网络控制系统的预测控制算法研究进展

随着智能电网、大数据、云控制系统和遥操作系统等复杂网络控制系统的兴起，网络控制系统具有了广域、宽范围、大数据等新特点。因此，解决网络诱导的时延和数据丢包问题在复杂网络控制系统中更显重要。该文对网络诱导的时延和数据丢包进行了分析，对网络预测控制算法研究现状进行了分析和总结，并展望了网络控制系统未来的发展方向。该文旨在为复杂网络控制系统的预测控制提供理论基础和研究思路。     

高铁-普铁的实证双层网络结构与鲁棒性分析

双层乃至多层网络的结构与功能研究是近年来复杂网络研究的一个重要方向。该文根据2016年中国列车时刻运行表,提取全国453个高速车站和2 293个普通车站作为研究对象,构建了高铁-普铁交通双层复杂网络,接着对单层高铁网络、单层普铁网络及高铁-普铁双层网络的拓扑静态指标进行分析。最后利用网络的最大连通子图这一指标对这3种铁路网络模型进行可靠性分析,研究发现交通多层复杂网络的可靠性在高速铁路网络和普通铁路网络之间。此研究为双层网络的实证研究提供了新证据,而且有利于交通部门管理和规划交通网络。     

基于二阶信息的复杂系统弹性度量研究

基于节点最近邻信息,复杂系统弹性预测模型通过将多维方程映射为一维方程,度量复杂系统弹性。然而该模型并未引入节点二阶邻居的信息。基于复杂系统弹性预测模型,通过在映射过程引入节点二阶邻居信息,该文提出了一种考虑节点二阶邻居信息的复杂系统弹性预测模型,并在Barabási-Albert（BA）无标度网络、Watts-Strogatz（WS）小世界网络上验证了新模型的有效性,进而讨论了不同网络拓扑结构对新模型效果的影响。实验结果表明,在平均度不同的BA无标度网络和WS小世界网络中,基于节点二阶邻居信息的复杂系统弹性预测模型均可更准确地预测系统弹性。其中,网络平均度为2的BA无标度网络和WS小世界网络的系统弹性测量精度分别提高了79.89%和59.53%。且在同类网络中,网络平均度越小,基于节点二阶邻居信息的模型越适用。同时,针对同类型平均度相同的网络,改进后模型在BA无标度网络上的效果优于WS小世界网络。该文的研究为有效度量复杂系统弹性状态和设计弹性系统提供了科学的研究手段和理论支持。     

复杂网络动力学与智能控制

智能如何产生, 其动力学行为如何演化、如何控制? 针对这些问题, 本文从复杂网络和动力学系统的角度简要综述智能控制的相关研究: 讨论复杂网络、动力学系统、神经科学和智能控制交叉研究的内涵和挑战问题; 概述牵制控制、混杂控制、自适应控制及复杂网络可控性等研究进展。并探讨复杂网络动力学与智能控制在脑科学与机器行为学中的相关应用及研究方向。     

复杂网络爆炸渗流研究综述

该文对近几年来国内外学者关于爆炸渗流的相关研究作了详细的综述,总结了网络渗流研究中提出的典型模型及其主要结果,展示了关于爆炸渗流类型研究的主要结论,介绍了爆炸渗流在真实复杂网络中的应用研究状况,同时对未来爆炸渗流的研究提出了展望。     

复杂网络中的社团结构算法综述

社团结构是复杂网络的一个极其重要的特性,网络社团结构挖掘在生物学、计算机科学和社会学等多个领域都具有很重要的意义。近年来,针对不同类型的大规模复杂网络,人们提出了很多寻找社团结构的算法。该文综述了该领域最新的比较有代表性的一些算法,重点分析了基于模块度指标的改进算法,能够体现社团层次性和重叠性的新算法,衡量社团划分算法好坏的基准图。最后展望了该领域的未来研究方向。     

基于异常移动网络的地铁大客流演化研究

为了揭示城市轨道交通大客流的演化机制,该文引入了异常移动网络的概念,并利用复杂网络分析技术,对比研究了深圳地铁正常客流和大客流状态下异常移动网络的结构复杂性和动态演变过程;提出了能有效识别异常移动网络关键节点的指标。研究结果表明,随着大客流的集聚和疏散,异常移动网络呈现从入度“长尾”到出度“长尾”的演变,网络结构在无标度网络与随机网络间转换。研究结论可为地铁大客流预警、制定客流组织管理方案提供参考依据。     

复杂网络视角下跨社交网络用户身份识别研究综述

社交网络是一种具有交互特性的复杂网络,利用复杂网络具有的网络特性可以链接不同社交网络中的节点,并分析节点之间存在的联系,结合相关的匹配算法可以有效地识别出用户在不同社交网络上的虚拟账号,有助于各大社交网络为用户提供更好的服务。该文对近十多年来数据挖掘领域中提出的跨社交网络用户身份识别技术进行了系统性地综述,详细阐述了3类用户身份识别技术相似度的计算方法和统一的识别框架,利用相关的评价指标对分类后的用户身份识别技术进行性能评估,最后展望了跨社交网络用户身份识别技术的未来研究方向。     

识别流网络关键节点的虚拟外界投入产出分析法

网络关键节点识别是复杂网络研究的核心问题之一。经济学中的投入产出分析法可以用于评估带有外界流入流出量的开放流网络的节点中心性,但该方法不能直接应用于缺乏外界流入流出量的封闭流网络系统的关键节点识别。该文通过引入虚拟的外界节点将封闭流网络系统转化为开放的流网络系统,再在转换后的网络上进行标准的投入产出分析即可对网络关键节点进行识别。以中国铁路网络和世界粮农贸易网络关键节点识别问题为例,演示了虚拟外界投入产出分析法的应用过程与结果。该文方法为评估一般的封闭流网络系统中的节点中心性提供了一种可选手段。     

多层复杂网络上的渗流与级联失效动力学

多层网络描述了复杂系统之间或强或弱的耦合或联系.为了较为系统和全面地介绍基于渗流理论的多层网络鲁棒性研究,该文综述了多层网络跨层节点的依赖特征、层内节点的连接结构特征、层内节点的耦合特性和攻击方式对级联失效动力学和鲁棒性的影响.与单层网络完全不同,多层网络会在遭受攻击时发生突然性的崩溃;同时度分布异质性较强的多层网络会...     

