發(fā)布時間：2019-11-14 07:37

【摘要】：復雜網(wǎng)絡(luò)是復雜系統(tǒng)的抽象和重要的研究工具。對復雜網(wǎng)絡(luò)的拓撲結(jié)構(gòu)的研究是最基礎(chǔ)也是最重要的方面之一。自從Song等人2005年在"Nature"上發(fā)表文章,通過引入重整化群分析方法揭示了復雜網(wǎng)絡(luò)中許多實際網(wǎng)絡(luò)的分形性和自相似性,復雜網(wǎng)絡(luò)的分形特征研究也成為復雜網(wǎng)絡(luò)研究的一個重要的方向。復雜網(wǎng)絡(luò)中的分形研究主要集中在以下幾個方面：分形起源研究,分形的定義,分形的算法,分形網(wǎng)絡(luò)的性質(zhì)等。本文主要研究復雜網(wǎng)絡(luò)中分形結(jié)構(gòu)的起源,算法和應(yīng)用,主要內(nèi)容及創(chuàng)新有以下幾個方面：(1)提出了一種新的分形網(wǎng)絡(luò)增長模型,該模型生成的網(wǎng)絡(luò)為當前分形結(jié)構(gòu)涌現(xiàn)的原因的反例。研究者廣泛認為,復雜網(wǎng)絡(luò)中的分形的涌現(xiàn)是由于Hub節(jié)點之間的排斥性。這個假設(shè)通過Song等人提出的動態(tài)增長的分形網(wǎng)絡(luò)模型得到。我們發(fā)現(xiàn)該模型假設(shè)所有的跨盒子的邊連接到Hub的概率e都是相同的。因此,我們使用可變的概率e修改了該模型,使得Hub之間的連接概率較大,非Hub的連接概率較小。通過新的模型,我們得到了具有Hub吸引特性的分形網(wǎng)絡(luò)。同時,我們還發(fā)現(xiàn)現(xiàn)實中的演員合作網(wǎng)絡(luò)也具有同樣的性質(zhì)。因此,我們提出結(jié)構(gòu)均衡的概念來解釋分形特性的涌現(xiàn)。此外,我們還對隨機網(wǎng)絡(luò)的分形產(chǎn)生的條件進行了數(shù)學推導,發(fā)現(xiàn)結(jié)論為要求節(jié)點之間的距離的分布呈Frechet分布。(2)提出了兩種能得到更精確解的分形的盒子覆蓋算法。復雜網(wǎng)絡(luò)的分形結(jié)構(gòu)的分析通常使用盒子覆蓋法。在盒子覆蓋法中,如何使用最小的盒子數(shù)量來役蓋整個網(wǎng)絡(luò)是一個NP難的問題。研究者們提出了許多的算法來提高算法的精確性。首先,我們引入了差分演化算法對盒子覆蓋問題進行優(yōu)化。在不同結(jié)構(gòu)上網(wǎng)絡(luò)上進行對比,發(fā)現(xiàn)我們算法的解大部分情況下都比當前最優(yōu)的算法更精確。其次,為了減小算法的時間復雜度和減小搜索空間,我們提出了基于離散粒子群優(yōu)化的盒子覆蓋算法,并將該算法擴展到加權(quán)網(wǎng)絡(luò)中。實驗結(jié)果表明,我們的算法的解相對當前的算法具有穩(wěn)定的改進。(3)提出了一種以分形模塊度和最小化盒子數(shù)量為目標的多目標盒子覆蓋算法。根據(jù)標度理論,研究者們通過重整化群方法對網(wǎng)絡(luò)在不同尺度上的統(tǒng)計特性進行分析。通常采用盒子覆蓋法來進行重整化分析,在這個分析的過程中,研究者發(fā)現(xiàn)分形模塊度與網(wǎng)絡(luò)的信息傳輸有密切關(guān)系。如何使盒子覆蓋能得到準確的分形模塊度對網(wǎng)絡(luò)結(jié)構(gòu)的研究非常重要,但是,當前的分形算法都沒有考慮到對分形模塊度進行優(yōu)化。而且,我們發(fā)現(xiàn)分形模塊度目標的一部分和最小化盒子的目標負相關(guān),為了解決這種困境,我們提出了多目標粒子群優(yōu)化的盒子覆蓋算法。我們采用分解的方式來接近Pareto前沿。實驗結(jié)果表明,我們的算法在各個目標上得到的結(jié)果都比當前算法優(yōu)。并且,我們得到的盒子覆蓋與實際網(wǎng)絡(luò)的層次機構(gòu)更接近。(4)對社會編程GitHub網(wǎng)絡(luò)進行了實證研究。首先,針對GitHub平臺中存在許多大型項目的開發(fā)者之間未必有實際的合作關(guān)系這樣的現(xiàn)象,引入了邊的權(quán)重來移除弱連接的邊。通過重整化群分析,發(fā)現(xiàn)GitHub網(wǎng)絡(luò)在移除弱連接的邊之后網(wǎng)絡(luò)結(jié)構(gòu)從小世界變化為分形網(wǎng)絡(luò)。此外,對網(wǎng)絡(luò)的Pearson相關(guān)系數(shù)和鄰居相關(guān)度的分析后發(fā)現(xiàn)網(wǎng)絡(luò)具有很強的同配性,驗證了之前對分形涌現(xiàn)的研究結(jié)論。其次,通過超網(wǎng)絡(luò)建模的方式分析GitHub網(wǎng)絡(luò)的演化特征,并根據(jù)分析結(jié)果提出了新的超網(wǎng)絡(luò)增長模型。該模型考慮了知識的多樣性,并且綜合了基于超度和基于知識量的優(yōu)先連接策略。實驗結(jié)果表明,該模型能更好的模擬實際網(wǎng)絡(luò)。
【圖文】：

