摘要： 兩棲水上飛機(jī)起降階段事故頻發(fā),研究其安全風(fēng)險(xiǎn)具有重要意義。為了探究?jī)蓷巷w機(jī)起降安全風(fēng)險(xiǎn)傳播機(jī)理,基于疾病傳染SEIRS模型,考慮兩棲水上飛機(jī)起降安全風(fēng)險(xiǎn)的傳播效應(yīng)和延遲效應(yīng),構(gòu)建了無(wú)標(biāo)度網(wǎng)絡(luò)上的兩棲水上飛機(jī)起降安全風(fēng)險(xiǎn)傳播延遲(D-SEIRS)模型,利用Routh-Hurwitz判據(jù)推導(dǎo)分析了模型平衡點(diǎn)的穩(wěn)定性,求解了模型的穩(wěn)態(tài)密度及基本再生數(shù)。運(yùn)用MATLAB軟件對(duì)模型進(jìn)行數(shù)值仿真,揭示了兩棲水上飛機(jī)起降安全風(fēng)險(xiǎn)的動(dòng)態(tài)傳播規(guī)律。結(jié)果表明:網(wǎng)絡(luò)中感染類節(jié)點(diǎn)的穩(wěn)態(tài)密度隨有效傳播率和傳播延遲時(shí)間的增加而增加;傳播延遲會(huì)減小網(wǎng)絡(luò)中風(fēng)險(xiǎn)傳播閾值,加快風(fēng)險(xiǎn)爆發(fā)平衡狀態(tài)的出現(xiàn);潛伏類節(jié)點(diǎn)的傳播率和感染類節(jié)點(diǎn)的傳播率均會(huì)導(dǎo)致感染節(jié)點(diǎn)和潛伏節(jié)點(diǎn)穩(wěn)態(tài)密度的增加,且潛伏節(jié)點(diǎn)的有效傳播率對(duì)網(wǎng)絡(luò)中的風(fēng)險(xiǎn)傳播影響更大。

摘要： 近年來(lái),隨著社交媒體的快速發(fā)展,線上網(wǎng)絡(luò)中信息的傳播慢慢占據(jù)信息交流的主導(dǎo)地位。依托于此,謠言傳播比以往任何時(shí)候都要更快、更深、更廣?？紤]到人們對(duì)謠言和真相的興趣度和政府對(duì)真相的覆蓋率對(duì)謠言傳播過(guò)程的影響,提出了一類新穎的基于無(wú)標(biāo)度網(wǎng)絡(luò)的IHRTS謠言傳播模型。利用平均場(chǎng)理論對(duì)謠言的傳播動(dòng)力學(xué)行為進(jìn)行分析,求出了基本再生數(shù)R_(0),證明了謠言消失平衡點(diǎn)和謠言流行平衡點(diǎn)的存在性,分析了基本再生數(shù)和平衡點(diǎn)之間的關(guān)系,并通過(guò)數(shù)值仿真驗(yàn)證了結(jié)論的正確性。理論分析表明:人們對(duì)真相和謠言的興趣度和政府對(duì)真相的覆蓋率均會(huì)影響基本再生數(shù),加大政府對(duì)真相的覆蓋率有助于減弱謠言的產(chǎn)生和傳播。該研究對(duì)于控制謠言的傳播具有一定的參考價(jià)值。

摘要： 移動(dòng)惡意軟件已經(jīng)對(duì)人們的生活造成了巨大的影響,并可能演變?yōu)橥{人們的財(cái)產(chǎn)安全的隱患。考慮惡意軟件自我防御意識(shí)和社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)SDIFB惡意軟件傳播的影響,提出了一種無(wú)標(biāo)度網(wǎng)絡(luò)上的惡意軟件傳播模型,并研究了惡意軟件的傳播動(dòng)力學(xué)。然后,使用平均場(chǎng)理論對(duì)模型進(jìn)行了詳細(xì)分析,得到了基本再生數(shù)、惡意軟件消除平衡點(diǎn)和惡意軟件流行平衡點(diǎn)。理論分析表明,基本再生數(shù)與人們的惡意軟件自我防御意識(shí)有很大的相關(guān)性。最后,通過(guò)數(shù)值模擬進(jìn)一步驗(yàn)證了理論分析結(jié)果。

摘要： 為了研究流行病的傳播動(dòng)態(tài)特性以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)異質(zhì)性和入院收治率對(duì)流行病傳播的影響,提出了一種基于無(wú)標(biāo)度網(wǎng)絡(luò)的SEAIRH流行病傳播模型。首先為了具體分析疾病傳播動(dòng)力學(xué)行為,利用平均場(chǎng)率方程求出了流行病傳播的基本再生數(shù)R_(0)。其次,為了詳細(xì)地了解流行病的傳播情況,求出了流行病傳播的無(wú)病平衡點(diǎn)和地方病平衡點(diǎn),即當(dāng)R_(0)1時(shí),流行病會(huì)持續(xù)傳播具有地方病平衡點(diǎn)。最后,利用MATLAB進(jìn)行了相關(guān)數(shù)值仿真進(jìn)而詳細(xì)地分析了入院收治率對(duì)流行病傳播的影響,結(jié)果表明當(dāng)入院收治率增大時(shí),流行病的傳播將減緩。

