基于LeaderRank和节点相似度的复杂网络重要节点排序算法

复杂网络中重要节点对网络结构和功能的影响引起了广泛关注。本文在现有Leader Rank算法的基础上,利用节点相似度来衡量节点间的相互作用,建立了SRank算法进行重要节点排序。利用SIR传播模型和斯皮尔曼等级相关系数在真实社会网络数据上对本文算法与经典的重要节点排序算法进行仿真后,发现该算法在无向和有向网络中均具有更高的准确性。

基于最小路径覆盖算法的化工过程重要参数的识别

将复杂网络的目标控制理论应用到化工过程系统重要参数的识别中,以SDG(signed directed graph)模型和复杂网络理论为基础构建化工过程的网络模型,然后利用LeaderRank和节点相似度算法(SRank算法)对网络节点重要性进行排序并基于此对网络进行鲁棒性分析选取目标节点,通过最小路径覆盖算法对网络进行目标控制分析,确定驱动节点并对它们进行重点监控。案例分析结果表明,该方法可行,对化工过程系统中重要参数的监测和安全控制具有一定的指导意义。