復(fù)雜網(wǎng)絡(luò)機制模型和重要節(jié)點挖掘算法研究.pdf

1、網(wǎng)絡(luò)在我們的生活中處處可見,伴隨著社會的快速發(fā)展,網(wǎng)絡(luò)的概念已經(jīng)從公路網(wǎng)絡(luò)、鐵路網(wǎng)絡(luò)等簡單實際網(wǎng)絡(luò)演變成了更為復(fù)雜的Internet網(wǎng)絡(luò)等虛擬網(wǎng)絡(luò)。人類已經(jīng)將自己生存的世界變成了網(wǎng)絡(luò)世界,由此產(chǎn)生了復(fù)雜網(wǎng)絡(luò)這一個新的研究領(lǐng)域。
　　在復(fù)雜網(wǎng)絡(luò)的研究中,網(wǎng)絡(luò)機制模型和重要節(jié)點挖掘是復(fù)雜網(wǎng)絡(luò)研究的兩項基本內(nèi)容。網(wǎng)絡(luò)特性等一系列的研究都是以網(wǎng)絡(luò)機制模型為基礎(chǔ)的,只有將現(xiàn)實問題抽象成為機制模型之后,才能使用復(fù)雜網(wǎng)絡(luò)領(lǐng)域的相關(guān)理論進行分析。

2、重要節(jié)點挖掘是以尋找網(wǎng)絡(luò)中的重要節(jié)點為目的的,該項研究內(nèi)容在衡量網(wǎng)絡(luò)魯棒性等方面顯得十分重要。只有在尋找到網(wǎng)絡(luò)的重要節(jié)點之后,有效的策略才能實施至網(wǎng)絡(luò)上,從而保護有用網(wǎng)絡(luò)或者摧毀有害網(wǎng)絡(luò),使網(wǎng)絡(luò)能更好的為人類所用。本文的主要工作如下:
　　(1)提出了漩渦網(wǎng)絡(luò)模型和風(fēng)車網(wǎng)絡(luò)模型。為了研究小世界網(wǎng)絡(luò)模型的演化機制,文中分析了現(xiàn)實中的漩渦現(xiàn)象和風(fēng)車旋轉(zhuǎn)現(xiàn)象,并針對這兩種現(xiàn)象進行了網(wǎng)絡(luò)建模。本文采用確定性的方式構(gòu)造了漩渦形狀和風(fēng)車旋轉(zhuǎn)形

3、狀的兩種網(wǎng)絡(luò)模型,網(wǎng)絡(luò)模型的規(guī)模隨著迭代次數(shù)的增加而不斷的增大。采用了復(fù)雜網(wǎng)絡(luò)領(lǐng)域的網(wǎng)絡(luò)特征分析方法對兩種模型的度分布、集聚系數(shù)、直徑和平均路徑長度四種典型參數(shù)進行了分析歸納,并通過實驗驗證了各項參數(shù)的正確性。
　　(2)提出了近似流介數(shù)算法和活躍度算法。為了解決流介數(shù)復(fù)雜度高的問題,文中通過模擬信息在網(wǎng)絡(luò)中的傳播情況提出了近似流介數(shù)算法。該算法假定網(wǎng)絡(luò)中的每個節(jié)點向其每個相鄰節(jié)點傳播均等的信息,而本身不保留原有信息,但測試節(jié)點只

4、接受信息而不發(fā)出信息。經(jīng)過信息在網(wǎng)絡(luò)中傳播一定次數(shù)之后,對網(wǎng)絡(luò)中的所有節(jié)點擁有的信息量進行統(tǒng)計,從而求得各個節(jié)點的重要性。近似流介數(shù)算法和流介數(shù)等算法均用于兩個實驗網(wǎng)絡(luò),以驗證了該算法的有效性。為了驗證集聚系數(shù)是否能夠用于挖掘網(wǎng)絡(luò)中的重要節(jié)點,文中提出了同樣采用模擬信息流的方式進行節(jié)點重要性評估的活躍度算法。該算法假定每個節(jié)點的度和其集聚系數(shù)的乘積來作為信息在節(jié)點間傳播多少的依據(jù)。信息在網(wǎng)絡(luò)中傳播一定時間后,可通過各節(jié)點所擁有的信息量來