复杂网络的同步能力与传播动力学基本性质-全国复杂网络学术.PPTVIP

复杂网络的同步能力与传播动力学性态 傅新楚，朱杰 （上海大学理学院，上海 200444） 摘 要 网络分类 规则网络: 规则网络具有很强规则性，例如全连接网络，环形，链形，星形网络以及格点和分形图等 随机网络:随机网络是指按照某种明确的统计规律生成的网络，与规则网络相对应，主要是经典的随机图模型及其派生出来的相关模型 小世界网络: 主要有WS改边小世界网络和NW加边小世界网络 无标度网络：BA无标度网络是第一个无标度网络。我们将主要讨论此类网络上的同步与传播问题 可导航网络 网络同步与传播动力学 复杂网络动力学的特点： 网络规模大，结构复杂; 节点之间的连接方式多样，如，方向可以不同，权重也可以不同; 网络具有时空复杂性，节点之间的复杂相互作用可导致同步、复杂的传播行为等; 复杂网络科学有着广阔的应用前景。 两种同步网络的构造 同步最优网络： 新加入节点的连接方式与网络中节点的度有关，需要注意的是，在同步最优网络生成的过程中，只是在每条新边加入时网络的同步化性能达到最优，并不能保证最终得到的整个网络的同步特性达到全局最优。这种同步最优网络有极少量的节点与大量节点相连接，而其余大部分节点的连接度数则很低。因此该网络同步化性能比无标度网络强，但在恶意攻击下容易被破坏。 同步优先网络：新节点连接概率与得到的网络的同步化性能成正比，它的连接度分布既不服从幂律分布又不服从指数分布，具有很强的鲁棒性。 理论分析…… 传播动力学 在SIS传染病模型中存在一个传染病阈值 ,当传染率大于该值时，感染个体能够将病毒传播扩散并使得整个网络感染个体总数最终稳定于某一平稳状态，此时称网络处于激活相态 ；如果有效传播率低于此临界值，则感染个体数呈指数衰减，无法大范围传播，网络此时处于吸收相态。 传染病阈值的大小决定了传染病在网络中传播的结果，是传播动力学中的一个重要的参数。 不同的网络特性以及免疫方式对传染病阈值的影响也不同。 非零阈值的存在性 具有分片线性传染力的网络存在正的阈值。 可以假设传染力函数为： 免疫前的阈值为： 随机免疫 若在网络中对节点随机进行概率为 的免疫，则阈值变为： 可以看出免疫是有效的，但是，免疫具有随机性，并没有考虑到复杂网络中节点的度对网络传播的影响，而且当传染病阈值趋于足够大时，免疫率也要趋近于1，理论上要对所有节点免疫才能够消除传染病，效率偏低。 目标免疫 在目标免疫中，定义一个整数 ，当节点的度大于它时进行免疫，度小于它时，不进行免疫，等于它时，以一定的概率进行免疫。 在计算过程中， 的正负性用于描述目标免疫相对与随机免疫的有效性，经过分析和数值模拟，可以得到，它总大于零，那就说明了当免疫率相等时，目标免疫比随机免疫更有效。 目标免疫的流行病阈值： 熟人免疫 该方法不需要知道整个网络的度分布，比较实用。 该免疫的传染病阈值为 为关于 的函数，经过计算，对于较小的 ，熟人免疫的有效性不如目标免疫，但是，当 大于一个常数时，熟人免疫的有效性超过了目标免疫，并且当 时， 有： 具体的分析过程见下页。 网络同步能力对传播动力学的影响 传染病在网络中同步传播的能力与网络中个体交流的密切程度有着很大的关系，当交流频繁时，传染病就容易在网络中同步传播。 网络上传染病同步流行的控制变为对网络中耦合强度的控制，当出现传染病时，若网络中的耦合强度足够大，传染病就容易在网络中同步传播；降低网络耦合强度，就能够有效地降低网络同步能力（不管是类型I还是类型II网络）,从而有效抑制传染病的传播。 根据实际传播网络的自适应性建立起不同类型的传播同步模型，即可研究网络传播率与同步稳定性之间的关系，数值分析结果进一步表明，如果传播网络越容易爆发，那么传播同步就越容易出现。 该项研究将揭示网络拓扑结构、网络同步动力学和网络传播动力学这三者之间相互依赖关系 (Ongoing research..)。 图 示： The End 谢谢大家! * * 2010第六届全国复杂网络学术会议 ，苏州大学，2010年10月15-18日 本文首先从无标度网络构造方式的区别开始，讨论了 网络在不同结构下的同步性和鲁棒性；随后，讨论了 传染病在无标度网络上的传染病阈值，以及在各种不 同免疫的条件下阈值的变化情况，并描述了在网络同 步的情况下传染病的传播动力学性态。该文还重点解 决了Physical Review E, 77 (2008) 036113一文中的 两个遗留数学问题，严格证明