复杂网络模型及其结构检测的分析研究.pdfVIP

摘 要 摘 要 由于复杂网络和许多现实网络有着紧密联系，复杂网络的研究引起了不同学科的广泛重 视和关注。最近的研究结果表明网络中的核心节点受到攻击时，具有分形拓扑结构的网络比 非分形拓扑结构的网络有更强的鲁棒性。因此，研究具有分形拓扑结构的网络生长机制对于 提高网络鲁棒性具有十分重要的意义。 首先，本文回顾了复杂网络的特性、网络生长模型及一些现实世界中的复杂网络，讨论 了复杂网络的研究现状及其研究意义。 其次，本文详细描述了复杂网络的平均最短路径长度，聚类系数，度分布，拓扑自相似 性质等基本特性，重点阐述了三类复杂网络模型，小世界网络模型，无标度网络模型和分形 网络模型。研究表明复杂网络不是随机网，而是具有一些重要特性的网络。虽然ER模型、 WS模型和BA模型是研究复杂网络的基本模型，但它们都不能准确描述现实世界网络。尽 管分形网络模型具有无标度分布和分形特性，但不具有小世界效应，只能通过引入长跳，间 接地产生小世界效应。 接着，我们分别从分形几何和复杂网络两个方面详细介绍了分形生长模型。一方面，我 扩散受限聚集模型、反应限制聚集模型和团簇．团簇聚集模型；另一方面，我们又介绍了复 杂网络中的确定性和随机分形网络模型，包括Sierpinski网络模型、自相似层次化网络模型、 伪分形网络模型、自相似动力学演化模型、in-silico模型和混合度分布模型。同时，我们还 详细讨论了分形维数在分形几何和复杂网络中不同的测定方法。 最后，我们详细介绍了分形几何中扩散受限聚集模型。然后，我们从扩散受限聚集模型 出发，通过研究其生长机制，提出了一种拓扑分形网络生长模型。该模型不仅具有拓扑分形 结构，而且还具有层次化的模块结构，同时聚类系数可调。同时，我们还讨论了拓扑分形网 络的鲁棒性，研究了拓扑分形网络模型在随机攻击和选择性攻击下的抗毁性，实验表明拓扑 分形网络具有较高的抗毁性。 关键字：复杂网络，图论，小世界，无标度，扩散受限聚集模型，拓扑分形，鲁棒性 Abstract ABSTRACT Duetotheclose between networksand realistic relationshipcomplex many natⅥorks，the networks attractedconsiderableattentionin andotherfields． studyofcomplexhas physics recently studieson networkshaveshownthat ofscale-freenetworks Recently complex self-similarity makesuchnetworksmore asinisterattackonnodeswith robust against largedegree．ascompared tothe vulnerablenon-fractalnetworks．n忙refore．itisworth thenetwork very scale—free studying mechanismwithfractal toenhancenetwork’srobusmess． growth topology oar withtheresearch and of Firstly,webeginstudy backgrounddevelopmentcomplex