The Complex System Modeling Method Based on Uniform Design and Neural Network

In this paper, the method based on uniform design and neural network is proposed to model the complex system. In order to express the system characteristics all round, uniform design method is used to choose the modeling samples and obtain the overall information of the system;for the purpose of modeling the system or its characteristics, the artificial neural network is used to construct the model. Experiment indicates that this method can model the complex system effectively.

Coarse-Graining Method Based on Hierarchical Clustering on Complex Networks

With the rapid development of big data, the scale of realistic networks is increasing continually. In order to reduce the network scale, some coarse-graining methods are proposed to transform large-scale networks into mesoscale networks. In this paper, a new coarse-graining method based on hierarchical clustering (HCCG) on complex networks is proposed. The network nodes are grouped by using the hierarchical clustering method, then updating the weights of edges between clusters extract the coarse-grained networks. A large number of simulation experiments on several typical complex networks show that the HCCG method can effectively reduce the network scale, meanwhile maintaining the synchronizability of the original network well. Furthermore, this method is more suitable for these networks with obvious clustering structure, and we can choose freely the size of the coarse-grained networks in the proposed method.

Ranking important nodes in complex networks by simulated annealing

In this paper, based on simulated annealing a new method to rank important nodes in complex networks is presented.First, the concept of an importance sequence（IS） to describe the relative importance of nodes in complex networks is defined. Then, a measure used to evaluate the reasonability of an IS is designed. By comparing an IS and the measure of its reasonability to a state of complex networks and the energy of the state, respectively, the method finds the ground state of complex networks by simulated annealing. In other words, the method can construct a most reasonable IS. The results of experiments on real and artificial networks show that this ranking method not only is effective but also can be applied to different kinds of complex networks.

SYNCHRONIZATION OF MASTER-SLAVE MARKOVIAN SWITCHING COMPLEX DYNAMICAL NETWORKS WITH TIME-VARYING DELAYS IN NONLINEAR FUNCTION VIA SLIDING MODE CONTROL

In this article, a synchronization problem for master-slave Markovian switching complex dynamical networks with time-varying delays in nonlinear function via sliding mode control is investigated. On the basis of the appropriate Lyapunov-Krasovskii functional, introducing some free weighting matrices, new synchronization criteria are derived in terms of linear matrix inequalities （LMIs）. Then, an integral sliding surface is designed to guarantee synchronization of master-slave Markovian switching complex dynamical networks, and the suitable controller is synthesized to ensure that the trajectory of the closed-loop error system can be driven onto the prescribed sliding mode surface. By using Dynkin＇s formula, we established the stochastic stablity of master-slave system. Finally, numerical example is provided to demonstrate the effectiveness of the obtained theoretical results.

Attractive target wave patterns in complex networks consisting of excitable nodes

This review describes the investigations of oscillatory complex networks consisting of excitable nodes, focusing on the target wave patterns or say the target wave attractors. A method of dominant phase advanced driving （DPAD） is introduced to reveal the dynamic structures in the networks supporting osciUations, such as the oscillation sources and the main excitation propagation paths from the sources to the whole networks. The target center nodes and their drivers are regarded as the key nodes which can completely determine the corresponding target wave patterns. Therefore, the center （say node A） and its driver （say node B） of a target wave can be used as a label, （A, B）, of the given target pattern. The label can give a clue to conveniently retrieve, suppress, and control the target waves. Statistical investigations, both theoretically from the label analysis and numerically from direct simulations of network dynamics, show that there exist huge numbers of target wave attractors in excitable complex networks if the system size is large, and all these attractors can be labeled and easily controlled based on the information given by the labels. The possible applications of the physical ideas and the mathematical methods about multiplicity and labelability of attractors to memory problems of neural networks are briefly discussed.

A weight's agglomerative method for detecting communities in weighted networks based on weight's similarity

This paper proposes the new definition of the community structure of the weighted networks that groups of nodes in which the edge＇s weights distribute uniformly but at random between them. It can describe the steady connections between nodes or some similarity between nodes＇ functions effectively. In order to detect the community structure efficiently, a threshold coefficient t~ to evaluate the equivalence of edges＇ weights and a new weighted modularity based on the weight＇s similarity are proposed. Then, constructing the weighted matrix and using the agglomerative mechanism, it presents a weight＇s agglomerative method based on optimizing the modularity to detect communities. For a network with n nodes, the algorithm can detect the community structure in time O（n2 log~）. Simulations on networks show that the algorithm has higher accuracy and precision than the existing techniques. Furthermore, with the change of t~ the algorithm discovers a special hierarchical organization which can describe the various steady connections between nodes in groups.