摘要： "雙循環(huán)"新發(fā)展格局下,以核心企業(yè)為主體實(shí)施國(guó)內(nèi)供應(yīng)商開(kāi)發(fā)戰(zhàn)略,對(duì)于我國(guó)解決企業(yè)核心技術(shù)對(duì)外依存度高和關(guān)鍵核心技術(shù)"卡脖子"問(wèn)題、持續(xù)提升國(guó)家競(jìng)爭(zhēng)力和全球高端資源的匯聚能力至關(guān)重要。為探究當(dāng)前經(jīng)濟(jì)環(huán)境下我國(guó)核心企業(yè)進(jìn)行國(guó)內(nèi)供應(yīng)商開(kāi)發(fā)的微觀決策互動(dòng)機(jī)制與宏觀演化現(xiàn)象,基于復(fù)雜網(wǎng)絡(luò)演化博弈方法,在構(gòu)建以核心企業(yè)為主體的無(wú)標(biāo)度網(wǎng)絡(luò)上,建立核心企業(yè)間開(kāi)發(fā)決策的博弈模型,通過(guò)仿真實(shí)驗(yàn)探究市場(chǎng)機(jī)制下網(wǎng)絡(luò)平均度與核心企業(yè)進(jìn)行國(guó)內(nèi)供應(yīng)商開(kāi)發(fā)的關(guān)系,并對(duì)供應(yīng)商開(kāi)發(fā)阻力及政府投入補(bǔ)貼對(duì)國(guó)內(nèi)供應(yīng)商開(kāi)發(fā)的影響進(jìn)行分析。研究為促進(jìn)國(guó)內(nèi)大循環(huán),強(qiáng)化供應(yīng)鏈核心企業(yè)責(zé)任,加快國(guó)內(nèi)供應(yīng)商開(kāi)發(fā)提供了一定的理論依據(jù)和解決思路。

摘要： 利用復(fù)雜網(wǎng)絡(luò)理論,研究城市反恐怖行動(dòng)中,軍警等多方反恐怖分隊(duì)作戰(zhàn)的協(xié)同關(guān)系,以G市反恐怖演練為背景,應(yīng)用樹(shù)狀網(wǎng)絡(luò)、WS小世界網(wǎng)絡(luò)和無(wú)標(biāo)度網(wǎng)絡(luò)分別構(gòu)建聯(lián)合反恐怖行動(dòng)分隊(duì)間無(wú)協(xié)同的傳統(tǒng)結(jié)構(gòu)模型、僅情報(bào)共享的信息融合結(jié)構(gòu)模型、僅突擊手協(xié)同的火力協(xié)同結(jié)構(gòu)模型和情報(bào)共享+突擊手協(xié)同的一體化結(jié)構(gòu)模型,分析城市反恐怖行動(dòng)模型的靜態(tài)特性指標(biāo)和網(wǎng)絡(luò)化效能系數(shù),對(duì)比四種模型的作戰(zhàn)效能,為提升城市反恐怖實(shí)戰(zhàn)中軍警聯(lián)合處置任務(wù)能力提供保障。

摘要： 目前,朋友圈轉(zhuǎn)發(fā)宣傳信息已經(jīng)成為一種普遍的傳播方式。為探究人為干預(yù)對(duì)朋友圈轉(zhuǎn)發(fā)宣傳信息傳播動(dòng)力學(xué)行為的影響,本文提出一個(gè)基于無(wú)標(biāo)度網(wǎng)絡(luò)的SPANR傳播動(dòng)力學(xué)模型。首先,利用平均場(chǎng)理論對(duì)人為干預(yù)下的動(dòng)態(tài)傳播進(jìn)行詳細(xì)分析。其次,用下一代矩陣法計(jì)算了基本再生數(shù)R_(0),并得到了兩個(gè)平衡點(diǎn),即當(dāng)R_(0) 1時(shí),信息傳播具有持續(xù)傳播平衡點(diǎn)。再次,詳細(xì)分析人為干預(yù)平衡點(diǎn)的全局漸進(jìn)穩(wěn)定性。理論分析表明,在人為干預(yù)下的宣傳信息的消失或持續(xù)傳播由基本再生數(shù)決定。最后,利用MATLAB的數(shù)值仿真驗(yàn)證了這一理論結(jié)果。

