对等网络的拥塞研究

对等网络的普遍应用带来了网络拥塞。从对等网络的拓扑属性研究网络拥塞，首先分析真实的Gnutella网络的流量，确定节点介数与网络拥塞之间存在关系。接着根据排队论模型从理论上给出了导致网络拥塞的临界负载与网络拓扑属性介数的公式解。最后设计拥塞控制策略，通过增加具有大介数节点的容量和这些节点间连接的方法来减轻网络拥塞。     

基于复杂梯度网络的能效优化路由算法

为缓解快速增长的网络数据带来较大的能耗,响应节能减排的发展需求,提高能源的使用效率,提出一种能效优化的路由算法。利用以无标度网络为底网构建的复杂梯度网络进行建模,定义节点"势",该节点"势"由邻居节点介数决定,并以节点"势"的大小为梯度构造梯度驱动传输策略,进行数据包的转发与传输。仿真结果表明,与最短路径路由算法相比,在有较大的网络数据请求时,该算法可以绕过节点介数较大的节点,避免发生拥塞,从而有效降低网络能耗,缩短数据包转发时间,达到网络能效优化的目的。     

基于交通引力场的复杂网络路由选择方法*

为提高网络吞吐量、缓解交通拥塞程度,结合复杂网络理论和引力场理论研究了在交通引力场下的动态路由选择过程,定义了传输路径对数据包的引力计算公式。基于路径的引力,顾及数据包的传输路径长度、节点畅通度及介数对传输过程的影响,提出了一种在介数约束下的引力场路由选择策略,并引入参数 用于调节路由过程对节点介数的控制强度。为描述数据包传输过程的有效性,引入有序参数 , 利用其由自由流到拥塞态的指标流量相变值度量网络的传输能力,并对网络节点拥塞分布情况进行了统计分析。仿真结果显示,与最短路由选择算法相比,本文路由策略较大地提高了网络传输能力,有效地均衡了网络交通负载,大部分节点均得到了高效利用,路由算法稳定、可靠。     

适合复杂网络分析的最短路径近似算法

基于互联网抽取的社会网络往往具有较大的规模,这对社会网络分析算法的性能提出了更高的要求.许多网络性质的度量都依赖于最短路径信息,社会网络等现实网络往往表现出"无标度"等复杂网络特征,这些特征指示了现实网络中最短路径的分布规律.基于现实网络的拓扑特征,提出了一种适合于复杂网络的最短路径近似算法,利用通过局部中心节点的一条路径近似最短路径,该算法能够方便地用于需要最短路径信息的社会网络性质的估算,为复杂网络的近似分析提供了一种新的思路.在各种生成网络与现实网络上的实验结果表明,该算法在复杂网络上能够大幅降低计算复杂性并保持较高的近似准确性.     

一种基于最短路径介数的重要节点发现算法

网络中重要节点的发现是研究网络特性的重要方面之一,在复杂网络、系统科学、社会网分析和互联网搜索等领域中具有广泛的应用价值。为提高全网范围内重要节点发现的效率和有效性,提出了一种基于最短路径介数及节点中心接近度的重要节点发现算法,通过最短路径介数的方法确定全网内的重要节点,利用中心接近度分析重要节点的重要性。测试结果表明,与同类的系统比较起来,该方法具有比较好的性能。     

复杂网络加边扩容策略研究

网络扩容策略是近年来复杂网络的研究热点,目前针对网络删边扩容研究已经颇为成熟,但加边扩容的研究还较为匮乏.根据网络容量与网络节点介数的最大值成反比的结论,提出了一种复杂网络加边扩容的策略,并与最低度添加边和最长最短路径添加边策略进行分析比较.实验表明:在添加边数目相同的条件下,提出的添加边策略不仅能有效减少网络平均最短路径,还可以最大化提高网络的容量.     

加权无标度网络的级联失效模型

在加权的无标度网络中,为了抵抗网络的级联失效,增强网络的鲁棒性,提出了一种参数可调的级联失效模型.该模型从全局和局域的角度,将节点介数、节点度、节点权重和邻居节点权重相结合构建节点的初始负载,并建立节点容量与初始负载的比例关系,当节点失效后,通过结合失效节点邻居的容量来制定负载重分配规则,进而通过对网络级联失效的分析,推导负载参数的演化过程,得出模型中的参数对网络鲁棒性的影响.最后,通过实验验证了所提方法的有效性.     

