关于自相似性的复杂网络.pptVIP

基于自相似性的复杂网络 报告人:陶少华 2005年10月 引言 复杂网络模型简介 自相似性复杂网络 结论 1引言 1960年数学家Erdos和Renyi提出了随机图理论，研究复杂网络中随机的拓扑模型，自此ER模型一直是研究复杂网络的基本模型。但是，近年来研究发现，测量现实网络的实际数据得到的许多实验结果与随机图模型并不符合，因此需要新的网络模型更合理的描述实际网络的特性。 Watts和Strgatz提出了小世界（WS）模型，刻画了实际的网络所兼有 的大的聚簇和短的平均路径距离的特性，然而现实世界中的网络还被发现极少数结点具有大量的连结而众多的结点仅有少量连结，这同样无法用随机图模型加以合理解释。因此，Barabasi和Albert提出了无尺度模型，所生成的复杂网络的度分布是幂律分布，，为网络中一个节点连结其它节点的边的条数。BA网络模型指出了决定互联网、万维网等网络具有无尺度模型的两个基本原理：增长性和择优连结。 。但它仍然具有一定的局限性，在现实在各种复杂网络常常具有一些非幂律特征，如指数中止、小变量饱和等。为了在微观层面更深入的研究复杂网络的拓扑结构和演化的规律，研究人员作了大量新的尝试和努力，对网络的演化已经有了长足的进展，已经研究的演化因素包括各种类型的择优连结、局域世界、适应度、竞争等等。 具体来说， Bianconi与Barabasi提出了适应度模型，并首先研究了竞争因素的影响。 李翔与陈关荣则提出了局域世界演化网络模型，他们认为局域性存在择扰连结在而对于全局并不适用。尽管众多的网络演化模型已经被用来分析和研究可能潜藏的演化规律，但这些研究工作仍然忽视了一些重要的因素。如计算机网络节点之间的连结，如果是按照择优连结概率，则新的节点会全部连结到一个节点，但现实网络并非如此，而是形成不同的集散节点。 这个例子说明了网络节点之间的连结有可能 共性才相连，因此建立并研究基于相似性的网络演化模型有利于我们更好地认识现实中的复杂网络。 2 复杂网络模型简介 复杂网络就是具有复杂拓扑结构和动力行为的大规模网络，它是由大量的节点通过边的相互连结而构成的图。根据不同的拓扑结构复杂网络可以分为规则网络，随机网络，小世界网络，无尺度网络等等 。 2.1 小世界网络模型 1998年，Watts 和Strogatz提出了小世界网络模型。这个模型介于规则网络和随机网络之间并在他们之间起桥梁作用。建立网络模型步骤如下 ： 初始化：从具有个 节点的环形网络开始，其中每一节点都与它初始的 个邻居相连（在每一边有 个邻居）。 随机化：以概率 随机为规则网络的每条边重新连线，同时保证没有自连结和重连边，这一过程引进 条长距离捷径（重新连结的边）边，它们连结那些拥有不同邻居的部分节点。当 =0时，对就的为网络规则图，当时， 对应的为随机网络图，当 介于（0,1）区间任意值时，模型显示出小世界特性 。 小世界网络的主要特点： 度分布为指数分布且峰值取平均值，每个节点有大致相同数目的连结数，平均路径短且聚集系数大如图，其中 为平均路径， 为聚集系数。小世界网络介于规则网络和随机网络之间，它实现了从规则到完全随机之间的连续演变。 2.2 无尺度网络模型 1999年，Barabasi和Albert提出了无尺度网络模型，它通过增加新的节点而实现连续增长，同时这些新的节点总是倾向于选择连结已经具有大量连结的节点。BA模型具体描述如下： 增长性：假设网络最初有 个节点。每一次加入一个新节点，每次加入的新节点通过 条新加入的连结边与网络中已有的 个节点相连。 优先连结：我们假设每个新节点与节点 相连的概率 都依赖于节点 的度 ，并且这个概率服从如下的规则： 根据上述步骤重复 次后得到一个有 个节点和 条边的网络 。 在1999年.Barabási,与Albert用数量模拟表明具有k条边的节点的概率服从指数为r=3的幂律分布，如图3： 无尺度网络的主要特点为度分布为幂律分布，极少数节点有大量的连结，而大多数节点只有很少的连结。同时，无尺度还具有某些重要特性，可以承受意外的故障，但对恶意攻击却很脆弱。 3 自相似性复杂网络 网络通过节点与节点相连成形成，节点与节点之间是通过某种共性而连在一起。如人际关系之中的“物以群聚，人以类分”。 3.1 自相似性网络模型 1975 年美国数学系教授曼德布罗特首次提出了“分形”这个概念，其原意是“不规则的、分数