区域多制式轨道交通网络耦合评价方法研究

为研究区域多制式轨道交通网络耦合评价方法,首先,在复杂网络理论的基础上,对交通路网进行可视化的拓扑研究,求解相应复杂网络中的重要指标;其次,研究网络中关键节点的识别方法,建立耦合评价指标体系,并运用灰色关联法对节点进行排序和鲁棒性分析;再次,提出一种耦合协调度评价指标体系,融合熵权法将各个指标的权重求解后进行耦合协调度的计算与分析;最后,以北京市多制式轨道交通网络为例进行验证分析,并从网络耦合角度提出几点建议。研究结果表明:北京市多制式轨道交通网络耦合后的综合协调指数T_(3)=0.6576,耦合度C_(3)∈[0.5,0.8],各系统之间处于不断磨合并趋于良性耦合的状态下;同时,耦合网络的协调度D_(3)=0.7125,说明耦合网络属于高水平耦合协调下的较为协调的阶段,还应进一步加强节点之间的联系。

物联网环境下复杂光纤通信传输网络节点调度

为了解决物联网环境下,光纤通信传输网络节点能耗高、调度效率低的问题,提出一种物联网环境下复杂光纤通信传输网络节点调度方法。在物联网环境下,分析光纤通信传输网络节点的分布情况,根据动态联盟理论,以最快调度速度和最小投资为目标,构建复杂光纤通信传输网络节点调度模型。通过蚁群和粒子群算法相结合的融合算法展开全部搜索,获取最佳调度方案,实现光纤通信传输网络节点调度。实验结果表明,所提方法的节点平均能耗在6.0 mJ以下,LBF值始终高于0.20,且节点调度耗时始终低于200 ms,具有良好的调度效果。

航空应急救援站脆弱性分析

为提高区域应急响应速度,增强区域内医疗、消防和紧急物资运输等能力,提出一种基于复杂网络理论的航空应急救援站脆弱性分析方法。首先,构建航空应急救援场站脆弱性评价指标体系,将具体分析指标划分为三类:通过资料搜集直接获得的定量计算指标、使用模糊综合评价法进行评价获得的定性评价指标以及借助Pajek工具进行计算得到的网络特性指标;其次,使用集成决策实验室法(decision making trial and evaluation laboratory, DEMATEL)对各评价指标的权重进行估计;最后,使用灰度关联分析法综合评价各节点的脆弱性指数。对某地区现有运输机场布局案例进行分析,结果表明:所提方法在充分考虑待选机场的自身应急救援建设条件的基础上,兼顾救援网络中各机场间的互补性和协同作用,为未来的航空应急救援站选址研究提供了一种高效可靠的评价分析方法。

蒙古语词同现网络和句法网络的比较研究

在计量语言学中,复杂网络方法用于研究语言系统的整体特征。本文以《中华人民共和国民法典》(蒙古文版)为原语料构建了蒙古语词同现网络和依存句法网络,在此基础上,比较研究了两种语言网络的统计参数,包括节点数、边数、平均度数、平均路径长度、密度、聚类系数等。结果表明:(1)词同现网络会造成句子部分信息的缺失;(2)词同现网络中词与词之间是线性关系,依存句法网络中词与词之间受依存语法的限制,从而两种网络的参数存在显著差异;(3)蒙古语作为一种典型的黏着语,其聚集系数小于孤立语和屈折语,平均路径长度大于孤立语和屈折语,该结果验证了前人的研究结论。此外,蒙古语与世界上其他语言一样,具有小世界、无标度和相关性的特征。本文拓展了计量研究领域,以新的视角研究了蒙古语,有助于推动少数民族语言研究的发展。

页岩油压裂水平井试井测试方法研究

页岩油采用水平井规模压裂开发模式,压裂后井筒周围形成复杂的缝网,流动特征复杂,常规试井方法很难准确描述其流动特征,因此,需要建立一套页岩油压裂水平井试井测试方法。通过结合裂缝有效半缝长、缝宽和裂缝间距及压裂后渗透率等相关参数,建立了水平井压裂后试井模型及一套测试方法;通过模拟稳定产能测试、不稳定试井测试及两井干扰测试,研究工作制度和储层参数对试井曲线的影响,分析试井曲线,确定合理的工作制度和测试时间。结合苏北盆地的实际投产井生产情况,得到定量化测试产量及测试时间等数据资料,综合评价压裂改造效果和井控动态储量,确定合理工作制度和产能,为页岩油有效开发提供技术支撑。

