网络,而ER随机图有较小的平均路径长度,但是不具备高聚类特性。将这两者的性质结合,即可得小世界网络模型。

    WS小世界模型

    构造算法:从最近邻耦合网络这个规则网络开始,将它的边以概率pp进行随机化重连,一个节点固定,另一个节点随机选择。并保证任意两个不同节点之间至多一条边,节点不能有边与自身相连。p=0p=0p=1p=1的过程即是从完全规则网络到完全随机网络的过程。

    聚类系数
    C(p)=3(K2)4(K1)(1p)3 C(p)=\frac{3(K-2)}{4(K-1)}(1-p)^3
    平均路径长度(目前暂无精确解析表达式,利用重正化群方法可以得到如下公式):
    L(p)=2NKf(NKp/2) L(p)=\frac{2N}{K}f(NKp/2)
    其中f(u)f(u)为一普适标度函数,满足:
    f(u)={constantu1(lnu)/uu1 f(u)= \left \{ \begin{aligned} constant,u \ll 1 \\ (lnu)/u,u \gg 1 \end{aligned} \right.
    后来,基于均场方法有如下表达式:
    f(x)12x2+2xarctanhxx+2 f(x) \approx \frac{1}{2\sqrt{x^2+2x}}arctanh\sqrt{\frac{x}{x+2}}
    度分布:由于每个节点有KK个邻居节点,在随机化重连的过程中,对于每个节点而言,有K/2K/2条边是不会离开该节点的,因此,当k<K/2k<K/2时,P(k)=0P(k)=0,当kK/2k\geq K/2时,分布如下:
    KaTeX parse error: No such environment: equation* at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲*̲}̲ P(k)= \sum_{n=…
    WS小世界模型构造方式中的随机化过程可能破坏网络的连通性,于是:

    NW小世界模型

    构造算法:从最近邻耦合网络这个规则网络开始,将它的边以概率pp进行随机化加边。并保证任意两个不同节点之间至多一条边,节点不能有边与自身相连。p=0p=0对应原始最近邻耦合网络,而p=1p=1对应全局耦合网络。

    聚类系数:
    C(p)=3(K2)4(K1)+4Kp(p+2) C(p)=\frac{3(K-2)}{4(K-1)+4Kp(p+2)}
    平均路径长度(同WS小世界模型):
    L(p)=2NKf(NKp/2) L(p)=\frac{2N}{K}f(NKp/2)
    其中f(u)f(u)为一普适标度函数,满足:
    f(u)={constantu1(lnu)/uu1 f(u)= \left \{ \begin{aligned} constant,u \ll 1 \\ (lnu)/u,u \gg 1 \end{aligned} \right.
    后来,基于均场方法有如下表达式:
    f(x)12x2+2xarctanhxx+2 f(x) \approx \frac{1}{2\sqrt{x^2+2x}}arctanh\sqrt{\frac{x}{x+2}}
    度分布:由于每个节点至少有KK个邻居节点,因此,当k<Kk<K时,P(k)=0P(k)=0,当kKk\geq K时,分布如下:
    KaTeX parse error: No such environment: equation* at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲*̲}̲ P(k)= C_{N}^{k…
    pp足够小且NN足够大时,NW小世界网络本质上等同于WS小世界网络。

    小世界网络的小波分析

    见《复杂网络理论及其应用》中P23。

    大概就是利用小波变化,在一个粗化的状态下,观察网络的统计特性,进而研究在粗化状态下,LL1LL_{1}低频区间所展现出来的网络特性,即网络的平均路径长度以及聚类系数。

    无标度网络模型(重点)

    基本性质

    ER随机图和WS小世界模型的一个共同特征是度分布近似为Poisson分布,这样度基本上存在于平均度k\langle k \rangle峰值附近,当kkk\gg\langle k \rangle时,度为kk的节点几乎不存在。而许多现实生活中的网络,如Internet、WWW、新陈代谢网络等的连接度分布函数具有幂律形式,由于这类网络的节点的连接度没有明显的特征长度(比如平均度k\langle k \rangle),因此,称之为无标度网络

    最初是的无标度网络模型:BA无标度网络,通过考虑现实情况下,网络的增长特性(每天都有新的节点和边加入)和优先连接特性(新的节点更加倾向于与那些高度节点相连接,“富者更富”“马太效应”)。该部分为我目前的研究重点。

    **BA无标度网络构造算法:**从一个具有m0m_{0}个节点的网络开始,每次加入一个节点并连接到mm个已存在的节点上,当然,必须满足mm0m \leq m_{0}。在连接时,一个新的节点与一个已经存在的节点ii之间的连接概率Πi\Pi_{i}与节点ii的度kik_{i}和所有其他节点的度关系如下:
    Πi=kijkj \Pi_{i}=\frac{k_{i}}{\sum\limits_{j}{k_{j}}}
    平均路径长度:
    LlogNloglogN L \propto \frac{logN}{loglogN}
    LLlogNlogN一个量级,表明该网络具有小世界特性

    聚类系数:
    C=m2(m+1)24(m1)[lnm+1m1m+1][ln(t)]2t C=\frac{m^2(m+1)^2}{4(m-1)}\big[ln\frac{m+1}{m}-\frac{1}{m+1}\big]\frac{[ln(t)]^2}{t}
    mm:每次一个新的节点与mm个已经存在的节点连接

    tt:经过tt步,即总共加入tt个节点,最后共有N=t+m0N=t+m_{0}个节点,大概mtmt条边

    与ER随即图类似,当网络规模充分大时,BA无标度网络不具有明显的聚类特征

    度分布:

    对于无标度网络的度分布研究主要有三种方法:连续场理论,主方程法,速率方程法。

    主方程法的结果:

    定义p(k,ti,t)p(k,t_{i},t)为在tit_{i}时刻记录的节点iitt时刻的度恰好是kk的概率。在BA模型中,当一个新节点加入到系统中来时,节点ii的度增加11的概率为mΠi=k2tm\Pi_{i}=\frac{k}{2t} (根据前文,可以推导出来),否则该节点的度保持不变。那么有:
    <Empty Math Block> <Empty \space Math \space Block>

    p(k,ti,t+1)=k12tp(k1,ti,t)+(1k2t)p(k,ti,t) p(k,t_{i},t+1)=\frac{k-1}{2t}p(k-1,t_{i},t)+(1-\frac{k}{2t})p(k,t_{i},t)

    网络的度分布为:
    P(k)=limt+(1ttip(k,ti,t)) P(k)=\lim_{t\to +\infty}\big(\frac{1}{t}\sum\limits_{t_{i}}p(k,t_{i},t)\big)
    它满足如下递推方程式:
    P(k)={k1k+2P(k1)km+12m+2k=m P(k)= \left \{ \begin{aligned} \frac{k-1}{k+2}P(k-1),k \geq m+1 \\ \frac{2}{m+2} \quad \quad ,k =m \qquad \end{aligned} \right.
    从而可得BA网络的度分布函数为:
    P(k)=2m(m+1)k(k+1)(k+2)2m2k3 P(k)=\frac{2m(m+1)}{k(k+1)(k+2)} \propto 2m^2k^{-3}
    mm:每次一个新的节点与mm个已经存在的节点连接

    kk:随机取一个节点,度为kk的概率P(k)P(k)

    表明:BA无标度网络的度分布函数可以由幂指数为3的幂律函数近似描述

    缺陷:BA无标度网络的幂指数固定为3

    鲁棒性与脆弱性

    见《复杂网络理论及其应用》中P29。

    无标度网络对随机故障策略,即随机移除一些点,有很高的鲁棒性;对蓄意攻击策略,即移除网络中部分度最高的节点,表现得非常脆弱。其中表现情况以整个图的连通性为标准。

    鲁棒但又脆弱是复杂系统的最重要和最基本的特征之一。

    Broder等人研究了更大规模WWW子网络的鲁棒性。他们发现只有删除所有度大于5的节点才能完全破坏WWW的连通性。这其实是因为WWW具有高度倾斜的度分布,度数大于5的节点在整个网络中所占的比例还是很小的。(这个发现以及相关的具体数值的研究,可能对我的研究有帮助

    适应度模型

    BA模型只能生成度分布的幂律指数固定为3的无标度网络,而各种实际复杂网络的幂律指数则不甚相同,且大多属于2到3的范围内。

    实际网络常常还具有一些非幂律特征,如指数截断,小变量饱和等。

    在BA无标度网络的增长过程中,节点的度也在发生变化并且满足如下幂律关系(流式处理中,应该很有用):
    ki(t)=(tti)12 k_{i}(t)=\big(\frac{t}{t_{i}}\big)^{\frac{1}{2}}
    ki(t)k_{i}(t):为第ii个节点在时刻tt的度

    tit_{i}:为第ii个节点加入到网络中的时刻

    则可以有一个很直观的认识:就是越老的节点具有越高的度,在完全随机的情况下,这一点基本成立。

    适应度模型构造算法:在原有的BA模型上,为每个节点增加了一个适应度权值

    从一个具有m0m_{0}个节点的网络开始,每次加入一个节点并连接到mm个已存在的节点上,当然,必须满足mm0m \leq m_{0},每一个节点的适应度按照概率分布$ \rho ( \eta )选取。在连接时,一个新的节点与一个已经存在的节点i之间的连接概率\Pi_{i}与节点i的度k_{i}以及适应度\eta_{i}$和所有其他节点的度关系如下:
    Πi=ηikijηjkj \Pi_{i}=\frac{\eta_{i}k_{i}}{\sum\limits_{j}{\eta_{j}k_{j}}}

    展开全文
  • 复杂网络概述

    千次阅读 2017-11-28 09:47:46
    复杂网络概述 1研究背景 通信网络、电力网络、生物网络、和社会网络等分别是通信科学、电力科学、生命科学、和社会学等不同学科的研究对象,而复杂网络理论所要研究的则是各种看上去互不相同的复杂网络之间的共性...

    复杂网络概述

    1研究背景

    通信网络、电力网络、生物网络、和社会网络等分别是通信科学、电力科学、生命科学、和社会学等不同学科的研究对象,而复杂网络理论所要研究的则是各种看上去互不相同的复杂网络之间的共性和处理它们的普适方法。对这些极其复杂的交互作用网络的结构和动力学的理解已成为21世纪生命科学的关键性研究课题和挑战之一。

    复杂网络之所以复杂,不仅在于网络规模的巨大,网络结构的复杂,而且网络在时间、空间上都具有动态的复杂性,网络行为也具有复杂性。


    2 定义

    许多真实系统都可以用网络的形式加以描述,一个典型的网络是由许多节点与链接节点之间的边 组成的。节点代表系统中的个体,边则表示节点之间的作用关系。

    如WWW网络可以看成是网页之间通过超链接构成的网络;Internet网络可以看作不同的计算机通过光缆链接构成的网络;科学家合作网络可以看作不同的科学家合作关系构成的网络;基因调控网络可以看作是不同的基因通过调控与被调控关系构成的网络。


    3 研究方面

    复杂网络的研究大致可以描述为三个密切相关但又依次深入的方面:

