网络与网络之间的参数识别和投影同步探究.docx

网络与网络之间的参数识别和投影同步 1引言 随着对复杂网络同步研究的不断深入，人们逐渐发现，在实际应用领域中，同步现象不仅存在于网络内部各个节点之间，而且一个网络和另一个网络之间，甚至多个网络之间往往也存在同步效应。因此，有关网络与网络之间的混沌同步研究就显得十分必要。目前，国内外对于复杂网络之间的同步已取得一些研究成果[1-3]，其中典型的如：Celikovsky等通过传输同步信号来探究动力学网络的广义混沌同步[4]，Li用线性矩阵法对集群的复杂动力学网络的延迟同步和状态进行了研究 [5]，Xu等通过自适应控制法研究了延时神经动态网络与网络的混沌同步现象[6]，Wu等采用偶合法进行了两个动态网络间的广义同步[7]等等。这些重要成果为人们进一步研究复杂网络间的混沌同步奠定了坚实的基础。但是，利用非线性耦合法，同时对控制器中的未知参量进行识别以及定义Lipschitz条件中参量的自适应律来实现网络间的同步还比较少见。因此，对这些内容的研究就显得尤为重要。 本章将复杂网络与目标系统之间的投影同步研究进一步扩展到网络与网络之间的投影同步研究中去。运用控制器的输入，根据Lyapunov稳定性定理，设计控制输入的结构，得出控制器中未知参量的自适应律及Lipschitz条件中参量的识别率，并在其调节下实现了无标度网络之间的投影同步。以非线性系统Van der Pol方程为例进行数值仿真模拟，发现两个复杂网络之间的同步效果良好，从而证明了该同步原理的正确性。 2网络与网络之间的同步原理分析 考虑一个任意的复杂网络有个节点，节点的状态方程是同结构的混沌系统。单个节点在不考虑耦合作用时所满足的状态方程为 (1) 其中是第个节点的维状态变量，。将系统的状态方程(1)适当分离为 (2) 考虑在耦合作用下的网络，由个同结构混沌系统作为节点构成的网络系统有如下形式： (3) 其中是构成网络内部节点之间的耦合强度，是网络连接的耦合矩阵的矩阵元。 在(3)式加一个控制器，则复杂网络具有下列形式 (4) 将(4)式所描述的复杂网络作为受控的响应网络。 设结构与响应网络相同的目标网络为如下形式： (5) 其中是目标网络内部节点之间的耦合强度，其网络内部节点的系统方程为 (6) 定义两个网络内部对应节点状态变量之间的误差为 (7) 式中为投影倍数。 则 (8) 构造Lyapunov函数 (9) 则的导数为 (10) 设计控制输入的结构为 (11) 定义控制器中未知参量的自适应律 (12) 将上述的自适应律代入(10)式，则 (13) 将控制器的自适应律代入(13)式，并利用Lipschitz条件，即对于实数，有下列关系式成立 (14) 则(13)式可化简为 (15) 定义Lipschitz条件中的自适应律 (16) 则的导数可化简为 (17) 若选择合适的，满足，则有。根据Lyapunov定理,这时，整个网络系统与目标系统之间达到完全同步。 3仿真模拟 非线性动力学系统具有分析、描述和模拟复杂现象的能力，Van der Pol方程正是一个简单而又典型的非线性系统，以Van der Pol方程建立的基本模型已被广泛地应用于研究人类情绪的复杂变化领域[8-9]。本章在进行同步仿真模拟时，选择Van der Pol方程作为网络节点来验证上述追踪同步原理的有效性。 Van der Pol方程描述如下: (18) 其中为系统的状态变量，和是系统的参量。当时，作出Van der Pol状态方程的最大Lyapunov指数随参量的演化关系如下图1所示。 图1 最大Lyapunov指数随参量的演化 图1表明，最大Lyapunov指数存在大于零的区域，那么在该