复杂网络模型演化研究

《复杂网络模型演化研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、西南交通大学本科毕业设计（论文）复杂网络模型演化研究年学姓专指级:2007级号：20071827名：杨艳清业：电气工程及其自动化2011年6月系级院年电气工程学院07电气6班专业电气工程及其自动化姓名杨艳清复朵网络模型演化研究指导教师指导教师签章）评阅人（签章）成绩答辩委员会主任签章）毕业设计（论文）任务书班级07电气6班学生姓名杨艳清学号20071827发题FI期：2011年3H1R完成FI期：2011年6月7F1题口复杂网络模型演化研究1、本论文的目的、意义研究复杂网络需要了解现有的各种复杂网络建模方法，毕业设计要求毕业生分析各种复杂网络模型，如随机网络模型、规则

2、网络模型、小世界网络模型、无标度网络模型等的基木性质，并对其优缺点进行比较。2、学生应完成的任务27习规则网络模型。3学习小世界网络模型。4学习无标度网络模型。5比较现有复杂网络模型的优缺点。3、论文各部分内容及时间分配：（共12周）第一部分（2周）第二部分（2周）第三部分（2周）第四部分（2周）第五部分（3周）评阅及答辩（1周）备注指导教师：年月日审批人：年月日摘要复杂网络存在于多个不同的科学领域中，包括物理学、经济学、生态学、社会学等等。很多的实际系统都可以用复朵网络来描述。结构决定功能是系统科学的基本观点。对复杂网络复杂性的研究就在于通过建立一定拓扑结构，掌握网

3、络的动态特性，发现对网络结构的影响因索，从而研究并且描述复杂网络的生成机制、演化规律和动力学行为。本文首先讨论了复杂网络的三个基本统计特征：平均路径长度、聚类系数、度和度分布；并在这三个统计特征量的基础上重点分析了现有的几种复朵网络模型：规则网络、随机网络、小世界网络、无标度网络。规则网络具有高的聚类特性和长的平均路径长度。随机网络具有低的聚类特性和短的平均路径长度。小世界网络实现了从规则网络到随机网络的转变，具有较高的聚类特性和较短的平均路径长度。随机网络和小世界网络的度分布都呈二项分布，近似于泊松分布，但通过实际统计数据发现，很多实际网络的度分布具有幕律形式，其标

4、度具有不变性，rt!此引出了无标度网络。无标度网络就是度分布为幕律分布的网络，文献表明实际网络大都具有无标度特性。本文还通过仿真计算了以上网络模型的统计特征量，并结合实际网络分析了实际网络与这些网络模型的契合程度，以期为复杂网络的分析与设计提供一定的参考。关键词复杂网络；网络模型；统计特征AbstractComplexnetworksexistinvariousfieldsofscienceandengineering,includingsuchasphysics,economics,bionomics,sociology,andsoon.Lotsofreal-wor

5、ldsystemcanbedescribedbycomplexnetworks.ItisthebasicpointofSystematicSciencethatstructuredeterminesfunction.Researchingthecomplexityofacomplexnetworkistohavemasteryofdynamicalproperties,discovertheinfluencingfactorsofnetworkstructurethroughbuildingthetopologicalstructures,consequently,l

6、earnanddescribethemechanism,theevolutionpatternaswellasdynamicalbehaviorsofcomplexnetworks.Thispaperfirstlydiscussesaveragepathlength,clusteringcoefficient,degreeanddegreedistribution,whicharethethreefundamentalstatisticalcharacteristicsofcomplexnetwork.Basedonthethreestatisticalcharact

7、eristics,severalexistingmodelsofcomplexnetworkareanalyzedinparticularly.Thesemodelsareregularnetworks,randomnetworks,small-worldnetworks,andscale-freenetworks.Regularnetworkshavegreatclusteringcoefficientandlongaveragepathlength・Randomnetworkshavelowclusteringcoefficientandshor