A local-world evolving hypernetwork model

Complex hypernetworks are ubiquitous in the real system. It is very important to investigate the evolution mecha- nisms. In this paper, we present a local-world evolving hypernetwork model by taking into account the hyperedge growth and local-world hyperedge preferential attachment mechanisms. At each time step, a newly added hyperedge encircles a new coming node and a number of nodes from a randomly selected local world. The number of the selected nodes from the local world obeys the uniform distribution and its mean value is m. The analytical and simulation results show that the hyperdegree approximately obeys the power-law form and the exponent of hyperdegree distribution is 7 = 2 ＋ 1/m. Furthermore, we numerically investigate the node degree, hyperedge degree, clustering coefficient, as well as the average distance, and find that the hypemetwork model shares the scale-flee and small-world properties, which shed some light for deeply understanding the evolution mechanism of the real systems.

“城市矿产”资源化利用产业链闭环管理

针对“城市矿产”资源化利用产业链闭环形成,建立“城市矿产”产业链闭环多主体利益协同超网络模型,设定经济参数,分析参与主体行为及均衡条件,探究系统均衡实现条件,运用算例仿真,研究关键因素变化对闭环系统影响。研究发现:(1)回收资源利用率的提高能增加生产企业和销售企业的收益,通过资源增加比例的对比,进一步发现其还能提升生产企业购买“城市矿产”资源的意愿;(2)消费端产品回收率的提升不一定能促进收益增加,在一定程度上会受制于技术能力等制约因素的阻碍;(3)政府采取补贴政策时应优先考虑回收企业主体;(4)要慎重考虑“城市矿产”资源数量规制措施的选择,把握好规制的度。

模体超网络的构建方法及其特性分析

复杂网络是一门用来理解现实世界复杂系统并将其抽象成模型的综合性学科。随着社会的发展以及大数据时代的来临,传统复杂网络的构建方法已经无法满足人们对于现实复杂系统的刻画以及研究需求。超网络多元多维的特性能有效刻画一些现实世界中更复杂的系统。模体是复杂网络中频繁出现的子结构,它们广泛存在于生物网络、生态网络和社会工程网络中,是构成复杂网络的基本模块。本文重在研究基于三阶模体构建的超网络,首先回顾了基础的超图理论,然后给出了一种构建模体超网络的方法,最后对构建的超网络进行特性分析。

药物靶标超网络建模及实证分析

在描述药物靶标网络时,药物与靶标蛋白之间的交互关系往往是用复杂网络中的二部图来表征的,但这种方式在描述较复杂的高阶关系时有一定的局限性。由于超图中的边可以包含任意数量的节点,使得超网络能够准确地表达药物靶标之间多维、复杂的连接关系。基于超图理论及性质,综合药物靶标之间的交互关系构建两类超网络模型,并分别对其进行拓扑分析,进一步根据ATC分类(Anatomical Therapeutic Chemical,治疗学及化学分类法)对功能相似的药物进行局部聚类。通过对比分析发现,两类药物靶标超网络均具有明显的无标度特征,药物倾向于连接hub靶标蛋白,并且功能类似的药物具有相对较高的聚类系数。

小世界超网络传播模型及实证分析

借鉴WS小世界网络的构造算法,在超网络(也称为超图)中加入超边随机重连,构建小世界超网络模型。以该模型为信息传播的底层网络,提出小世界超网络SIR信息传播模型,仿真模拟超边随机重连概率、超网络中的邻居节点数量以及传播率、恢复率等参数对超网络的信息传播过程影响,并与普通网络中的传播过程进行了对比分析,发现超网络中的信息传播速度更快,波及范围更广。进一步,在3类实证超网络上验证了超网络的小世界特性及信息传播规律。在万物互联时代,世界变得更小的背景下,对现实世界中更为复杂的信息与疾病传播机制的深入研究具有一定的借鉴意义。

一类确定性小世界超网络特性分析

用随机超网络模型去理解一个真实网络的形成机制是不直观的。针对这一问题,提出一种基于节点迭代的确定性超网络模型,利用分形理论和超网络研究方法,解析了平均超度、超度分布、平均距离和直径等拓扑特性,发现此类超网络的超度分布服从指数分布,超网络平均距离和直径与网络规模的对数成比例。给出了一种节点标号方法,并基于此方法推导出了计算超网络拉普拉斯特征值的递推关系式,此关系式可降低计算超网络拉普拉斯特征值的时间复杂度。研究结果表明,利用该文提出的节点迭代法构造的超网络具有小世界特性,这有助于更好地理解真实网络的复杂性和多样性。