基于复杂网络的交通序列数据特性

为了进一步研究交通流特性,采用复杂网络方法对交通序列数据进行分析。提出了箱型图-聚类算法模型用于识别和填充初始数据中的缺失值和异常值;通过相空间重构方法将一维数据重构为网络节点,选取连接阈值确定网络节点的连接关系,将交通序列数据构建为复杂网络,对复杂网络的结构和定量指标进行分析。研究结果表明交通序列数据复杂网络的结构一定程度上可以反映路段的交通流状态。该结果有助于优化数据预处理方法,拓展复杂网络在交通序列数据研究中的应用。

基于TOPSIS的配电网结构优化及关键节点线路识别

为获取较优的配电网拓扑结构并识别网络关键节点和线路,提出一种综合多属性的配电网结构优化和关键节点线路识别方法。首先利用支路交换法获取多个配电网拓扑图,然后基于复杂网络理论构造抗毁性指标,接着采用改进的TOPSIS法找出最优网络,最后构造重要性指标识别关键节点和线路。以IEEE33和PG&E69节点系统为例,对网络做随机攻击,验证优化后的配电网具有更强的抗攻击能力;对配电网采取随机攻击和蓄意攻击,结果表明,在蓄意攻击中,网络的各项指标下降更加显著,证明本方法能够有效识别出关键节点和线路。

基于改进节点收缩法的复杂网络节点重要性评估

识别网络中的重要节点对研究网络的拓扑结构及功能特性具有重要的实际应用价值。为了更好地挖掘复杂网络中的重要节点,考虑到节点核心位置和网络拓扑结构变化对节点重要性评估的影响,基于节点收缩法提出两类改进的复杂网络重要节点评估方法,并进行仿真实验与比较分析。一方面,k-shell值对节点位置可进行粗粒化评估,将节点的k-shell值与网络中所有k-shell值之和的比作为节点收缩法得到的节点重要度(IMC)系数,提出基于新的节点重要度K-IMC的改进算法;另一方面,利用网络结构熵刻画网络拓扑结构的变化,结合收缩前后网络标准结构熵的变化,提出基于又一新的节点重要度E-IMC的改进算法。在此基础上,对两类改进的重要节点评估算法进行仿真实验,运用SIR模型和鲁棒性测试对算法性能进行评价与分析。实验结果表明,相较于原始节点收缩法,K-IMC算法和E-IMC算法的重要节点排序结果均表现出更高的准确性。其中,E-IMC算法相较K-IMC算法的准确性更高,KIMC算法相较E-IMC算法的运算效率更高。

变步长仿真与改进熵权法联动的综合能源系统鲁棒性评估方法

综合能源系统作为能源互联网的重要表现形式,在提高能源利用率的同时,由于耦合度过高,各系统之间响应速度差异过大,所以带来了更多风险.从系统安全的角度出发,准确找出系统中的薄弱环节,评估系统的鲁棒性至关重要.为此,在复杂网络环境下,提出变步长仿真与改进熵权法联合的鲁棒性评估方法.介绍综合能源系统的结构并进一步解释系统耦合环节;提出包含网络破损度、联通因子在内的鲁棒性指标,采用根据不同系统响应时间差异的变步长仿真方法,针对仿真结果提出一种改进熵权法,构建更客观的评价方法;通过案例验证了该评价方法的优越性.

