09复杂网络及牵制控制11.28.pptVIP

混沌的产生 湍 流(turbulence) 复杂、不规则、貌似游走无常的流体运动。 例如：水流的漩涡； 以前的理论解释：模态（modes）周期运动。 当流体受到外力的作用时，一定数目的模态就被激发出来； 没有模态被激发，流体就处于定常状态； 如果单一模态被激发，就是周期振荡； 如果几个模态被激发，流动变得不规则； 许多模态被激发时，就是湍流。 混沌的定义 设V为一个集合,f:V V称为在V上是混沌的,如果: f 对初始条件的敏感依赖性; f 是拓扑传递的; 周期点在V中是稠密的; 一维逻辑斯蒂映射 映射(mapping)也叫迭代(iteration) xn+1=2xn，若x1=3 ,则x2=6，x3=12……。 从控制系统的角度看，这也叫反馈(feedback)，把输出当作输入，不断滚动。很容易想到，反馈的结果有若干种： 发散的、收敛的、周期的等等。 但是我们要问一下，一共有多少种可能的运动类型?是否存在既不收敛也不发散，也不周期循环的迭代过程? 逻辑斯蒂映射的形式为 其中a是参数，取值范围是［-2,4］，通常人们只注意［0,4］这一半，其实另一半 ［-2,0］也一样有趣。x的取值为［0,1］。映射的不动点是指满足关系ξ=aξ(1- ξ)的相点ξ,解得ξ_1=0,ξ_2=1-1/a。设映射用 f 表示，f 的2次迭代记作f 2，3次迭代记作f 3，等等 。注意，这种记法不表示乘方关系。f 的不动点也叫f 的周期1点。f 2的不动点实际上是f 的周期2点。同理f n的不动点与f 的周期n点是一回事。 映射f 的周期m点的稳定性由乘子 完全决定。映射f 的周期点(包括不动点，它为周期1点)的稳定性可具体定义为： ｜λ｜＜1，吸引，稳定；｜λ｜＞1，排斥，不稳定；｜λ｜=1，中性；λ=0，超稳定。 以参数a为横坐标、以x的稳定定态(stable steady states)为纵坐标作图， 得到1、图2等。从图中可以看出开始是周期加倍分岔(也称周期倍化分岔或周期倍分岔)，然后是混沌，混沌区中又有周期窗口。窗口放大后又可见到同样结构的一套东西。此 所谓无穷自相似结构。 在洛斯阿拉莫斯国立实验室任职的费根鲍姆在研究周期倍化过程中，发现相邻分岔间距之 比收敛到一个不变的常数： 不仅仅对于逻辑斯蒂映射有这个常数，对于一维“单峰”映射，都能算出同一个常数 δ 来。 δ的含义是什么？意义何在？ 混沌 混沌可以说他是确定性的行为； 或者，若考虑他出现在稍微有点随机性的实际系统中，也可以说他是近似与确定性的，然而却不是看起来像确定性的。 在某些动力系统中，两个几乎一致的状态经过充分长的时间后会变得毫无一致性。 混沌可以理解为貌似随机的确定性。 牵制控制陈无标度网络到不平衡稳定点 为了将陈网络所有节点的状态都控制到平衡点，我们对网络中部分节点施加牵制控制。受控网络的状态方程为 四、牵制控制陈无标度网络到不平衡稳定点 根据稳定条件选择控制参数C=2.01745，d=1000.对一个50节点的由BA模型生成的陈无标度网络，只特定牵制控制其一个最大度节点，比牵制控制两个最大度节点所需要的耦合强度条件大的多。且控制过程中度最小的节点所能受到的影响也要慢的多。如下图所示（实线为最大节点的轨迹，虚线为最小节点的轨迹）。就特定牵制与随机牵制相比，控制整个陈无标度网络所需要花费的耦合强度及节点数目都要小的多。 报告提纲 四、一般复杂网络的牵制控制 李翔、汪小帆和陈关荣接着考虑了如下更为一般的动态网络模型 一般复杂网络的牵制控制 为了将动态网络控制到平衡点X ，定义如下的牵制控制 一般复杂网络的牵制控制 这里控制增益dik 0, 且各节点间耦合强度满足 不失一般性,重新编号被选择牵制的节点为前l 个节点,并定义如下的两个矩阵 一般复杂网络的牵制控制 再将方程(10)利用Kronecker卷积写成向量形式如下 一般复杂网络的牵制控制 一般复杂网络的牵制控制 定理 一般复杂网络的牵制控制 * * * * * * * * * * * 三、规则网络时空混沌的牵制控制 牵制控制的原始基本思想: 希望能够仅对网络中的一部分节点直接施加常数输入控制而达到有效抑制整个网络的时空混沌行为的目的.早期的工作包括由胡岗等人对由L 个节点组成的一维离散时间最近邻耦合映像格子所做的探索,未控制的状态方程为: 牵制控制基本问题 ◆一.可行性问题. ◆二.有效性问题. 牵制控制的可行性问题： 参考文献 1.Wang X F, Chen G R. Pinning control of scale-free dy-namical networks. Physica A, 2002, 310(3-4). 2. Li X, Wang X F,