P2P网络电视拓扑测量方法研究与特性分析

测量分析P2P网络拓扑特征是解决P2P网络优化和网络监管等问题的基础。提出了基于边过滤的增量式拓扑爬行策略,根据此策略设计并实现了分布式拓扑爬虫系统PPTV_Crawler,并从爬虫效率和数据完整性两方面分析了PPTV_Crawler的性能优势。使用该爬虫分析了PPTV网络拓扑的平均节点度与用户量关系,节点度分布特性以及小世界特性。实验结果表明,P2P网络拓扑特征与其协议版本和客户端行为密切相关,PPTV网络中的节点间连接性随用户规模的变化而改变,且成正比关系;节点度分布受用户规模影响,用户规模大的网络节点度分布比用户规模小的网络呈现更加明显的幂律分布特征;用户规模大和用户规模小的网络均呈现小世界特性,且小规模网络聚集性更高。作者提出的基于边过滤增量式拓扑爬行策略为研究基于P2P技术的复杂网络提供了有效方法。     

制造协作网演化模型的研究

制造协作网的基本组成元素是各种分布、自治、不确定的虚拟化的制造资源,其拓扑结构和行为可按需动态演变,以满足随需而变的需求。为研究其网络特征,建立了制造协作网演化模型。在模型中,将制造资源和任务抽象为网络节点,节点之间的连接表示资源与任务的合作关系,并且在网络演化过程中考虑了资源的能力限制。通过对演化网络的分析,发现制造协作网是一个复杂网络且具有无标度特性。为后续研究合作激励机制、网络稳定性等奠定了基础。     

内部演化网络分析

分析了Barabasi-Albert(BA)无标废网络内部演化加边对网络结构的影响,考虑了线性和非线性择优连接.基于扩展的率方程方法,考虑引入新节点和内部加边引起的网络中巳有节点的度的变化率,得到了度分布的精确表达式.当择优连接为线性时,度分布服从幂律;对于亚线性择优连接,度分布呈拉伸的指数分布形式.对于超线性择优连接,边的两端都择优连接会出现几乎与网络中其他所有节点都相连的"凝胶"节点.     

动态融合复杂网络节点重要度评估方法

为挖掘复杂网络中的关键节点及提高网络鲁棒性,针对有/无线多网融合的层级网络,提出了动态融合复杂网络模型及其节点重要度评估方法.结合动态融合复杂网络的特点,定义了边连通概率、路径连通概率、网络连通概率、融合节点比例、融合节点分布和融合路径比例等与网络动态性和融合性相关的参数.在单层复杂网络节点重要度评估指标的基础上,设计了融合网络节点度中心性、节点介数中心性和节点融合中心性指标.其中,融合节点的节点融合中心性表示融合节点对网络融合的贡献程度,非融合节点的节点融合中心性表示非融合节点对网络融合的辅助作用程度,主要体现在作为融合节点之间的中继节点.最后,综合考虑网络拓扑结构、动态融合特性等因素进行节点重要度评估.以改进的动态交织风筝网络为例进行仿真分析,结果表明该方法能够比较全面地刻画节点在动态融合复杂网络中的重要性.利用NS2搭建由光通信网和卫星通信网融合构成的仿真实验网络,进一步验证了在仿真网络环境中本方法的有效性.     

带非线性优先连接规则增长模型的节点度分布

把非线性优先连接规则、每一时间步添加新节点或新边等考虑在内,提出了一种更一般的复杂网络增长模型,给出并采用概率方法严格证明了该模型的节点度分布表达式,利用节点度分布表达式计算了2个不同节点加权函数对应网络模型的节点度分布.研究结果表明,已有的一些著名网络模型为该模型的特例,相应网络模型的节点度分布也可由该模型的节点度分布表达式得到.此外,针对2个不同加权函数对应网络模型的实验结果表明,理论结果与仿真实验结果相符.     

基于拓扑有效连通路径的有向网络链路预测方法

链路预测旨在利用已有的网络拓扑信息来挖掘未知连边,具有较高的应用价值。大部分已有的基于拓扑结构的方法,关注节点对之间的路径数或者预测节点对的出入度,未有效挖掘节点对之间的连边长度和连边上节点的影响力对相似性的影响。针对此问题,该文提出了基于拓扑有效连通路径的链路预测方法,并分析了不同路径长度在节点度、半局部中心性和H-指数这3种不同衡量节点影响力指标下对节点相似性的贡献。通过8个真实网络仿真,发现H-指数能有效量化节点的局部影响力,且在3种衡量指标下均具有较高的预测精度。     

改进的BA网络拓扑结构的分析

改进的BA网络其节点生长采用多种择优生长方式,可分为线性和非线性择优生长。利用主方程方法分析了改进的BA网络其节点择优增长的演化特征,证明了改进的BA网络其节点度分布满足幂律分布的形式,若节点生长模式是线性择优生长,得到其度分布的幂指数介于2和3之间。随着这种网络结构的不断演化,其网络的性质与经典的BA网络模型的性质具有相似性。     

无标度合作网络的度分布

采用主方程方法计算了一类特殊的无标度合作网络的节点增长的动态性,证明了该网络是节点度分布符合幂律分布的无标度网络,其幂指数位于2和3之间.时间无限大时得到的度分布解的形式与BA网络的形式相似.     