一种基于无标度局域世界演化网络模型的 无线传感器网络拓扑构建

无标度网络具有场景适应性强,且应对随机性打击效果较好等特点.为提高无线传感器网络的抗毁性能,从网络拓扑演化角度入手,构建具有无标度特性的网络拓扑.结合无线传感器网络中每个节点都有其通讯范围的特点,将无标度网络引入到无线传感器网络,且在择优演化过程中,各节点度不得超过设定值,构建基于无标度局域世界演化网络模型的无线传感器网络拓扑,并对模型进行仿真.从结果可明显看出,优化的模型中连边较短,即优化的模型平均最短路径降低,可有效减少数据收发过程中能量的消耗,延长网络生存周期,提高网络抗毁性.     

复杂社会网络的介数性质近似计算方法研究

随着计算机和互联网的迅猛发展,面向互联网的社会网络挖掘和分析成为一个新的课题。从互联网挖掘的社会网络往往规模巨大,这对网络分析算法的性能提出了更高的要求 。介数值作为图的重要结构性质,广泛应用于基于图的聚类、分类算法,如何降低其计算的复杂性是急需解决的问题。目前,常用的方法是利用对最短路径长度的近似来降低低网络分析算法的复杂性,但已有的近似方法没有考虑现实大规模网络的复杂网络特性,对最短路径长度的近似方 近似计算方法,其基本思想是结合复杂网络的结构特性,利用通过网络中枢节点的路径来近似最短路径,以近似的最短路径求得介数的近似值。这为图的结构性质的近似估算算提供了一种新颖的思路。通过与传统的介数计算方法和近的分析得到了若干有益的结论,为进一步的研究工作奠定了基础。     

考虑成本时拓扑可调无标度网络鲁棒性研究

为了研究无标度网络拓扑结构对网络鲁棒性的影响,结合对复杂网络鲁棒性有重要影响的节点介数和边权重两种指标,提出一种考虑成本的拓扑可调无标度网络攻击方法。该方法在攻击网络中节点（边）时引入了节点（边）的攻击成本因素,以节点介数（边权重）来近似衡量节点（边）的攻击成本,采用不同节点（边）攻击策略对网络进行攻击,并采用最大连通子图相对值作为网络鲁棒性测度指标,利用该方法对无标度网络的幂率指数、平均度与网络鲁棒性的关系分别进行了研究。结果表明,采用蓄意攻击策略时,对于同一节点（边）攻击成本,无标度网络的幂率指数越小或平均度越大,网络的鲁棒性越强。仿真实验验证了该方法的有效性与可行性。     

复杂网络算法中K—shell与介数中心性算法的实现

复杂网络中实现节点的中心性有许多算法,这些算法可以让人们快速识别出各种社交环境中的核心人物与话题。常用的中心性指标有度中心性．介数中心性、紧密中心性、特征向量中心性和K—shell分解方法。但是现有的理论中,仅仅提及算法的概念,并且实现的复杂性过高,算法的提及更多是用于分析阶段。为了解决这个问题,主要提出介数中心性指标和K—shell分解方法的程序实现。以便更好地应用于各种场合。     

带权超网络的度量方法及其性质

超网络是较通常意义上的复杂网络更为复杂的网络,该网络的每一条超边能连接任意多个节点的特性使其比复杂网络能更好地描述真实世界中的复杂系统。针对现有超网络研究中对超网络度量方法的缺陷与不足,提出了一种超网络度量方法——超网络维数（HD）,即为所有超边包含的节点权重之和与对应超边权重乘积和的对数值和节点权重之和与超边权重之和乘积对数值的比值的两倍。超网络维数可以应用于节点权重与超边权重为正实数、负实数、纯虚数,乃至复数等多种不同数值类型的带权超网络中。最后给出了超网络维数的若干性质。     

Incremental deployment of network monitors based on Group Betweenness Centrality

In many applications we are required to increase the deployment of a distributed monitoring system on an evolving network. In this paper we present a new method for finding candidate locations for additional deployment in the network. This method is based on the Group Betweenness Centrality (GBC) measure that is used to estimate the influence of a group of nodes over the information flow in the network. The new method assists in finding the location of k additional monitors in the evolving network, such that the portion of additional traffic covered is at least (1−1/e) of the optimal.     

