演化网络的Mandelbrot律

本文研究了满足线性择优模式的生长网络，解析得到了度分布的递推表达式，在此基础上证明了在一定条件下其近似解析解符合Mandelbrot分布p（k）∝（k+c）γ分布，并得到了幂律指数γ和漂移量c的具体表达式。文章指出了传统解析中差分近似中存在着对漂移量c的估计偏差，通过数值对比实验，验证了本文所提出的方法的准确性。     

红绿灯周期对二维交通流的影响及平均场理论

基于二维交通流Biham-Middleton-Levine(BML)模型,研究了不同红绿灯周期对交通状况的影响。模型模拟结果显示:随着车辆密度的增加,在一定的临界密度下,车辆的平均速度会突然从高速相变成低速相,并随着红绿灯周期的增大,这一临界密度非严格单调递减。对模型进行了平均场理论解析,其结果与模拟结果基本符合,并进一步解释了非单调现象。     

有无信号灯控制的T形交叉口元胞自动机模型比较

利用元胞自动机方法建立了一个具有三个进车道的信号灯控制的T形交叉口模型。在以前的无信号灯控制的模型中,一些进车道的车辆在交叉口只有一个行驶方向,而在本文模型中采用更为实际的两个行驶方向,并采用具有固定周期的三相信号灯来控制交叉口的车辆冲突。通过数值模拟给出了本文模型的相图和系统的总流量,并与无信号灯模型结果进行了比较。     

变型蔡氏电路中的混沌控制数值模拟研究

本文研究了用正弦信号调制变型蔡氏电路中的电容实现其混沌控制的方法,数值模拟结果表明：如果调制信号的频率大于系统变量的最高频率,则在不同幅度的正弦信号调制下,可使变型蔡氏电路由混沌状态转变到稳定的平衡点和2^nP周期轨道,而且发现当调制信号的振幅不变,其频率在一定范围内变化时,控制得到的周期轨道保持不变。这表明受控的混沌系统的运动轨道对外部扰动信号的频率具有锁定能力。     

一种基于混沌渐近同步的数字保密通信方法

根据驱动－响应混沌同步原理，提出了一种基于混沌渐近同步的数字保密通信方法。通过设计对发射信号进行多级单值非线性变换，使得通过预测法的攻击完全失效，因而这种通信方法具有较高的抗破译能力。理论分析和数值模拟结果证实了本方法的正确性与有效性。     

人类行为时空特性的统计力学

人类行为的定量化分析, 特别是时空统计规律的挖掘和建模, 是当前统计物理与复杂性科学研究的热点. 对人类行为的深入理解, 有助于解释若干复杂的社会经济现象, 并在舆情监控、疾病防治、交通规划、呼叫服务、信息推荐等方面产生应用价值. 该文综述人类行为时间和空间特性方面的研究进展, 内容包括人类行为时间特性的实证分析和建模, 人类行为空间特性的实证分析和建模, 以及人类行为统计分析的应用研究. 该文还将评述当前研究存在的亮点和不足, 指出若干亟待解决的重大理论和实际问题.     

元胞自动机模型及其在城市道路交通流中的应用进展

元胞自动机方法和相关建模技术是描述、认识和模拟复杂系统行为的强有力方法。如今,已被广泛用于交通系统的研究。交通流理论研究的目标是建立能描述实际交通一般特性的交通流模型,寻找交通流的基本规律,以揭示交通拥堵产生的机理。为了模拟更为符合实际的交通状况,各种交通流模型被提出。本文介绍经典的元胞自动机交通流模型及其在城市交通流中最新应用进展。     

基于复杂网络理论的大电网脆弱性研究综述

电网脆弱性是大电网安全研究的核心内容之一.在国内外电网大停电事故不断频发的背景下,传统方法难以有效地从宏观上系统地分析大规模连锁故障的产生和传播过程.随着复杂网络理论研究的不断发展和普遍应用,这种方法突破了传统方法分析连锁故障的局限性,为研究大电网脆弱性提供了新的视角和方向.对此,首先介绍复杂网络的两个基本模型及其常见评价指标;其次,详细阐述节点重要性发现、电网脆弱线路辨识、单个网络中连锁故障以及相依网络间连锁故障等方面的研究发展状况和应用情况,并综合分析了电网运行状态;最后,从复杂网络理论角度,对未来电网脆弱性研究方向进行总结和展望.     

用于非线性时间序列预测的POD-RBF神经网络

基于正规正交分解(Proper Orthogonal Decomposition,POD)提出一种适用于非线性时间序列预测的径向基函数(Radial Basis Function,RBF)神经网络模型-POD-RBF神经网络模型.该模型在选取中心时考虑了时间序列数据之间的时序关系,并且使得中心的选取具有并行性.股票价格预测问题的模拟结果表明,POD-RBF神经网络可以有效地用于非线性时间序列预测问题.与基于硬C均值(Hard C-means,HCM)聚类的RBF神经网络(HCM-RBF)和基于正交最小二乘(Orthogonal LestSquare,OLS)的RBF神经网络(OLS-PBF)相比,POD-RBF神经网络不仅具有更好的训练、预测精度,而且具有更好的收敛稳定性、更好的泛化能力和抵抗噪声干扰的能力.     

复杂网络研究的机遇与挑战

该文是2013年在杭州师范大学组织下所召开的复杂网络研讨会基础上的总结和拓展,包含了与会多名学者共同讨论修订后所认可的目前复杂网络研究面临的最主要的10个挑战,这些挑战既是当前复杂网络前沿研究的提炼,又结合了大数据发展的宏观背景。该文旨在为对复杂网络研究感兴趣的青年学者们提供具有参考意义的研究方向和建议。