能量有效的无线传感器网络无标度拓扑模型

针对无线传感器网络节点能量有限且易失效的问题,利用复杂网络理论提出了一种能量有效的无线传感器网络无标度拓扑模型. 该模型通过节点的剩余能量约束节点的发射半径,在拓扑演化过程中充分考虑节点剩余能量和节点度等因素,并引入能量调节参数和节点度调节参数,得出了一种幂率指数可以在[3,+∞)调节的无标度拓扑结构. 动态分析和仿真实验结果表明,该模型具有无标度网络的幂率特性,且具有较好的容错性和能耗均衡的特点.     

基于站点线路数的城市公交网络鲁棒性研究

以成都、重庆、昆明、贵阳和拉萨的公交站点网络为例,研究了节点依据站点线路数(途经某车站的公交线路总数)失效后网络的鲁棒性,并将所得结果与随机失效、度值选择性失效和介数值选择性失效进行了比较。首先分析了网络的拓扑特性;然后研究了不同节点失效方式下网络的静态鲁棒性;最后基于负载?容量级联失效模型,研究了网络的动态鲁棒性。结果显示:1) 各城市累积度分布和累积站点线路数分布近似服从指数分布;2) 公交站点网络的静态鲁棒性与网络的拓扑结构密切相关,累积度分布的指数越大,度值选择性失效下的网络越脆弱;3) 与静态鲁棒性的结果相反,在考虑级联失效时,动态度值选择性失效对网络的破坏性弱于静态度值选择性失效。     

中国大额支付系统节点强度分布研究

为解决我国大额实时支付系统节点强度分布的测算问题,提出用复杂网络的理论和方法对其建模的研究思路。经验证,基于地区间支付数据,这两个网络的节点强度分布都服从幂律分布,但幂指数不同。另外,这两个幂指数会随着设置的阈值变换而变化。同时,这两个支付系统网络都不具有小世界特性。     

考虑相依边负载的相依网络鲁棒性研究

针对现实中不同网络之间的连接边存在负载传递和容量约束的现象,提出了一种考虑相依边负载的相依网络级联失效模型,并将该模型运用到地铁公交相依网络上,分析不同交通网络之间的换乘所带来的负载分配问题。该模型综合考虑了相依边过载失效、相依节点故障和非最大连通子图节点损失的失效情况。通过调节攻击比例,分析不同负载重分配策略、不同的网络耦合方式与组合模式、网络的相依程度、不同边攻击方式下对相依网络鲁棒性的影响。结果表明:剩余容量分配策略能有效缓解相依边的过载失效,小世界网络组成的相依网络鲁棒性更好;提高耦合程度和子网络的平均度能有效提高相依网络的抗毁性;相较于相连边,攻击相依边对网络的鲁棒性影响更大。     

带去边机制的增长小世界网络的度分布

为了研究复杂网络的发展,学者们提出了许多模型和分析方法,提出了计算演化网络度分布的马氏链方法.本文将主方程方法和马氏链首达概率方法应用于一个去边机制与时间相关的小世界网络模型,得到这个模型度分布的精确表达式,并严格证明了度分布的存在性,说明马氏链首达概率法同样适用于小世界网络.     

分布式发电对配电网继电保护的影响分析

分布式发电作为一种新兴高效、经济的发电技术,近年来获得飞速发展.然而,大量DG的接入使系统由单一电源的辐射状网络变为一种遍布电源和用户互联的网络,使得配电网中的潮流分布发生根本变化,对系统的可靠性和稳定性提出了新的要求.本文详细分析DG上下游及相邻馈线不同地点发生短路故障,短路电流的大小和分布对继电保护及动作行为的影响,为并入DG后的配电网继电保护算法研究提供了一定的理论依据。     

DHC定理在有向含权网络上的推广及应用

节点影响力排序是网络科学研究领域的热点问题,对该问题的研究极具理论意义与应用价值。最近有研究将原本用于衡量科学家科研影响力的H指数,引入到复杂网络中刻画节点的影响力,并发现节点的度、H指数和核数的内在联系,称为DHC定理。本文在原有研究基础上提出了有向含权网络上的H指数,并证明了DHC定理在有向含权网络中仍然成立。在此基础上,本文比较了这些节点中心性指标在含权网络上进行节点排序的准确性和分辨力,并考察了权重因素对排序准确性的影响。最后本文用含权有向网络上的DHC定理深入分析了中国城市间微博转发网络,对中国城市的在线媒体影响力进行排名,并总结了信息在不同城市用户之间的传播模式。     

A novel scale-free network model based on clique growth

A novel scale-free network model based on clique (complete subgraph of random size) growth and preferential attachment was proposed. The simulations of this model were carried out. And the necessity of two evolving mechanisms of the model was verified. According to the mean-field theory, the degree distribution of this model was analyzed and computed. The degree distribution function of vertices of the generating network P(d) is 2m ² m ₁⁻³ (d − m ₁ + 1)⁻³, where m and m ₁ denote the number of the new adding edges and the vertex number of the cliques respectively, d is the degree of the vertex, while one of cliques P(k) is 2m ² k ⁻³, where k is the degree of the clique. The simulated and analytical results show that both the degree distributions of vertices and cliques follow the scale-free power-law distribution. The scale-free property of this model disappears in the absence of any one of the evolving mechanisms. Moreover, the randomicity of this model increases with the increment of the vertex number of the cliques. Foundation item: Projects(60504027, 60573123) supported by the National Natural Science Foundation of China; Project(20060401037) supported by the National Postdoctor Science Foundation of China; Project(X106866) supported by the Natural Science Foundation of Zhejiang Province, China