一种空铁联运枢纽节点选择与分级的综合方法

空铁联运枢纽节点的选取与发展定位对构建完善合理的空铁运输网络至关重要。为此,文章基于复杂网络、熵权Topsis与系统聚类理论等提出了一种综合性评价方法,即熵权Topsis-Q型聚类法,同时全面考虑城市的运输能力与社会经济发展水平,对我国空铁联运枢纽城市的选择与分级问题进行了系统研究。首先,以36个国家级流通节点城市为研究对象,构建了有向非加权的空铁联运网络,明确并计算出反映城市运输能力的节点中心性指标。其次,进一步考虑城市社会经济发展水平指标,建立了一个三级综合评价指标体系。再次,应用熵权Topsis-Q型聚类分析法进行枢纽城市筛选与分级,最终确定出2个全国性枢纽城市和7个区域性枢纽城市。文章结论与经济、社会发展高度一致,提出的方法可用于不同模式交通枢纽节点分级评价研究。

全流程药学服务在心血管内科FM35病组患者药品成本管控中的效果分析

目的运用全流程药学服务优化心血管内科FM35病组患者药物治疗方案,实现保障患者用药安全并管控住院药品费用的目标。方法以2023年7-8月在我院心血管内科治疗出院的213例FM35病组患者为对照组,筛选其全部医嘱并运用复杂网络分析法及我院药物评价标准制定优化治疗药物库。以2023年9月我院心血管内科新收治入院的83例FM35病组患者为干预组,建立并应用政策宣讲-治疗方案干预的模式,对该组患者进行全流程药学服务。对比两组患者的治疗费用、住院日及出院转归情况。结果通过临床药师全流程药学服务,与对照组比较,干预组患者住院总费用、药品费用、药占比、疾病诊断相关分组(DRG)费用超标病例比例均显著下降(P<0.05),住院日中位数缩短1 d;两组患者的出院转归好转率均≥99%。结论临床药师通过全流程药学服务可在保证医疗质量的基础上有效提升医疗服务效率,节约医疗成本,有效助力DRG的顺利施行。

基于复杂网络理论的地铁网络鲁棒性研究

地铁网络作为现代城市交通的重要组成部分,其运行的可靠性和稳定性对于城市的正常运转至关重要。然而,地铁网络可能面临各种干扰和故障,如设备故障、自然灾害、人为破坏等,可能导致线路中断、列车延误和乘客服务中断。因此,研究地铁网络的鲁棒性,即系统在面对这些干扰时的恢复能力,对于提高地铁网络的可靠性和抗干扰性具有重要意义。文章基于复杂网络理论,综合考虑地铁网络的拓扑结构、节点重要性和客流分布等因素,对地铁网络的鲁棒性进行定量分析。研究采用Space-L方法对杭州市地铁网络拓扑结构特性进行分析,并分析了网络的度、介数、聚类系数和最短路径长度等网络特性指标。针对鲁棒性分析,文章采用了随机攻击和蓄意攻击的9种不同攻击策略,并对杭州市地铁网络进行实例分析。研究结果表明,关键指标的变化对地铁网络的鲁棒性产生显著影响。通过分析不同攻击策略下的网络性能指标,可以揭示系统中的脆弱节点和脆弱路径。这些分析结果对于提高杭州市地铁网络的鲁棒性,增强其对干扰和攻击的抵抗能力具有重要意义。

复杂网络在土壤重金属含量关联分析中的应用

土壤重金属污染是当今社会最为关注的环境问题,对土壤不同重金属含量变化的关联性研究可以为土壤重金属治理提供理论依据。本文构建了一个复杂网络模型来分析土壤中重金属含量的关联性。通过采集实验基地7个区域的210组环境重金属数据,构建同现矩阵和复杂网络模型来分析该实验基地重金属的关联性。实验的结果显示,应用本文的方法,可以较好地描述不同重金属之间变化的潜在联系。

伯努利生成矩阵码中的统计力学性质

从统计物理的角度,结合自旋玻璃理论与复杂网络理论,系统地研究了伯努利系统低密度生成矩阵码的统计力学性质.首先给出系统低密度生成矩阵码的伯努利构造、编译码框架,并讨论节点度分布以及正规图与Erdös-Rényi(ER)随机图的联系.然后研究自旋玻璃理论框架下的编译码模型、码本与微观构型的关系、空腔方法与消息传递方程,提出针对系统码的种群动力学算法来高效分析其渐近性能.最后提出正规图配置模型(Normal Graph Configuration Model,NGCM)生成具有连接偏好性的正规图,研究异配性对置信传播(Belief Propagation,BP)译码算法性能的影响,并进一步分析其机理.仿真结果表明,种群动力学算法与BP译码算法本质上相同,但前者不局限于某个具体的码,因此在分析码集的渐近性能时更具优势.此外,适当的异配性能够显著提升BP算法在瀑布区的译码性能,获得更低误码率(Bit Error Rate,BER)并且降低译码迭代次数(复杂度).