基于社区的动态网络节点介数中心度更新算法

随着互联网技术的迅猛发展,社会网络呈现出爆炸增长的趋势,传统的静态网络分析方法越来越难以达到令人满意的效果,于是对网络进行动态分析就成为社会网数据管理领域的一个研究热点。节点介数中心度衡量的是一个节点对图中其他点对最短路径的控制能力,有利于挖掘社会网络中的重要节点。在图结构频繁变化的场合,若每次变化后都重新计算整个图中所有节点的介数中心度,则效率将会很低。针对动态网络中节点介数中心度计算困难的问题,本文提出一种基于社区的节点介数中心度更新算法。通过维护社区与社区、社区与节点的最短距离集合,快速过滤掉那些在网络动态更新中不受影响的点对,从而大大提高节点介数中心度的更新效率。真实数据集和合成数据集上的实验结果表明了论文所提算法的有效性。     

被动无线传感器网络的新数据传输模式

被动式工作环境下,无线传感器网络有其独特的特点。在已有的基于簇的数据传输模式的基础上提出了簇中建链的新传输方法。在簇中节点被唤醒后,由簇头将这些节点连接成链（Link）并随机选择链首,链首收集数据后发送到簇头。这种方式消除了多个唤醒节点同时向簇头发送数据造成的数据冲突现象,节省了节点传输能耗也使节点间的能耗更加均衡,从而延长了网络寿命。     

无线传感器网络节能分簇路由协议改进

有效地降低能耗,延长网络生存时间一直是无线传感器网络的研究热点.分析了LEACH协议并提出一种改进算法,该算法通过控制网络内冗余节点休眠,采用中转节点转发较远节点的监测信息,以减少网络中的冗余节点个数和簇首的数据通信量.仿真结果表明:新算法能有效节约网络能量,平衡节点能耗,延长网络生存时间.     

基于灰色理论的无线传感器网络信任模型

针对无线传感器网络(WSN)中通信节点精确评估的问题,提出了一种基于灰色理论的信任模型(GTTM)。该模型充分监测节点行为,构造样本矩阵,以灰色关联思想计算推荐节点的权重,以灰色聚类思想计算节点的信任值。仿真实验表明,与经典的基于信誉的信任管理框架(RFSN)模型比较,GTTM网络中通信节点的信任值收敛更加平缓,能够抵御恶意推荐,及时降低不可信节点的信任值,在网络遭受攻击时仍能获得较高的交易成功率;与基于Bayes估计的信任计算模(TCM-BE)比较,即使在推荐样本较少的情况下,GTTM仍能保持较低的恶意节点误报率。实验结果表明,所提模型能够准确评估节点的可信度,保证网络的可靠运行。     

无线传感器网络中基于能量优化的路由协议ANT-LEACH

经典路由协议LEACH采用自适应分簇算法,簇头与基站直接通信,因此一旦二者距离较远,则这种单跳传输方式将消耗较多能量,并最终导致整个网络运行失效。提出一种改进的基于能量优化的路由协议ANT LEACH,该协议将蚁群优化算法融入到簇头选路过程中,重点引入引力度函数概念对蚁群选择概率公式和信息素更新规则进行改进,充分考虑簇头节点的剩余能量,在簇头与基站之间找到一条能量最优路径,变单跳为多跳传输方式。仿真结果表明该协议有效地降低了节点能耗,延长了网络的生存时间,并保证了整个网络负载的平衡。     

一种低功耗自组织传感器网络协议

分析了无线传感器网络工作过程中的能量消耗问题,提出了一种低功耗网络协议。通过采用通信只在相邻节点间逐跳进行、用本地路由来缩短各节点到簇首领的传输路径、在中间节点进行数据融合以减少传输数据量以及簇内所有节点轮流充当首领传送采集数据给基站以平衡能量消耗等方法来降低节点工作时的能量消耗。实验结果显示,协议可有效延长节点和网络的工作寿命。     

基于图编码网络的社交网络节点分类方法

针对如何融合节点自身属性以及网络结构信息实现社交网络节点分类的问题,提出了一种基于图编码网络的社交网络节点分类算法。首先,每个节点向邻域节点传播其携带的信息;其次,每个节点通过神经网络挖掘其与邻域节点之间可能隐含的关系,并且将这些关系进行融合;最后,每个节点根据自身信息以及与邻域节点关系的信息提取更高层次的特征,作为节点的表示,并且根据该表示对节点进行分类。在微博数据集上,与经典的深度随机游走模型、逻辑回归算法有以及最近提出的图卷积网络算法相比,所提算法分类准确率均有大于8%的提升;在DBLP数据集上,与多层感知器相比分类准确率提升4.83%,与图卷积网络相比分类准确率提升0.91%。