圖２．１：OT）Ｌｏ．ｇｉｓｉｉｃ方程的倍周期，（６）邋Ｌｏ如ｓ執(zhí)；方程巧混化區(qū)的分形特征。該困Ｘ軸為ｒ的取逡逑值，ｙ軸為種群數(shù)量，圖中的點代表系統(tǒng)的穩(wěn)定值。圖片引自文獻腳：／。逡逑分形和混濁是兩個緊密巧系不可分割的研究領(lǐng)域混淹是指非線性系統(tǒng)的逡逑一種表面上無規(guī)律而實際上隱含著一定的規(guī)律的現(xiàn)象。比如，大家所熟知的＂蝴蝶效逡逑

圖２．２：傳統(tǒng)幾何結(jié)構(gòu)的自相似化：線段，正方形，立方體在初始時刻〔圖左列），與經(jīng)過一次增逡逑長居〔圖中列）。逡逑如圖２．２所示，對于線段，有ｇ二３和ａ邋＝邋３，因此線段的自相似維度＿０邋＝邋１；對逡逑于正方形，有ｇ邋＝邋２和ａ邋＝邋４，因此正方形的自相似維度方＝２，對于立方體，有逡逑９邋＝邋２和ａ邋＝邋８，因此立方體的自相似維度Ｄ邋＝邋３。標度因子可ＬNB取任意整數(shù)，得到的逡逑結(jié)果是一樣的�？桑蓿蘅吹骄�段，正方形，立方體的自相似維度與傳統(tǒng)的維度一致，下逡逑面我們計算幾個分形圖形的自相似維度。逡逑如闡２．３所不，３故口記５］＾墊片的邊長標度因子９邋＝邋２，，子模塊的數(shù)扇為（１邋＝邋３，逡逑因此，Ｓｉｅｒｐｉｎｓｋｉ墊片的自相似維度＿０邋＝邋ｌｏｇ３／ｌｏｇ２邋１．５８５０。另如圖２．４所示，逡逑Ｓｉｅｒｐｉｎｓｋｉ地毯的邊長標度因子ｇ邋＝邋３，子模塊的數(shù)巧為ａ邋＝邋８，因此，Ｓｋｒｐｉｎｓｋｉ墊片逡逑的自相似維度邋0邋二邋ｌｏｇ８／ｌｏｇｓ邋１．８９２８。逡逑－１０－逡逑
【學位授予單位】：武漢大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：O157.5

