基于复杂网络与随机动态稀释机制的演化博弈分析

借助复杂网络的理论与方法，以演化博弈理论为基础，提出了随机动态稀释机制，并探讨了该机制对复杂网络上演化博弈的影响。对无标度网络、小世界网络和规则网络这三种典型网络上的博弈过程进行了模拟，并分析了结果。通过同质性网络与异质性网络上合作行为的比较研究，发现随机动态稀释机制能使同质性网络产生局部异质性，从而促进合作。并且当随机概率P=P^＊时，会出现最佳合作行为。     

复杂网络关系流与行为关系定理——一般系统结构理论在复杂网络中的应用

在关系流概念的基础上,应用一般系统结构理论,研究复杂网络的关系流,包括信息流、物流、能量流、资金流、人力资源流等和复杂网络行为或功能之间的关系及规律,得到两个复杂网络关系流与行为关系定理和一个复杂网络关系流与行为关系模型.它们表明,对于任何一个复杂网络,复杂网络行为或功能仅由它的输入流Rf(t)和基层次Hd上的关系流集Rfcnd(t)——复杂网络关系流CNRf(t)=Rf(t)∪Rfcnd(t),特别是其中的关系流回路,决定和支配的.通过对复杂网络关系流与行为关系模型的数学研究,可以从理论上揭示复杂网络关系流和复杂网络行为或功能之间存在的一系列固有关系及规律,以及这些关系及规律衍生的复杂网络研究思想、理论、方法、手段和工具,推动复杂网络研究的发展.     

复杂网络及其在国内研究进展的综述

从复杂网络模型的演化入手,在简要介绍复杂网络统计特征的基础上,对国内关于复杂网络理论及其应用的研究现状从两方面进行综述:一是对国外复杂网络理论及应用研究的介绍,包括复杂网络理论研究进展的总体概括、复杂网络动力学行为以及基于复杂网络理论的应用研究介绍;二是国内根植于本土的复杂网络的研究,包括复杂网络的演化模型,复杂网络拓扑性质、动力学行为,以及复杂网络理论的应用研究等。并结合复杂网络的主要研究内容,对今后的研究重点进行了分析。     

复杂动力网络的数学模型与同步准则

许多自然和人造的网络都属于复杂网络,它们具有复杂的招朴结构和大量的节点.人们提出了许多数学模型来描述各种各样的复杂网络,探讨复杂网络的动力和集群行为.简要地回顾几个典型的复杂动力网络模型.基于提出的时变复杂动力网络模型,给出了几个基本的网络同步准则.最后给出了一个简单的例子加以说明.     

复杂网络研究与复杂现象

复杂网络研究为探讨复杂系统的性质提供了一个新的视角。简述了复杂网络的基本概念，对网络的结构与功能作了概略的介绍，包括小世界网和无标度网的结构特点。通过对小世界网络中小世界特征的度量，讨论了复杂网络对复杂系统研究的启示，并对生物进化过程中生物的复杂性增加在蛋白质相互作用网络中的体现做了尝试性的说明，以此为基础，对随机性与规则性之间可能产生的复杂现象进行了初步讨论。     

网络--探索复杂性的新途径

简单系统由于非线性关系可以呈现复杂行为，而复杂系统可以遵循简单规则自组形成、近年来，作为探索复杂系统结构和功能的复杂网络引起了国际科学界的高度重视，已成为数理科学、生命科学、社会科学、技术科学和管理科学的研究热点之一．论文首先介绍了在复杂网络研究方面已经取得的某些进展，从典型模型．重要概念，网络分类一直到网络结构涌现，其中也包括了作者所做的工作；然后对某些值得注意的问题做了简短的评述．     

嵌入晶格的地理网络的逾渗

研究了地理结构对复杂网络逾渗阈值的影响，提出了一个空化网络模型，并做了相应的数值计算。发现当地理约束很弱时，地理网络一般是空间上很稀疏地连接，此时，即使网络拥有抽象的拓扑结构（度分布），网络的逾渗也比网络被密集连接时容易，也就是说，稀疏连接的地理网络的鲁棒性更高。基于这些研究结果，对一些真实网络中的基本现象给出了解释。此外，基于真实网络建设的最小消耗原则，提出了一些建设性的建议。嵌入晶格的网络模型虽然在大多数情况下并不是网络产生的真实模型（比如BA模型），但当网络结构随时间的变化可以忽略时，它也可以很好地研究复杂网络上的动力学问题。     

战争复杂网络研究概述

复杂网络已经成为战争复杂系统研究的重要理论基础.简要介绍了战争复杂网络在体系理论、关键基础设施、社会群体行为,以及信息传播方面的研究情况.     