基于LDA的复杂网络整体研究态势主题分析

复杂网络的研究发展非常迅速,已经对自动控制、统计物理、计算机及管理等学科产生了深刻的影响。然而,国内的主题发展态势一直缺乏系统、直观的分析。本文以2017年第十三届全国复杂网络大会的会议摘要文本为研究对象,从会议摘要主题分析的角度研究了国内复杂网络科研领域的整体发展态势。研究过程中首先对摘要文本进行预处理,通过建立自定义词典和停用词库对文本进行jieba分词,得到一个文档-词矩阵。然后用LDA主题模型对摘要主题进行挖掘,通过SVD分解确定主题数目,并基于摘要间的JS距离进行凝聚层次聚类,基于机构间的JS距离用Blondel算法对机构进行社团划分,最终得到10类会议主题和4类科研社团。实证结果不仅能分析出复杂网络宏观上的研究趋势与不同研究方向的热门程度;也能基于聚出的4类科研社团,为新进入复杂网络的研究者寻找对应研究方向的文献提供参考机构。     

复杂网络演化研究综述

首先对近年来复杂网络演化方面的研究进展进行了总结归纳,从网络演化部件、是否考虑权重、采用的演化机制、演化网络是否动态变化以及针对实际网络演化侧重的条件5个方面对当前复杂网络的演化模型进行了分类;其次从演化的时间尺度、权重与拓扑之间的关系、演化的复杂性3个方面指出了当前复杂网络演化研究存在的不足;最后提出了基于复杂适应系统理论来研究工程技术网络演化的框架。     

复杂网络中尺度研究揭开网络同步化过程

复杂网络的中尺度研究是目前复杂网络研究中的一个前沿方向。本文主要介绍复杂网络的Laplacian矩阵的特征值谱的性质,指出特征值谱与度序列的强相关性。并且,在中尺度意义下,研究了不同拓扑结构的复杂网络的同步以及广义同步过程,发现同步是从度大的区域开始。进一步揭示了社团结构和同步时间尺度都与网络的特征值谱有关,社团网络的同步过程表现为部分同步—聚类同步—全局完全同步,该过程有助于网络社团结构的识别。最后介绍了与网络中尺度研究相关的一些前沿工作。     

邮件网络免疫策略仿真

通过分析病毒在邮件网络中的传播,可以为复杂网络病毒传播研究提供依据.作者以交互式邮件网络为基础,对比分析了现有免疫策略以及基于介数信息的免疫策略对病毒扩散的抑制能力.实验结果表明,在已知全局信息的情况下,基于节点介数的免疫策略能更有效地抑制病毒传播.     

基于遗传BP神经网络的油气识别

为了建立一种有效的油气储层识别模型,使得能够处理大信息量、复杂样本空间油气信息,本文提出遗传BP神经网络模型,利用遗传算法全局搜索问题解的特性对BP神经网络的权值和阈值进行快速优化,约束BP神经网络训练学习过程。研究表明,相对于传统BP模型,遗传BP模型具有效率高、收敛速度快、适应复杂样本空间和大样本空间训练学习等优点。     

复杂网络节点重要性排序算法及应用综述

复杂网络中节点的异质性导致各个节点的重要性是截然不同的,而关键节点往往对网络的结构和功能具有巨大的影响力,所以通过节点重要性排序算法对关键节点进行挖掘的研究直受到各方面的关注。将复杂网络中关于节点重要性的排序算法进行研究,比较了各种方法的优势和缺陷,并对重要节点挖掘算法的应用方向和常用数据集进行介绍,最后对现有研究进行了总结,并对未来的研究方向进行展望。     

Identifying topologies and system parameters of uncertaintime-varying delayed complex networks

Node dynamics and network topologies play vital roles in determining the network features and network dynamical behaviors.Thus it is of great theoretical significance and practical value to recover the topology structures and system parameters of uncertain complex networks with available information. This paper presents an adaptive anticipatory synchronization-based approach to identify the unknown system parameters and network topological structures of uncertain time-varying delayed complex networks in the presence of noise. Moreover, during the identification process, our proposed scheme guarantees anticipatory synchronization between the uncertain drive and constructed auxiliary response network simultaneously. Particularly, our method can be extended to several special cases. Furthermore, numerical simulations are provided to verify the effectiveness and applicability of our method for reconstructing network topologies and node parameters. We hope our method can provide basic insight into future research on addressing reconstruction issues of uncertain realistic and large-scale complex networks.     

泛函网络模型及应用研究综述

回顾了近年来泛函网络模型及应用的研究进展,首先根据泛函网络模型结构的特点,将现有的泛函网络模型归结为两类典型的泛函网络模型;其次,给出一般泛函网络模型的学习过程;然后从时间序列分析、差分方程、CAD、非线性回归、数值优化计算、非线性系统辨识、检测和预测、复杂系统建模8个方面,介绍了泛函网络的应用现状;最后评述了泛函网络今后的研究方向和研究内容。