    1)  大量的真实网络的实证研究,分析真实网络的统计特性

    2)  构建符合真实网络统计性质的网络演化模型,研究网络的形成机制和内在机理

    3)  研究网络上的动力学行为,如网络的鲁棒性和同步能力,网络的拥塞及网络上的传播行为等。

    4 复杂网络相关概念


    4.1社区结构

    定义:整个网络是由若干个“社区”或“组”构成的,每个社区内部的结点间的连接相对非常紧密,各个社区之间的连接相对来说却比较稀疏[1][2]。

    实例:如社会网络中的社区代表根据兴趣和背景而形成的真实的社会团体;引文网络中的社区代表针对同一主题的相关论文;万维网中的社区就是讨论相关主题的若干网站[3];而生物化学网络或者电子电路中的网络社区可以是某一类功能单元[4][5]。

    算法:

    社区结构的算法分为以下两大类:

    1)             是基于图论的算法,比如K-L算法[6]、谱平分法[7][8]、随机游走算法[9]和派系过滤算法[10][11]等;近几年从其他不同的角度又提出了基于电阻网络性质的算法[14]、基于信息论的算法[15]、基于PCA的算法[16]和最大化模块度[17]的算法[18-23]等。

    2)             层次聚类算法,如基于相似度度量的凝聚算法[2]和基于边介数度量的分裂算法[1][12][13]等。最近,Doreian和Mrvar提出了一种利用局部搜索划分符号网络社区结构的算法[24], Bo Yang等提出一种基于代理的启发式划分符号网络社区结构的算法(FEC)[25]。


    4.2拓扑势

    拓扑势的概念初步刻画了节点在拓扑位置上局域影响的作用。

    刻画了在不同拓扑位置上节点产生的局域影响作用,能细分复杂网络中节点的重要性排序;建立了度和介数等衡量参数之外的重要指标,能合理有效地分析静态网络的一些特性[28][29]

    的概念来描述复杂网络节点所具备的主体性和影响的局域性,通过对实际复杂系统时变特性的研究,克服网络统计指标下实际物理意义缺失的问题。随着时间变化,节点的主体性及其局域影响性会根据现实网络变化的特征改变节点属性和影响半径,从而揭示出现实网络的功能和行为方面的。


    4.3节点质量

    节点质量m作为节点对于连接作用的基础,反应了节点的主体性行为力,体现不同节点主体行为力之间的差异


    5复杂网络相关规律

    5.1复杂网络的传播动力学

    临界值理论只考虑了传播的最终稳态,传播动力学研究传播过程中出现的如震荡等动态行为。对传播过程会产生影响的因素包括:时滞,非线性摩擦等阻碍因素。在传播方程中引入这些参数,对于不同的参数的取值,可能出现混沌、稳定、分岔等不同传播过程。


    5.2复杂网络统计力学

    复杂网络的研究[30][31][32]表明,技术系统中的因特网、电力网和交通网等,社会系统中的人际关系网、科学家合作网和引文网等,以及生物系统中的神经网、新陈代谢网和蛋白质相互作用网等,这些看似毫不相干、形态各异的复杂网络却都具有某些相通的拓扑性质甚至都受某些简单规则所驱动自组织形成,而且它们所表现出来的鲁棒性、模块性等与随机网络有着很大差别


    5.3动态网络系统

    个体(agent):网络中很多独立,但是又具有相互作用的基本单元组成。

    个体自身也是一个系统,有自己的状态演化规律,而且它们之间还存在着相互作用。在网络建模方法中,将个体用节点来表示,若两个个体之间存在相互作用,就表示在它们的节点之间连一条线,这样形成网络[33]

    动态网络系统中,节点的状态和拓扑都是动态演化的,节点的状态和网络的拓扑之间可能是相互影响的,并且系统在整体层面上往往会展示出各种各样的集体行为[34][35]这方面研究目前在系统具有什么样的集体动力学行为、如何干预或者控制这样的系统等作出了大量的研究。动态网路的经典模型为Boid模型[36][37]Vicsek模型[38]等,利用动态系统研究的网络演化,可以引入线性和非线性作用等不同作用模式,但是目前在揭示网络拓扑演化规律方面不是很理想。

    动态网络系统研究的另一个思路为引入博弈论思想,将每一个节点抽象为博弈中的经济人,用来理解各种复杂系统中合作和竞争关系的演化以及合作产生的条件[39][40]。基于复杂网络的博弈与合作进化研究会使人们对各种实际复杂网络上的竞争与合作行为有更深的认识,但是同样其模型的适应性和结论的可靠性验证等方面还有大量问题需要解决。


    5.4复杂网络的演化

    随着小世界特性[26]无标度特性[27]的发现,吸收了非线性科学和近现代物理学的丰富思想后,网络科学在网络结构、功能和性质等研究上得到了快速发展。但是,网络研究中单纯的统计指标(如度、介数和接进度等)与抽象的建模方法(如拓扑、加权、演化和博弈模型等),均不能很好地刻画实际网络的节点主体性影响局域性

    并且,现实世界中的网络复杂多变,节点本身以及节点之间的关系大都随着时间变化,不应忽略节点的主体性和相互影响建立模型,且实际网络中节点不是静止的、固化的,而是演化的、动态的,具有鲜明的主体性不同的主体行为力体现了节点在网络功能和行为中的所起到的不同作用。进一步说,结点之间本质上是通过边相互产生微妙的影响,这种局域影响性在网络性质和行为方面的刻画上不可或缺。

    当网络的拓扑结构变化时间间隔大于节点质量的变化时间间隔时,认为在短时间间隔内节点的质量相对固定不变。

    针对具体载体而言,图书在线销售网可以发现当前最有影响力的图书、读者社团等。图书在线销售网络中,能发现读者热点的转移、热销类图书的涌现和长盛不衰的名著等知识。

    动态的、变化的主体性的度量是一个和时间t有关的质量函数m(t),进一步考虑拓扑时变和质量时变的刻度可比较的情况,能以较好地体现节点的主体性变化在主体行为力上的表现,对于具有不确定性的主体行为力可以使用云模型进行刻画。

    推广应用:

    对于通信网络的节点主体性来说,若将质量定义为交换局接受到的呼叫量(符合泊松分布)、路由器转发的数据量(具有重尾和幂率等规律,亦可类比于排队模型中不同的顾客到达模型)或者传感器节点的功耗衰减模型等,有望解决结点的动态模型与网络拓扑影响如何结合的问题。

    影响的局域性在势的定义中已经有所反映,因为影响是通过边传播的,是局域的、衰减的,因此拓扑对于节点主体行为力在影响连接的作用过程中也起到了至关重要的作用。通过本模型能够较好地结合起这些在实际网络建模中必须考虑的因素,进而发现出符合实际情况的知识。


    5.5复杂网络节点的主体性演化

    主体性的演化对于网络结构的影响是多方面的,这种影响最终通过节点之间的连接(度的数目邻居节点的选择)形成的拓扑来体现。

    重要研究点:网络抱团特征的变化和骨干网的反演特征

    针对具体载体的背景下,如图书在线网络,则可发现读者群体的兴趣转移、重要图书内容领域转移等;南部妇女活动网可以发现参加者社会活动倾向性的转移;网络流量中可以发现负载较重的网络节点在不同时段中是如何转移的,骨干节点之间的连接强度随着时间是如何转移的;传感器网络的功率优化规划中则可以发现随着节点的功率衰减,网络不同时刻的抱团与骨干节点的最佳选择。

    1)网络抱团特征研究

    现有社团挖掘算法缺点:

    社团挖掘算法完全是按照拓扑结构进行划分的,拓扑结构是对现实世界中的复杂系统利用点和线所进行的最本体的抽象,依照拓扑结构来划分社团的唯一合理物理意义就在于模块度社团内部连接密度大,社团间连接密度小),或者模块度的变形表述加权等)。这种社团挖掘没有充分考虑代表节点主体性的质量m在社团形成过程中重要的局域影响作用

    为网络加入节点质量,利用势的概念来定量刻画节点间相互影响在形成抱团结构时的作用,将可提高社团挖掘的质量和可信度,使得抱团的物理意义更加明确,在网络演化过程中的报团变化特征更加准确。

    具体包括考察给定m(t)的条件下:社团数目的变化(图书所集中热点领域数目的变化);节点vi处于何种位置(或者势值位序),其倾向于保留在社团Ck中抑或相反;社团Ck规模的变化(哪一方会有更多图书支持)。

    选择哪一种物理性质作为节点的质量,与最终需要挖掘的知识强相关。将考察根据已知的节点质量符合某一种特定分布的前提条件,生成节点质量的估计值的方法,进而用此估计值来指导社团的挖掘以及演化模式的发现

    2)骨干网反演特征研究

    演化过程中的偏好依附性和网络骨干节点具有重要联系,各节点偏好依附网络骨干节点抱团,成为同一社区成员,骨干节点形成骨干网。

    骨干网在演化中应该起到决定网络基本统计特征的“种子”作用,挖掘出的骨干网依照某种方式演化(偏好依附方式)能够得到和原来网络非常一致的统计特征,即根据此骨干节点形成的网络能够模拟“反演”出与原来网络具有很大相似统计特性的网络

    边势差(边两端节点的拓扑势差):刻画骨干网演化特征的方法。网络中任意一条边两端节点的势值差,其值的大小反映了此边两端节点重要性差异的程度。

    “边势差最小”原理:某一节点所有边中“边势差最小”的边反映了这条边两个端点在网络中具有最接近的重要性。

    从拓扑势最大的节点开始,通过边势差最小的边逐步向外扩散,直至两个节点间的边 同时为“边势差最小”停止,得到第一个最重要的骨干节点集。再依次寻找 势值较大节点(前提是未在上步中出现的节点)的骨干节点。最终全网络的骨干成员是由这些依次挖掘得到的骨干节点的集合。

    通过骨干成员检测可以实现图书推荐,与销售排名相比较,可以在兴趣热点转移、时间转移等方面得到更加深入与切合实际意义的知识。


    6复杂网络建模

    目前复杂网络拓扑建模有两种极端做法:

    1) 试图让模型能够再现实际网络尽可能多的各种拓扑性质

    特点:这类模型通常包含很多假设和参数,使得模型既难以理解又缺少解释或预测能力,而且缺乏拓扑性质到物理背景之间映射的有力解释。

    2) 各种虚拟的概念模型

    特点:这类模型几乎没有考虑实际网络的任何具体特征或物理性质,具有较大理论价值,但难以实际应用。

    关键问题:基于对实际网络的理解,找到上述两个极端之间的合适的平衡。复杂网络建模的研究重点,不在于纯图形学研究,也不是泛指所有网络,而在于通过刻画这些特性来揭示研究载体的实际物理规律

    复杂网络建模必须考虑实际网络表现出的物理性质。在复杂网络的研究中,很多研究载体共同表现出了以下四个显著特性:

    1) 节点主体性。

    每个节点都是具有独立行为的主体,表现出不同的活力和不确定性。主体性是节点自身用以互相连接形成边的能量、质量和信息等状态的刻画;在主体性基础上任意两个互连的节点之间形成了影响,在网络的演化、传播和同步等方面起到了根本的决定作用;

    2) 节点间相互影响的局域性

    节点既影响周围的节点,又被周围节点影响,随距离增大影响减小,不存在集中统一的控制。

    3) 拓扑结构的不均匀性

    网络中的一些节点会呈现一定的抱团特性,度的分布呈现幂律特征等。

    4) 在网络不确定的演化过程中,节点增长表现出了偏好依附性

    不均匀性是实际网络形成的客观现象;在不均匀的度分布基础上的偏好依附进一步解释了网络拓扑形成的过程。


    7复杂网络实验验证

    载体:阐述复杂网络建模的方法的实验验证示例作用。

    通过载体的研究,可用于初步验证节点主体性和影响局域性建模的基本方法。不同载体的选择对于网络科学的研究具有重要意义。

    列举几种不同领域的载体:

