复杂网络牵制控制.pptVIP

* * 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 * * * * * * * * * * * * * * * * * * * 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。 * * 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, Chen G R. Pinning a complex dynam-ical network to its equilibrium. IEEE Transactions onCircuits and Systems I, 2004. ◆这方面的研究目前主要集中在对部分节点施加线性反馈而使得整个动态网络稳定在期望的同步状态. 在理论方面已经清楚的是, 只要网络的耦合强度和反馈控制增益合适, 那么只需控制部分节点就能够实现控制目标. * * 有效性问题 ◆ 即如何选取受控节点才能使得达到控制目标所花的代价尽可能小.这里的代价包括所需直接控制的节点数量、网络耦合强度和反馈控制增益幅值等. 已有的研究表明, 利用网络的拓扑特性,有选择地对网络中少量关键节点直接施加控制要比随机选择部分节点加以控制具有明显优势. 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, Chen G R. Pinning a complex dynam-ical network to its equilibrium. IEEE Transactions onCircuits and Systems I, 2004. * * 为系统的状态变量 为系统的状态变量 表示映像格子的空间坐标 表示耦合强度 表示局域动力学 胡岗等对有L个节点组成的一维离散时间最近邻耦合印象格子 规则网络的牵制控制 * * 受控制的状态方程为 其中I 是相邻的两个被牵制控制节点之间的距离. L=I 为被牵制节点的个数. 当j = 0时, 否则, 规则网络的牵制控制 * * gn是用来控制所牵制节点的反馈控制器.由于最初考虑的是常数输入,所以这种控制称为牵制控制.后