复杂网络建模与控制研究报告——BA无标度网络的牵制控制研讨.docVIP

复杂网络建模与控制期末研究报告 ——BA无标度网络的牵制控制 姓名： 学号： 专业： 摘要 本文首先简要介绍了复杂网络的相关知识，其次构造了一个BA无标度网络结构，并给出了网络的具体结构参数；然后以构造的BA无标度网络为研究对象，分析了耦合强度、牵制密度以及牵制强度三个参数对网络稳定性的影响；最后，分析和比较了特定牵制控制和随机牵制控制策略对网络稳定性的影响。目录 摘要 1 目录 2 1 复杂网络简介 3 1.1 复杂网络的介绍 3 1.2 复杂网络的常见网络模型 3 1.2.1 规则网络模型 3 1.2.2 随机网络模型 3 1.2.3 小世界网络模型 4 1.2.4 无标度网络模型 4 1.3 网络牵制控制 5 2 牵制控制稳定性条件 5 3 BA无标度网络模型的构造 5 4 不同参数对网络稳定性的影响 8 4.1 对网络施加牵制控制 8 4.1.1 Lorenz系统 8 4.1.2 BA无标度网络的状态方程 9 4.2 耦合强度对网络稳定性的影响 9 4.3 牵制密度对网络稳定性的影响 12 4.4 牵制强度对网络稳定性的影响 14 5 不同控制方法对网络稳定性的影响 15 6 总结 19 1 复杂网络简介 1.1 复杂网络的介绍 复杂网络是具有复杂的结构和/或具有复杂的节点行为的网络系统。网络系统的复杂性主要体现在：结构复杂性、节点复杂性、结构与节点之间的相互影响、网络之间的相互影响。 人们生活在一个充满着各种各样的复杂网络的世界中，例如：生命科学领域的各种网络（如细胞网络、蛋白质－蛋白质作用网络、蛋白质折叠网络、神经网络、生态网络）、Internet/WWW网络、社会网络流行性疾病的传播网络、科学家合作网络、语言学网络，等等学界关于复杂网络的研究方兴未艾。特别是国际上有两项开创性工作掀起了一股不小的研究复杂网络的热潮。一是1998年Watts和Strogatz在Nature》杂志上发表文章，引入了小世界(Small-World)网络模型，以描述从完全规则网络到完全随机网络的转变。小世界网络既具有与规则网络类似的聚类特性，又具有与随机网络类似的较小的平均路径长度。二是1999年Barabási和Albert在Science》上发表文章指出，许多实际的复杂网络的连接度分布具有幂律形式。由于幂律分布没有明显的特征长度，该类网络又被称为无标度(Scale-Free)网络。 图1-1 三种规则网络（） 1.2.2 随机网络模型 最经典的随机网络模型是ER随机图，分为具有固定边数的ER随机图和具有固定连边概率的ER随机图。后者的构造算法如下： 初始化：给定个节点以及连边概率。 随机连边： 选择一对没有边相连的不同的节点。 生成一个随机数。 如果，那么在这对节点之间添加一条边；否则就不添加边。 重复步骤①~③，直至所有的节点对都被选择过一次。 图1-2 和时所生成的随机图的三个实例 图1-2表示的是取节点数和概率时，所生成的ER随机图的三个实例。 1.2.3 小世界网络模型 作为从完全规则网络向完全随机网络的过度，只要在规则网络中引入少许的随机性就可以产生具有小世界特征的网络模型，现在常称为WS小世界模型。其构造算法如下： 从规则图开始：初始有数目固定的个节点，每个节点有个最近邻，构成一个规则的一维圆环。 随机化重连：以概率对圆环中的每一条边进行重新连接。这个过程不能自身连接和重复连接。 WS小世界网络模型具有明显的聚类和小世界特征，克服了规则网络模型和ER随机网络模型的不足。WS小世界网络模型如图1-3所示。 图1-3 WS小世界网络模型 1.2.4 无标度网络模型 构造BA无标度网络模型算法如下： 增长：从一个具有个节点的连通网络开始，每次引入一个新的节点并且连到个已存在的节点上，这里。 优先连接：一个新节点与一个已经存在的节点相连接的概率正比于节点的度： 经过个时间步之后，BA模型演化成一个具有个节点的网络。图1-4显示了参数为、的BA网络的演化过程。 图1-4 BA模型的演化（参数） 1.3 网络牵制控制 所谓牵制控制，就是对网络中的少部分节点施加控制而使得整个网络达到所期望的行为。其核心思想是网络中小部分节点能够“领导”网络的其他节点逐渐实现整个网络的同步。牵制控制的优势是控制器个数少，计算量小，资源花费少。这种“牵一发而动全身”的思想已在实际众多复杂系统中得到证实。 牵制控制分为特定牵制和随机牵制。特定牵制是根据节点的某些具体特性，比如节点的度，有选择地选取部分节点进行控制。随机牵制是在网络中以某一概率随机选择部分节点进行控制。 对于BA无标度网络而言，特定牵制控制效果和随机牵制