    1图书在线销售网络。以网站在线销售的图书为节点,任意两个结点之间只要同时购买的顾客数达到了一定的数量,则在此结点之间连上一条边。


    2)网络科学里大量引用的经典载体,诸如Zachary俱乐部网和南部妇女政治活动网[49]等。

    ZACHARY空手道俱乐部成员关系网络

    【简介】Zachary空手道俱乐部成员关系网络是复杂网络、社会学分析等领域中最常用的一个小型检测网络之一。从1970到1972年,WayneZachary用三年时间观察了美国一所大学空手道俱乐部成员间的社会关系,并构造出了社会关系网(Zachary’skarate club network)。网络中的每个节点分别表示某一个俱乐部成员,节点间的连接表示两个成员经常一起出现在俱乐部活动(如空手道训练、俱乐部聚会等)之外的其他场合,即在俱乐部之外他们可以被称为朋友。调查过程中,该俱乐部因为主管John A.(节点34)与教练Mr.Hi(节点1)之间的争执而分裂成2个各自为核心的小俱乐部,不同颜色与形状的节点代表分裂后的小俱乐部成员。规模:34个节点,78条边

    在基本原理和方法的研究基础上将其进一步推广到通信网络的流量建模与规划无线传感器网络的功率优化等应用问题的解决方案中。


    8复杂网络的控制问题

    利用元标度网络结构的非均匀性,有针对地对网络中的少数关键节点施加反馈控制,就可以将规模庞大的复杂动态网络稳定到平衡点,获得很高的控制效率。


    展开全文
  • 复杂网络的研究

    千次阅读 2018-11-04 21:53:53
    1. 复杂网络定义 : 复杂网络概念最开始的时候是相对于规则网络和随机网络提出来的,即介于规则网络和随机网络之间的网络都可以称之为复杂网络。—狭义的复杂网络 从广义上说,任何网络都可以称之为复杂网络,...

    1. 复杂网络定义


    复杂网络概念最开始的时候是相对于规则网络和随机网络提出来的,即介于规则网络和随机网络之间的网络都可以称之为复杂网络。—狭义的复杂网络
    从广义上说,任何网络都可以称之为复杂网络,即使是规则网络和随机网络,也是复杂网络的特例。

    2. 复杂网络研究意义


    复杂网络理论可以应用于保护许多现实系统的正常运行。也就是开展复杂网络稳定性研究,对于一些技术网络的设计和基础设施网络的保护同样具有重要的意义,也可以有效地防止黑客侵入互联网,并组织病毒在万维网上传播蔓延。
    在医疗方面直接针对集散节点(即那些与很多人具有连接关系的人)采取措施接种疫苗,可以达到和好效果。
    在经济管理领域,利用复杂网络了解公司,产业和经济之间的连接方式,有助于监控和预防大规模的经济衰退。

    3. 复杂网络基本参数


    1. 平均最短路径长度:任意两节点之间的距离的平均值。
    2. 聚集系数: 一般与平均最短路径一起提出,因为它们俩是“小世界”效应的两个重要性质。用来刻画两个朋友之间互为朋友的概率。
    3. 度分布: 网络中一个随机选择的节点度为k的概率
    有向图分为出度和入度
    无向网络度分布
    4. 介数:在研究之初,没有介数的概念,在网络节点和边的重要性上的研究和对于网络中社区的划分的研究,提出介数概念。**节点的介数被定义为网络中所有的最短路径中经过该点的数目的比例。**介数反映了相应的节点或者边在整个网络中的作用和影响力,具有很强的现实意义。

    4. 复杂网络的经典模型

    1. 规则网络模型:

      1. 全局耦合网络:任意两个节点都有边直接相连
      2. 最近邻耦合网络 :每个节点只和它周围的邻居相连
      3. 星型耦合网络:只有一个中心节点,其余的N-1个节点与这个中心节点相连接。
    2. 随机模型: 典型例子ER随机模型 研究的课题为:当概率p为多大时,随机模型就会产生一些特殊的性质。

    3. “小世界”模型: “小世界”模型起源于,首先建立一个低维的网络结构,然后增加或移动一些边,以生成较低密度的“捷径”,他们将网络中较远的部分连接起来。WS模型构造出来的网络具有:较高的平均聚类系数和较低的最短路径长度

    4. “无尺度”网络:又可以称之为网络生长模型,反映了复杂网络的另一特性,网络的节点度分布函数具有幂律形式。在“无尺度”模型中,节点和边按照一定的方式被加入到网络中,网络以某种方式进行生长。
      **

    5. 小结

    1. 较小的平均最短路径长度以及较大的聚集系数是复杂网络“小世界”特性的体现,它集中反映了现实网络环境下高集聚性和短连接距离的特点;度分布服从幂律分布体现了复杂网络的“无尺度”特性,即网络的平均度不能反应网络中度的大致分布情况,现实中的“长尾”分布和“二八定律”反映的就是这一特性;介数在一定程度上反映了网络中单个节点和边的重要性。

    你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。

    新的改变

    我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:

    1. 全新的界面设计 ,将会带来全新的写作体验;
    2. 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
    3. 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
    4. 全新的 KaTeX数学公式 语法;
    5. 增加了支持甘特图的mermaid语法1 功能;
    6. 增加了 多屏幕编辑 Markdown文章功能;
    7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
    8. 增加了 检查列表 功能。

    功能快捷键

    撤销:Ctrl/Command + Z
    重做:Ctrl/Command + Y
    加粗:Ctrl/Command + B
    斜体:Ctrl/Command + I
    标题:Ctrl/Command + Shift + H
    无序列表:Ctrl/Command + Shift + U
    有序列表:Ctrl/Command + Shift + O
    检查列表:Ctrl/Command + Shift + C
    插入代码:Ctrl/Command + Shift + K
    插入链接:Ctrl/Command + Shift + L
    插入图片:Ctrl/Command + Shift + G

    合理的创建标题,有助于目录的生成

    直接输入1次#,并按下space后,将生成1级标题。
    输入2次#,并按下space后,将生成2级标题。
    以此类推,我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

    如何改变文本的样式

    强调文本 强调文本

    加粗文本 加粗文本

    标记文本

    删除文本

    引用文本

    H2O is是液体。

    210 运算结果是 1024.