复杂网络理论及其在航空网络中的应用

复杂网络理论是对复杂系统的高度抽象，它突出强调了系统的拓扑特征，其中许多性质如小世界性质、无标度性质等等已经得到了广泛的研究。本文从复杂网络的统计特性、结构模型以及在航空网络中的应用3个层次系统回顾了复杂网络的基本理论和应用现状，期望对航空网络规划问题的研究起到一定的借鉴作用。     

复杂网络确定性模型研究的最新进展

复杂网络的确定性模型在复杂网络建模领域起着不可或缺的作用。按照复杂网络经典模型发展的先后次序，依次对随机图、小世界网络、无标度网络以及加权网络确定性模型的研究现状进行较全面的综述，重点介绍了相关模型的构造及其主要性质，并对复杂网络确定性模型未来的部分发展方向进行了展望。     

BA网络的一个等价演化模型

ER随机网络和BA网络对网络科学的发展起着十分重要的作用，在网络研究中ER网络与其等价模型可以替代使用。本文提出了BA网络的一个等价的演化模型，并解析计算和模拟了模型的节点度分布、集聚系数和平均路径长度，其演化成的结构特性与BA网络相同。在本模型的演化过程中，不需要拥有网络节点度的完全信息，没有择优连接过程，大大缩短了网络生成时间。因此，研究BA网络的性质和动力学时，可以将本模型替换BA网络。     

单调RBF神经网络的逼近性分析

针对工程中输入输出呈单调关系系统首先提出单调径向基神经网络，然后给出单调性条件定理，并证明用单调径向基神经网络插值可以逼近紧致集上任意单输入单输出的单调函数。     

复杂网络抗毁性研究综述

自从小世界效应和无标度特性发现以来，复杂网络的研究在过去几年得到了迅速发展，其中复杂网络的抗毁性是研究焦点之一。本文首先从抗毁性分析、抗毁性优化两个方面详细综述了目前复杂网络抗毁性研究的进展。最后对复杂网络抗毁性研究存在的问题和未来发展的趋势进行了总结和展望。     

非线性系统辨识的一种泛函网络方法

泛函网络是最近提出的一种对神经网络的有效推广.与神经网络不同,它处理的是一般的泛函模型,而不仅仅是Sigmoidal函数,并且在各个处理单元之间没有权值.提出了一种基于泛函网络的非线性系统的辨识方法,而网络参数利用梯度下降方法来进行学习.计算机仿真结果表明,这种辨识方法具有较快的收敛速度和良好的性能.     

神经网络模型用于多变量综合预测

本文研究神经网络用于多变量时间序列预测的原理与方法，提出组合多种信息的综合预测方法。以股票交易为例，用神经网络组合各类信息，运用信心股价理论对中国股市的发展进行跟踪预测。在此基础上进一步从信息利用的角度说明了神经网络预测方法的特点。结果表明，神经网络模型用于多变王时间序列预测，其精度和趋势均较统计方法有所提高；神经网络综合预测，对中短期股票价格的预测，有实用价值。     

动态网络车辆路径问题:研究现状及展望

在介绍动态网络车辆路径问题发展历程的基础上，对其定义的范畴作了进一步的扩展，分析其具备的宏观及微观特征，并将动态网络车辆路径问题按照网络类型进行分类，总结近年来有关学者在建立模型及算法求解上的研究成果，最后分析该领域未来的发展方向。     

A MULTI-AGENT SYSTEM FOR MANAGING THE QUALITY OF SERVICE IN TELECOMMUNICATIONS NETWORKS

1. Introduction In this paper we propose X-MAQoS, a novel XML-based multi-agent system for the QoS management in telecommunications networks. The motivations underlying our system and its general characteristics are illustrated in this section. Specifically, the motivations are presented in Section 1.1, whereas the general characteristics are described in Section 1.2. 1.1 Motivations The last few years are witnessing a fast evolution of the telecommunications systems towards the full dep…     

基于个体选择的小世界网络结构演化

将复杂网络理论和基于博弈论的经济网络理论相结合，探讨小世界网络的结构演化问题。从个体选择的角度，以网络中个体价值优化作为网络结构演化的动力机制，用顶点度分布(P(K))、平均最短路径长度(l)、集群系数(C)作为网络结构演化判据，研究小世界网络的结构演化问题。     

基于数据库信息构建贝叶斯网络的GA方法

主要论述了以现实存在的大量数据库信息为基础构建贝叶斯网络 (BayesianNetworks ,BN)的主要问题。讨论了不确定性知识的图形表示方法 ,以及如何利用专家知识指导属性的排序与选择。鉴于网络结构的复杂度随论域中结点个数的增加呈指数上升 ,如何寻找最佳贝叶斯网络就成为NP -Hard难题 ,应用遗传算法 (GeneticAlgorithms,GA)给出了最佳贝叶斯网络设计的一种新方法 ,并进行了实例计算。     

关于前馈神经网络的激活函数与认知能力

讨论了目前前馈神经网络研究中存在的一些问题 ,给出了前馈神经网络的一种数学框架。在这种框架下 ,提出了网络神经元激活函数的选取原则 ,给出了前馈神经网络认知能力的概念 ,证明了静态前馈神经网络的认知能力是有限的。指出了网络的认知能力与激活函数、隐层神经元个数的选取都有关 ,并提出了隐层神经元个数的选取原则。最后 ,给出了前馈神经网络泛化能力的概念 ,指出前馈网络的泛化能力是有条件的。