一类图值过程不具有大团聚性一个充分条件-a sufficient condition for a class diagram value process not to have large aggregation.docxVIP

承诺书本人声明所呈交的博士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：第一章绪论1.1选题背景网络是顶点或节点以及边的集合。网络形式的系统随处可见，我们可通过形形色色的网络来描述自然界中存在的大量复杂系统[1]。例如，因特网、社会关系网络、万维网、组织网络、神经网络、公司间商务关系网络食物网、新陈代谢网络、分布网络、邮政运输路线分布、论文之间互引述而形成的网络，以及其它种种形式的网络。数学中以图论形式开展的网络研究是离散数学的基柱之一。1735年，欧拉提出的著名的七桥问题，这个问题解是首个真正的网络理论证明。二十世纪期间，网络发展成为一个重要的知识实体。钱学森给复杂网络的一个较严格的定义：具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。复杂网状结构描述各种各样的有着高智能及高技术重要性的系统。例如，国际互联网[2]被描述为通过各种物理的或无线的连接把计算机和路由器连接在一起的复杂网络；细胞[3-4]就被完美地描述为通过细胞内的各种物质的化学反应连接化学物的复杂网络；万维网[5-6]是一个网页通过超链接而连接起来的巨大的虚拟网；计算机网络[7]被描述为计算机通过通信介质相互连接形成的网络；奇想和理念在社会网[8-9]上传播，其节点就是人类，边就表示各种社会关系等等。这几个实际的例子具有典型性，它们代表了近年来引起科学界各领域进行研究复杂网络的拓扑结构，但由于研究条件和试验条件的限制等原因，了解这类交叉系统的愿望遇到了很大的困难。在过去几年中，我们渐渐认识到统计力学的工具也为描述这些交叉系统提供了一个理想的结构方法。复杂网络研究传统上属图论范畴。图论研究最初集中在规则图上，自从20世纪50年代起，无明确设计原理的大规模网络被描述为随机图，这是最简单也是被多数人认识的复杂网络。随机图首先由匈牙利数学家PaulErd?s和AlfrédRényi进行研究。自从采用该模型以来，它指导我们思考复杂网络。对复杂系统研究的科学家越来越多。复杂网络在社会科学中也得到广泛地研究。调查问卷发放是社会学中比较典型的网络研究，在进行此类调查问卷时我们要求被调查人详细地描述与其他人之间的互动关系。问卷调查中的顶点代表个人，而边代表人与人之间的相互作用关系，根据问卷调查结果我们可以构建一个网络。中心性研究，以及连通性研究是社会网络研究中比较典型的两个研究，其中所谓中心性即指存在与其它个体联系最为紧密的个体或存在具有最强影响力的个体，而连通性研究是指研究个体是否通过网络彼此发生联系，以及如何发生联系。以前是对单个的含顶点数较少的图和图中个体顶点或者边的属性分析进行的研究，近年来转变为对含有大量顶点数的图的统计属性的研究。可以看出复杂网络研究的焦点问题出现了一个新的重要的变迁。对于只有数十个或百数个顶点的网络而言，我们用实际的点和线就可以相对直接地画出网络图，并通过观察图来回答有关网络结构的特定问题。这也是自网络研究领域开创以来，分析家们首要采用的方法之一，人眼是一种非常强大的分析工具，用目光对网络图进行观察是一种了解其结构的极好方式。然而，这一方法对于一个拥有百万个或上亿个顶点的网络来说却不起作用，仅凭一人之力不能够做到即描绘也一个包含百万个顶点的网络图，同时又能够使其有意义，即使动用现代的3D计算机绘图工具也做不到这上点，从而要想通过眼睛观察进行直接地分析也是不可能的。所以很多的研究人员用大型网络量化的统计方法来尝试研究复杂网络。由于计算机和通讯网络的出现，使得这种新的研究方法得以实现。从此人们就可以收集并能够分析远远大于以前的规模的数据。由于网络规模的变化，所以我们必须相应地改变我们的分析方法，这种新方法就是主要集中在建立合适的数学模型，通过研究这些数学模型来揭示现实世界网络的各种拓扑性质。从数学的角度看，任何一个网络都可以抽象为一个由点集V和边集E构成的图。其中，结点代表网络中的元素，边代表个体间的关联性。许多网络演化模型都可以被看作状态空间是图集的马尔可夫过程。与经典随机图过程不同，图值随机过程研究节点和边都随机变化的图过程。这里，随时间的变化，节点的增加和删除是随机的，在删除节点的同时也删除该节点所连接的边。图值过程的大团聚性的形成机制引起人们极大的关注。实证表明真实网络具有大团聚性[10-12]。这里的大团聚性是指当网络规模趋于无穷时，网络中所有节点的团聚系数的平均值趋于