    插入链接与图片

    链接: link.

    图片: Alt

    带尺寸的图片: Alt

    当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

    如何插入一段漂亮的代码片

    博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

    // An highlighted block
    var foo = 'bar';
    

    生成一个适合你的列表

    • 项目
      • 项目
        • 项目
    1. 项目1
    2. 项目2
    3. 项目3
    • 计划任务
    • 完成任务

    创建一个表格

    一个简单的表格是这么创建的:

    项目 Value
    电脑 $1600
    手机 $12
    导管 $1

    设定内容居中、居左、居右

    使用:---------:居中
    使用:----------居左
    使用----------:居右

    第一列 第二列 第三列
    第一列文本居中 第二列文本居右 第三列文本居左

    SmartyPants

    SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:

    TYPE ASCII HTML
    Single backticks 'Isn't this fun?' ‘Isn’t this fun?’
    Quotes "Isn't this fun?" “Isn’t this fun?”
    Dashes -- is en-dash, --- is em-dash – is en-dash, — is em-dash

    创建一个自定义列表

    Markdown
    Text-to-HTML conversion tool
    Authors
    John
    Luke

    如何创建一个注脚

    一个具有注脚的文本。2

    注释也是必不可少的

    Markdown将文本转换为 HTML

    KaTeX数学公式

    您可以使用渲染LaTeX数学表达式 KaTeX:

    Gamma公式展示 Γ(n)=(n1)!nN\Gamma(n) = (n-1)!\quad\forall n\in\mathbb N 是通过欧拉积分

    Γ(z)=0tz1etdt . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.

    你可以找到更多关于的信息 LaTeX 数学表达式here.

    新的甘特图功能,丰富你的文章

    Mon 06Mon 13Mon 20已完成 进行中 计划一 计划二 现有任务Adding GANTT diagram functionality to mermaid
    • 关于 甘特图 语法,参考 这儿,

    UML 图表

    可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图::

    张三李四王五你好!李四, 最近怎么样?你最近怎么样,王五?我很好,谢谢!我很好,谢谢!李四想了很长时间,文字太长了不适合放在一行.打量着王五...很好... 王五, 你怎么样?张三李四王五

    这将产生一个流程图。:

    链接
    长方形
    圆角长方形
    菱形
    • 关于 Mermaid 语法,参考 这儿,

    FLowchart流程图

    我们依旧会支持flowchart的流程图:

    Created with Raphaël 2.2.0开始我的操作确认?结束yesno
    • 关于 Flowchart流程图 语法,参考 这儿.

    导出与导入

    导出

    如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。

    导入

    如果你想加载一篇你写过的.md文件或者.html文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
    继续你的创作。


    1. mermaid语法说明 ↩︎

    2. 注脚的解释 ↩︎

    展开全文
  • 复杂网络综述

    万次阅读 多人点赞 2016-11-05 09:44:55
    本人毕业设计是关于复杂网络的,之前完全没听说过的概念,于是就在网上找了一些论文来看,顺便做下笔记,这篇文章主要讲了复杂网络的一些基础概述。 这里的网络不是(不仅仅是)计算机网络这门课中的网络,它表示的...

    本人毕业设计是关于复杂网络的,之前完全没听说过的概念,于是就在网上找了一些论文来看,顺便做下笔记,这篇文章主要讲了复杂网络的一些基础概述。
    这里的网络不是(不仅仅是)计算机网络这门课中的网络,它表示的是任何一个可以用节点和节点之间连线来代表的一个系统,如:神经系统可以看做是大量神经细胞通过神经纤维相互连接形成的网络。

    • 拓扑结构
      拓扑结构就是们把网络不依赖于节点的具体位置 和边的具体形态就能表现出来的性质叫做网络的拓扑性质 ,相应的结构叫做网络的拓扑结构。
      通俗点说就是任何网络结构不管他的节点是什么,边是怎样的,把节点当做点,把点当做线,只关心它是怎样连接的,这就是网络的拓扑结构。

    • 复杂网络的由来
      科学家们企图用一种通用的拓扑结构来将真实世界中的各种系统表示出来,期间经历了三个阶段:

      • 1 用一种固定的规则的结构表示:如二维平面上的欧几里得网格
      • 2 节点之间的边不再是确定的,而是用一个概率决定,也就是随机网络
      • 3 真实网络既不是规则的也不是随机的,而是一种与前两种不同的统计特征网络,即复杂网络。
    • 复杂网络概念
      百度百科给出的复杂网络的定义是:复杂网络(Complex Network),具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。

      下面先给出小世界效应和无标度网络的概念:

    • 小世界效应
      在给出小世界概念效应之前,先说一下什么是簇系数和网络的平均距离:

      • 平均距离
        两点间的距离被定义为连接两点的最短路所包含的边的数目,把所有节点对的距离求平均就是网络的平均距离。
      • 簇系数
        对于某个节点,它的簇系数被定义为它所有相邻节点之间连边数目占可能的最大连边数目的比例。(比如一个节点和三个节点相连,则它相邻的这三个节点的最大连边数目为3,加入实际只有其中两个节点相连,则该节点簇系数为1/3)。网络的簇系数是所有节点簇系数的平均值。