【相似文獻】

相關(guān)期刊論文 前10條

1 鄒汪平;;一種基于網(wǎng)絡(luò)安全控制的蜂群算法應(yīng)用研究[J];吉林師范大學學報(自然科學版);2013年04期

2 郭毅可;韓銳;;云計算中的彈性算法:概要和展望[J];上海大學學報(自然科學版);2013年01期

3 劉江華;戴新喜;白似雪;;基于模式矩陣的P_Matrix算法[J];南昌大學學報(理科版);2007年05期

4 胡俊鵬;;基于雙向選擇的蟻群相遇算法的優(yōu)化[J];湖北民族學院學報(自然科學版);2013年01期

5 張麗;;關(guān)聯(lián)規(guī)則挖掘算法的研究[J];赤峰學院學報(自然科學版);2013年02期

6 吳秋峰;尹海東;孟翔燕;;基于和積和最大積的信念傳播算法的收斂性分析[J];數(shù)學的實踐與認識;2011年09期

7 趙吉東;;蟻群算法的改進策略研究[J];中國科技信息;2012年12期

8 胡森森;周賢善;;一種改進蟻群算法的研究[J];長江大學學報(自科版);2006年10期

9 王恒娜;趙曉靜;;基于屬性覆蓋的關(guān)聯(lián)規(guī)則挖掘算法[J];安慶師范學院學報(自然科學版);2007年03期

10 曹建軍;刁興春;李凱齊;邵衍振;;基于進化強度的蟻群算法過程性能評價[J];解放軍理工大學學報(自然科學版);2013年01期

相關(guān)會議論文 前10條

1 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會——2004年學術(shù)年會論文集[C];2004年

2 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會2004年學術(shù)年會論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進的Apriori算法的研究[A];廣西計算機學會2012年學術(shù)年會論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實現(xiàn)[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)交流會論文集[C];2000年

5 趙唯;;晶粒度評級的改進算法[A];中國圖象圖形科學技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 劉啟文;;可擴展的圖形學算法演示系統(tǒng)的研究[A];’2004計算機應(yīng)用技術(shù)交流會議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進算法[A];廣西計算機學會25周年紀念會暨2011年學術(shù)年會論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計算機學會2009年年會論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2006年

相關(guān)博士學位論文 前10條

1 鐘永騰;基于近場MUSIC算法的復合材料結(jié)構(gòu)健康監(jiān)測研究[D];南京航空航天大學;2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用[D];西安電子科技大學;2015年

3 苗義烽;突發(fā)事件下的列車運行調(diào)度模型與算法研究[D];中國鐵道科學研究院;2015年

4 楊玉婷;頭腦風暴優(yōu)化算法與基于視頻的非接觸式運動定量分析方法研究[D];浙江大學;2015年

5 劉杰;全局優(yōu)化問題的幾類新算法[D];西安電子科技大學;2015年

6 柏靜;基于多種混合策略的人工蜂群算法改進研究[D];山東師范大學;2016年

7 孔翔宇;幾類優(yōu)化問題的人工蜂群算法[D];西安電子科技大學;2016年

8 匡立;分形網(wǎng)絡(luò)的理論、算法及應(yīng)用研究[D];武漢大學;2015年

9 單美靜;求解非線性實代數(shù)系統(tǒng)的混合算法研究[D];華東師范大學;2008年

10 邱劍鋒;人工蜂群算法的改進方法與收斂性理論的研究[D];安徽大學;2014年

相關(guān)碩士學位論文 前10條

1 安世勇;命題邏輯中隨機3-SAT問題算法研究[D];西南交通大學;2015年

2 畢曉慶;油氣探礦權(quán)競爭性出讓系統(tǒng)設(shè)計與實現(xiàn)[D];中國地質(zhì)大學(北京);2015年

3 王明明;鐵路大機與線路固定設(shè)施間距檢測算法研究[D];西南交通大學;2015年

4 李靜;基于視頻圖像序列的運動目標檢測與跟蹤算法研究[D];寧夏大學;2015年

5 劉貝玲;基于天地圖的租房平臺開發(fā)及其關(guān)鍵技術(shù)研究[D];西南交通大學;2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學;2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災(zāi)應(yīng)急疏散最優(yōu)路徑研究[D];西南交通大學;2015年

8 張路奇;基于改進蟻群算法的WSN路由協(xié)議的研究[D];中國地質(zhì)大學(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進[D];長安大學;2015年

10 信琴琴;手勢控制和識別算法研究[D];閩南師范大學;2015年

本文編號：2560719