论文部分内容阅读
随着网络科技的迅猛发展,人类的生活与生产活动越来越多的依赖各种复杂网络系统的安全可靠和有效运行。现实社会生活中,大量复杂系统都可以形式化成一个大型的复杂网络,并且大量研究表明,自然界、生物界、工程界和人类社会界的复杂系统形式化的复杂网络虽各不相同但却有很多的共性,在拓扑特性上有惊人的相似之处。复杂网络的无标度性即是研究人员发现的许多复杂网络所共有的拓扑特性,这一发现在复杂网络研究中掀起了一股热潮。目前,对于复杂网络的研究主要有两方面:一是基于网络模型的演化机制及拓扑特性研究;二是网络动力学行为。网络动力学行为是基于网络模型研究基础之上的,网络模型的研究主要是希望网络的演化机制更接近现实网络,能够很好的模拟现实网络的演化过程,并且使网络能向动力学行为更好的方向发展。而BA模型是网络中的经典模型,引入了增长与择优连接两大特性,很好的模拟了实际网络的动态演化过程,但是BA模型还存在局限性,网络连接机制单一,新节点每次附带的边数是固定不变的,这些都是与现实网络不符的。本文在此基础上,针对BA的缺陷,考虑实际网络,提出了两类新模型:一类是对BA模型中已经存在的边引入WS小世界网络模型的重连机制,提出了无标度网络的重连演化模型,使网络中已存在的边都有重新选择连接的机会;另一类是针对BA模型新增节点的连接机制进行改进,提出了一个混合演化模型。考虑到在实际网络中,并不是只有连接度最高的节点获得的连接概率高,有些度值高的节点可能已经过时,连接概率并不高,所以本文提出了最近活跃度优先连接,即最近获得连接边数多的节点的连接概率相对比较高,与实际网络中某些度值不高但连接概率却比较高的节点相符。因为实际网络的演化过程中,边的连接策略是多样性的,所以本文的混合演化模型采用度优先连接、随机连接、最近活跃度优先连接三种策略混合的模式,并采用指数函数来描述边数加速增长,更好的模拟现实网络的演化过程。本文在仿真无标度重连演化模型中发现,随着重连概率的增加,网络度值高的节点的连接数降低,部分度值低的节点的度值增高,增强了网络的异质性,使网络抗干扰能力加强。混合演化模型,随着连接指数θ的增加,网络中度值高的节点的连接数增多,当θ→1时,网络近似于完全耦合网络;随着随机连接概率β的增加,网络中随机连接的边数增加,当β→1时,网络近似于随机网络,整个过程中网络的异质性先增强后减弱,说明适当的增加随机连接概率能够增强网络抵抗外界干扰的能力;随着最近活跃度优先连接概率增大,网络中度值高的节点的连接数增大,整个网络节点度值之间的“贫富差距”急剧增加。研究本文提出的基于BA的混合演化模型,发现以度优先连接策略为主,随机连接与最近活跃度优先连接为辅,形成的网络不仅能很好的模拟现实网络演化,保持了BA模型的无标度性,并且随机连接与最近活跃度连接机制的引入使网络的异质性增强,从而增强了网络抵抗外界干扰的能力。