      这里写图片描述
      规则网络具有大的簇系数和大的平均距离(任何一个节点的度都相同)
      随机网络具有小的簇系数和小的平均距离(ER随机图的许多重要特性都是突然涌现的,也就是说给定边相连的概率P,要么几乎所有图都有某个性质,要么几乎所有图都不具有该性质)
      小世界网络具有大的簇系数和小的平均距离
      (小世界网络是在规则网络不改变原有边的基础上,以一个小的概率在原有网络上添加新边)
      小世界效应:大的簇系数和小的平均距离两个统计特征合在一起称为小世界效应。具有这种效应的网络就是小世界网络。
      (真实网络几乎都具有小世界效应)
      这里写图片描述
      (该图就是小世界网络的构造方法)

    • 无标度网络
      节点度服从幂律分布就是说, 具有某个特定(出/入)度的节点数目与这个特定的度之间的关系可以用一个幂函数近似地表示。幂函数曲线是一条下降相对缓慢的曲线 ,这使得度很大的节点可以在网络中存在。对于随机网络和规则网络 ,度分布区间非常狭窄 ,几乎找不到偏离节点度均值较大的点 ,故其平均度可以被看作是其节点度的一个特征标度.
      在这个意义上 ,我们把节点度服从幂律分布的网络叫做无标度网络, 并称这种节点度的幂律分布为网络的无标度特性.
      无标度网络构造方法:
      这里写图片描述

      网络的拓扑结构决定了网络所拥有的特性。 复杂网络表现出了与经典的随机图模型理论不同的特性。

      下面用实际生活中的例子说明小世界效应和无标度网络:
      小世界效应:小世界模型反映了朋友关系网络的一种特性, 即大部分人的朋友都是他们日常生活中经常接触的。 另外, 也有一些朋友离得很远, 甚至异国他乡。 正是由于这种不同朋友圈之间的长程连接, 导致了网络具有较小的平均路径长度。著名的“六度分离(Six degrees of separation) ”实验, 在某种程度上反映了人际关系的“小世界”特征。

      无标度网络:幂律分布的形成, 主要是由于节点的偏附依好(preferential attachment),即新加入网络的节点倾向于与那些具有较大度的节点相连, 这种现象也称为“马太效应(M atthew effect)”, 主要反映了人们的从众心理。

    • 复杂网络的鲁棒性和脆弱性
      对网络节点的攻击主要有随机攻击和针对重要节点的攻击。
      复杂网络对于随机攻击具有较强的鲁棒性,即使众多节点被摧毁也不一定导致网络的瘫痪崩溃;然而众多重点节点被攻击的话,整个网络将会崩溃。

    • 复杂网络的社区结构
      社区就是网络中节点的集合, 社区中的节点之间具有紧密的连接, 而社区之间则为松散的连接。 它体现了复杂系统的层次和模块结构。(如同大学校园里的抱团行为)

    • 复杂网络的基本拓扑结构与图论
      复杂网络的基本拓扑结构可以用图论的方法表示成 G =(V , E), V 中元素称为节点或顶点(Vertex 或 Node), E 中元素称为边(Edeg或Link)。 在图论框架下, 可用不同的全局参量来表示复杂网络的特征, 最基本特征包括度分布 P(k)、平均路径长度L和聚类系数C。

      • 度分布
        节点的度指的是与该节点连接的边数。
        所有节点的度的平均值称为网络的平均度。
        网络中度分布函数的含义是:任意选择的节点恰度为K的概率;也就是网络中度为K的节点与总节点的个数比值。
      • 平均路径长度
        网络中两个节点 i 和 j 之间的距离d ij 定义为连接这两个节点的最短路径上的边数。 网络直径定义为网络中任意两个节点之间的距离的最大值, 记为 D : 这里写图片描述
        网络的平均路径长度 L 定义为两个节点之间的距离的
        平均值:这里写图片描述
        式中, N 为网络节点数。 网络的平均路径长度也称为网络的
        特征路径长度。 一般来说, 真实网络有较短的平均路径长度。

      • 聚类系数
        节点 i 的聚类系数为与它相连接的k i 个节点彼此之间也相连的概率:
        这里写图片描述
        式中, Ei是这ki个节点之间实际存在的边数。这ki个节点之间最多可能有k i(ki-1)/2条边。
        网络的平均聚类系数为:这里写图片描述

      以上是一些关于复杂网络的部分基础概念,后面一篇博客将介绍复杂网络中重要节点挖掘的相关方法算法复杂网络中重要节点挖掘方法综述,如果有大神愿意指点我最好不过了^-^
      Q:386284750

      注:转载请注明原文出处:
      作者:CUG_UESTC
      出处:http://blog.csdn.net/qq_31192383/article/details/53043606


    参考文献:
    [1]周涛,柏文洁,汪秉宏,刘之景,严纲. 复杂网络研究概论. 物理. 2005年01期:31-35
    [2]赫南,李德毅,淦文燕,朱熙. 复杂网络中重要性节点发掘综述. 计算机科学. 2007年12期:1-5
    [3]陈端兵,黄晟,尚明生. 复杂网络模型及其在疫情传播和控制中的应用研究. 计算机科学. 2011年06期:118-121

    展开全文
  • 复杂网络分析总结

    万次阅读 多人点赞 2018-04-08 15:31:40
    复杂网络的特点2. 社区检测3. 结构平衡4. 影响最大化5. 网络传播6. 补充7. 参考文献 在我们的现实生活中,许多复杂系统都可以建模成一种复杂网络进行分析,比如常见的电力网络、航空网络、交通网络、计算机网络...
  • 02 复杂网络分析中的基本概念 2.1.复杂网络的表达方式 2.2.度、平均度、度分布 2.3.路径、距离与介数 2.4.集聚系数 2.5.网络稀疏性与联通性 2.6.度相关性 2.7.富人俱乐部 2.8.有向网络 2.9.加权网络 2.1复杂网络...
  • 复杂网络简单理解