基于耦合映像格子模型的半导体股票市场稳定性分析

该文从股票所属板块视角研究了当前中国半导体产业网络的发展现状,将复杂网络理论、超图理论与半导体股票板块相结合,构建了半导体股票板块超网络模型,并利用耦合映像格子模型研究了半导体股票板块超网络抵抗外部干扰的能力。通过分析仿真实验结果得出半导体股票板块超网络在随机攻击下较为鲁棒,超网络较为稳定;在蓄意攻击策略下,半导体股票板块超网络较为脆弱。该文的研究结果对研究半导体产业链的稳定性机理、提高产业链的稳定性等方面提供了一定的理论支持。

融合多智能体与超图的复杂动态系统建模方法探索

在自然界以及人类社会中,绝大多数系统本质上都可以抽象表示为复杂系统,针对当前复杂系统复杂性不断增加这一难题,亟需完善且成熟的复杂系统理论与方法进行建模研究与处理。当前基于图的复杂系统建模方法难以描绘节点间极其复杂的连接以及节点间的高阶关系,同时也难以对复杂系统的智能化感知、决策和控制等行为进行有效刻画。基于此,提出一种融合多智能体与超图的复杂动态系统建模方法,模型从几种不同的演化角度进行动态演化,对复杂动态系统进行了具体的描绘。此模型通过赋予复杂系统中个体智能化特征,进行感知、决策和控制,同时也能够更好地描绘智能体节点间的高阶关系,为复杂系统的智能理论研究提供新思路和新方法。

互联网背景下演员影响力的实证研究——基于超图的方法

演员是确保一部影片成功的关键因素,在电影制作过程中,选用有影响力的演员有助于提高影片质量、推动电影产业的发展。本文以猫眼官方平台2015—2019年在内地上映的551部国产影片,2157个演员为数据样本,将电影抽象为超边,演员抽象为节点,构建了演员超网络模型,并获得了该超网络的拓扑性质。为了更好的分析互联网背景下的演员影响力,本文提出了基于超网络结构、权重及超网络结构与权重结合的三种演员影响力分析模型,并利用三种影响力分析模型对演员的影响力进行了对比分析。结果表明,基于超网络结构和权重结合的影响力分析模型能更全面、更客观地反映演员的实际影响力。此外,本文提出影响力分析方法不仅可用于演员影响力的预测,也可用于其他行业的影响力分析。

基于超网络的局部区域新冠肺炎传播仿真研究

为模拟传染病传播中多人聚集的密接传染行为,基于SCEIR模型,使用超网络来构建社会接触网络,考虑潜伏期的持续时间和密切接触者的隔离措施,构建了一种基于超网络的新冠肺炎传播模型.仿真结果表明:出行管控措施越严格,最终的感染人数越少;随着感染者被治疗或隔离的概率增大,最终感染总人数减少,但当其增大到一定程度时,最终感染总人数下降幅度不再显著;对感染者和密切接触者的隔离措施,可以减少疾病的最终传播持续时间.

面向工业软件开发的半结构化知识语义检索方法

在知识驱动的工业软件开发中,为了从半结构化知识中高效、准确地定位内容,提出一种基于超网络模型的语义检索方法,通过计算软件开发工程知识属性之间的关联度,构建由产品子网、对象子网、知识子网组成的知识超网络,利用贝叶斯方法融合概念知识和语言模型计算用户查询和工程知识的语义相关性,返回按相关性倒序排列的工程知识推荐列表。在微软知识库上进行对比实验,表明所提方法能更有效地利用半结构化工程知识中的语义信息,同时提高知识检索的准确度,验证了方法的可行性和有效性。

超网络中的舆情传播模型及仿真研究

现实中,个体受到来自不同社会关系网络中所有邻居的信息传播的影响。引入超网络刻画个体的复杂社交关系,基于传染病学建模的思想,模拟超网络中的舆情传播过程。对比分析舆情在超网络和复杂网络结构下的传播过程。当超网络的结构参数取特定值时,模型可以退化为复杂网络模型。进一步,测试超网络结构参数、传播率、恢复率及初始传播节点对舆情传播的影响。探讨舆情的传播时间和波及范围,进而揭示网络舆情的传播规律。

超网络的模型及性质

本文对基于超图的超网络模型提出几类构建算法,给出了演化过程,模型构建基于很多现实网络都具有的超边增长和超度优先连接机制.通过模拟演化过程,数值仿真超度分布规律,得出超网络所具有与复杂网络相同的无标度特性,并介绍了超网络的一些基本性质.