    万次阅读 多人点赞 2017-11-28 09:42:18
    通俗易懂的复杂网络 1 什么是复杂网络 1.1 直观理解 什么是复杂网络?对普通人而言,在媒体上看到复杂网络,首先想到的是互联网,实际上网络已经成为Internet的代名词,确实Internet从只有几个结点的简单的网络,...
  • 1.当今社会越来越多的现象会涉及复杂网络相关应用 举例:社交网络、搜索引擎 2.Internet的拓扑结构 原因:为预测和提高Internet的性能,特此引入Internet的拓扑结构 具体形式:(1)IP层次 (2)路由器层次 (3)...
  • 1.1构造复杂网络 1.2计算spatio-structural differential efficiency 1.3计算PageRank 1.4建立测试节点的临时边 1.5计算测试节点对每一类的重要性 1.6预测测试节点的类标 2、代码示例 0、简介 数据分类是一...
  • 复杂网络概括

    千次阅读 2014-09-11 17:20:18
    通信网络、电力网络、生物网络、和社会网络等分别是通信科学、电力科学、生命科学、和社会学等不同学科的研究对象,而复杂网络理论所要研究的则是各种看上去互不相同的复杂网络之间的共性和处理它们的普适方法。...
  • 复杂网络与大数据》第二章:复杂网络模型的学习笔记 目录 1动态演化网络 1.1以网络演化的部件划分 1.2以是否考虑权重划分 1.3以演化网络采用的演化机制划分 1.4以演化网络是否动态变化划分 2社区网络 2.1...
  • 常见复杂网络分析方法

    千次阅读 2019-09-18 15:38:07
    常见的复杂网络分析方法基本分析方法关联分析方法 注:本文部分内容来自《复杂网络分析与应用》与《中国航空复杂网络的结构特征与应用分析》 1.赵正旭,郭阳,等.复杂网络分析与应用[M]北京:科学出版社,2018. 2.陈...
  • 复杂网络介绍(一)

    万次阅读 2018-10-11 15:21:05
    复杂网络 1.定义: 复杂网络即呈现高度复杂性的网络,是复杂系统的抽象。 具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。 2.名词解释: 1)节点:由于复杂网络是复杂系统...
  • 复杂网络和社会网络

    万次阅读 2015-01-31 23:22:03
    很好的入门介绍 关于复杂网络(complex network)和社会网络(social network)。 第一次从学术意义上接触这两个词儿还是...已经记不得是谁的presentation里面有一幅很经典的复杂网络的图了(当时学到的东西太多
  • 复杂网络建模总结

    2020-10-27 23:29:38
    本文针对数学建模美赛中的复杂网络题,做了一些总结,具体涉及一些该题的注意事项。 注意事项 定义点和边的意义 制定连接规则,删除孤立节点(代表影响很小的点),可以限制网络的大小,减小运算量,同时也可以...
  • 咳咳,复杂网络建模project,哈工大深圳课程的项目作业。
  • 复杂网络问答

    千次阅读 2017-11-28 09:27:42
    今天非常高兴邀请到的嘉宾是上海交通大学自动化系教授、博士生导师汪小帆教授,今天演讲的题目是复杂网络研究的主要进展。下面我介绍一下汪小帆教授。1996年于东南大学自动化所控制理论与控制工程专业获博士学位。现...
  • 一文读懂复杂网络(应用、模型和研究历史)

    万次阅读 多人点赞 2018-05-02 09:40:05
    摘要:随着近几年关于复杂网络(Complex network)理论及其应用研究的不断深入,已有大量关于复杂网络的文章发表在Science,Nature,RL,NAS等国际一流的刊物上,侧面反映了复杂网络已经成为物理界的一个新兴的研究...
  • 图与复杂网络

    千次阅读 2018-09-24 12:21:14
    图与复杂网络 图论 特点: 它们的目的都是从若干可能的安排或方案中寻求某种意义下的最优安排或方案,数学上把这种问题称为最优化或优化(optimization)问题 是它们都易于用图形的形式直观地描述和表达,数学上把...
  • 复杂网络研究及其前沿概述

    千次阅读 2019-02-22 21:25:26
    复杂网络研究及其前沿概述1 引言2 复杂网络研究史2.1 七桥问题2.2 随机图理论2.3 小世界网络、无标度网络3 复杂网络的研究特点3.1 网络规模大3.2 网络结构具有复杂性和多元性3.3 网络具有时空复杂性3.4 复杂网络存在...
  • 复杂网络】自学笔记整理

    千次阅读 2020-06-29 17:15:45
    一、复杂系统与复杂网络 1.研究目的        复杂网络是研究复杂系统的一种角度和方法,它主要关注系统中个体相互关联的作用。(一种拓扑结构) 2.当今应用    &...
  • python复杂网络分析库networkx

    千次阅读 多人点赞 2019-10-13 23:00:35
    文章目录1 简介安装支持四种图绘制网络图基本流程2...networkx是一个用Python语言开发的图论与复杂网络建模工具,内置了常用的图与复杂网络分析算法,可以方便的进行复杂网络数据分析、仿真建模等工作。 利用networ...
  • 复杂网络 有关节点

    2015-08-21 16:50:38
    复杂网络 节点分析
  • 文章目录小世界网络复杂网络的特性平均路径长度L聚集系数C度及度分布小世界效应规则网络随机网络小世界网络无标度网络python 代码生成小世界网络规则网络 小世界网络 [百度百科]:小世界网络模型是一类具有较短的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 52,861
精华内容 21,144
关键字:

复杂网络