基于知识超网络的科研合作行为实证研究和建模

为探究科研合作知识网络的生成机制和演化规律,对学科领域、期刊载体、单个学者三个层次上的科研合作行为进行统计分析。统计结果表明:领域、期刊载体及单个学者上的科研合作次数分布满足具有胖尾过程的幂律分布,呈现出不同的衰减速度,期刊载体和单个学者的论文合作人数分布相对过于集中,尾部下降趋势适用指数函数。实证结果显示,期刊载体和单个学者的研究视域是限定科研合作的实际因素,影响着合作行为的分布规律。根据实证分析结果和科研合作结构存在多主体的特性,利用超图的数学理论构建一种基于知识超网络的动态演化模型,研究知识超网络下的无标度特性演化机制和拓扑性质,通过连续化方法和平均场理论对模型进行分析,理论预测和实证结果相吻合。

基于超图的超网络研究综述

超网络是一般网络的一类自然推广。超网络的研究将会有助于理解“复杂系统之所以复杂”这一极其重要的问题。现实世界中,很多复杂的系统都可以用超网络描述。超网络分为基于网络的超网络与基于超图的超网络。本文主要介绍的是基于超图的超网络,首先对超图理论进行描述,然后对基于超图的超网络进行分析,接着提出了基于超图的超网络和多层超网络的转换及实例并提出了基于超图的超网络演化模型。本文最后对超网络今后的研究方向进行了探讨,其中,超网络的指标构建、动力学研究、链路预测、应用等方面还有待于深入研究。

基于超网络的航母编队作战体系建模分析

编队体系作战是当前研究的热点问题,针对航母编队在信息化条件下的体系特征,采用超网络理论对编队体系进行研究。首先梳理超网络军事应用建模研究现状,并指出研究的不足;其次简述超网络概念,归纳编队作战体系超网络应用需求,并建立三层超网络模型;再次分析编队作战体系的网络节点度、超边度等超网络参数,对模型层网络的相关性、关联度进行研究;最后结合算例分析编队作战体系超网络特征,初步发现多层超网络中物理层网络、结构层网络的关联度、相关性较强,组织层网络对物理层网络的作用也比较明显,适合描述航母编队体系作战的运行和演化机制。

在线社交超网络的信息全局传播模型

信息爆炸时代,在线社交网络作为信息传播的主要途径被广泛应用,但在线社交网络中信息传播的动态过程往往难以准确预测和防控。该文引入超图中的超边描述两个或两个以上个体之间复杂的社交关系,利用基于超网络动态演化模型构建在线社交超网络,并结合基于反应过程策略的SIS模型,对在线社交超网络中信息全局传播的动态过程进行理论分析和仿真实验。使用平均场理论得到超网络结构参数与传播率、恢复率之间的解析表达式,并通过仿真实验分析超网络规模、传播率、恢复率、超网络结构参数以及初始传播节点对信息全局传播的影响。进一步,对超网络和复杂网络结构下的信息全局传播过程进行了对比分析。研究结果有助于深层次理解在线社交网络中信息全局传播的传播规律及发展趋势,并为信息侦测和舆情控制等实际应用提供科学依据。

超网络模型构建中优先连接方法研究

优先连接机制是复杂网络建模中常用的节点连接机制,超网络模型也可以通过优先连接演化而得到。目前对于超网络模型的增长演化研究较多,而对超网络优先连接方式的研究比较少见。针对超网络模型演化过程中优先连接问题进行研究,基于赌轮法和链表法实现优先连接,从而构建超网络演化模型,对构建的均匀超网络和随机超网络的特性进行分析,并通过调整超网络模型构建过程中旧节点的选择数量、新节点添加数量和网络规模,研究超度幂律分布斜率的变化规律。实验结果表明,利用赌轮法构建超网络模型的时间远大于链表法。

城市公交超网络演化模型构建及分析

为了分析城市公共交通系统演化特征并为交通规划管理提出建议,构建以公交线路为节点、公交站点为超边的城市公共交通超网络,根据现实公交系统演化特征构建公交超网络演化模型。演化模型遵循超边增长和超边超度优先连接机制,就公交超网络演化中超边超度的分布以及演化模型参数对超度分布的影响进行分析。公交超网络演化理论模型服从漂移幂律分布,超边增长数量以及旧超边连接机制都对超度分布有影响。公交超网络演化模型有助于改善公交规划与管理。

基于残差超网络的DNA微阵列数据分类

DNA微阵列数据特征维度高,包含噪音,属性之间以及属性与样本类别之间有着复杂的关联性。然而传统超网络的超边一般是从训练集中随机选取属性而组成,难以保证超边质量,而且其分类性能受超边初始化过程影响很大,导致效果不稳定。针对传统超网络的这一局限,提出一种基于残差分析的超网络分类模型。残差算法根据显著性检验,首先假设属性相互独立,然后根据95%的置信水平,运用残差分析,用落入拒绝域的属性值对超网络的超边库进行初始化,以获取关联性较高的超边集合。然后采用梯度下降法进行超网络的演化学习。对急性白血病、前列腺癌和肺癌数据集的实验表明:与传统演化超网络分类器相比,该方法不仅有较高的分类精度,而且提高了分类的稳定性和收敛性。