摘要： 面對(duì)復(fù)雜的網(wǎng)絡(luò)“,防控治”三相結(jié)合又便于操作的蜜網(wǎng)技術(shù)是一種非常有效的網(wǎng)絡(luò)攻擊對(duì)抗機(jī)制,它本身用來(lái)模擬易受攻擊的計(jì)算機(jī)網(wǎng)絡(luò)?；跀?shù)學(xué)建模的思想,在無(wú)標(biāo)度網(wǎng)絡(luò)中建立了一種蜜網(wǎng)效能評(píng)估動(dòng)態(tài)模型,并通過(guò)仿真實(shí)驗(yàn),研究了無(wú)標(biāo)度網(wǎng)絡(luò)中具象蜜網(wǎng)與常規(guī)服務(wù)器在數(shù)量、性能上的比較與聯(lián)系,為后續(xù)的蜜網(wǎng)研究提供借鑒,也為大環(huán)境中的網(wǎng)絡(luò)安全研究做出鋪墊。

摘要： 針對(duì)企業(yè)知識(shí)庫(kù)對(duì)隱性知識(shí)傳播的影響,基于經(jīng)典的傳染病動(dòng)力學(xué)理論,提出考慮知識(shí)庫(kù)的企業(yè)隱性知識(shí)傳播模型。首先,將企業(yè)員工分為未知者S、潛伏者Se、傳播者I、免疫者R四類;其次,利用微分動(dòng)力學(xué)和下一代矩陣方法計(jì)算模型的傳播閾值;最后,運(yùn)用MATLAB軟件對(duì)模型參數(shù)進(jìn)行數(shù)值仿真分析。研究結(jié)果表明,企業(yè)知識(shí)庫(kù)的建立可以促進(jìn)企業(yè)的隱性知識(shí)傳播,未知者自學(xué)率的提高可以增加企業(yè)傳播者密度,企業(yè)獎(jiǎng)勵(lì)強(qiáng)度的增大僅對(duì)傳播者有較大影響,對(duì)未知者和潛伏者影響較小。

摘要： 傳統(tǒng)的貝葉斯網(wǎng)絡(luò)方法對(duì)于新型智能化風(fēng)電機(jī)組獲取的“多元異質(zhì)”狀態(tài)信息、機(jī)組部件故障與狀態(tài)信息間的耦合關(guān)聯(lián)描述不全面,易造成可靠性評(píng)估結(jié)果不準(zhǔn)確。為此,建立一種融合故障樹(shù)、云模型及無(wú)標(biāo)度網(wǎng)絡(luò)的改進(jìn)貝葉斯網(wǎng)絡(luò)。引入迭代更新的思路,將改進(jìn)貝葉斯網(wǎng)絡(luò)與時(shí)序分析方法相結(jié)合,提出一種風(fēng)電機(jī)組動(dòng)態(tài)可靠性評(píng)估方法。算例結(jié)果表明,該方法不僅可以有效地利用風(fēng)電機(jī)組的實(shí)時(shí)狀態(tài)信息進(jìn)行定量的動(dòng)態(tài)可靠度計(jì)算,而且可以利用貝葉斯網(wǎng)絡(luò)、狀態(tài)結(jié)構(gòu)洞以及無(wú)標(biāo)度網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)狀態(tài)信息與“部件-狀態(tài)”結(jié)構(gòu)關(guān)聯(lián)特性的表達(dá),提高了動(dòng)態(tài)可靠性評(píng)估的準(zhǔn)確性。

摘要： 針對(duì)無(wú)標(biāo)度網(wǎng)絡(luò)面對(duì)隨機(jī)失效和選擇性失效在抗毀性上的雙重特性,結(jié)合網(wǎng)絡(luò)最重要的異質(zhì)性特征,引入單個(gè)系數(shù)控制網(wǎng)絡(luò)增長(zhǎng)中的優(yōu)先連接程度,優(yōu)化節(jié)點(diǎn)度值差距,在BA網(wǎng)絡(luò)的基礎(chǔ)上提出了基于適度優(yōu)先的無(wú)標(biāo)度網(wǎng)絡(luò)模型,它更具有一般性,通過(guò)近似證明和數(shù)值模擬進(jìn)行驗(yàn)證.基于適度優(yōu)先的無(wú)標(biāo)度網(wǎng)絡(luò)模型可以控制生成相對(duì)均勻化的無(wú)標(biāo)度網(wǎng)絡(luò).仿真表明,其可在面對(duì)隨機(jī)失效和選擇性失效時(shí)獲得較好的綜合抗毀性.

摘要： 本文從軍事信息網(wǎng)絡(luò)的概念出發(fā),研究了當(dāng)前網(wǎng)絡(luò)所使用的無(wú)標(biāo)度網(wǎng)絡(luò),分析了無(wú)標(biāo)度網(wǎng)絡(luò)的特點(diǎn),又基于DDS規(guī)范的數(shù)據(jù)分發(fā)模型,研究了無(wú)標(biāo)度網(wǎng)絡(luò)的抗毀策略,以及抗毀策略的技術(shù)分析,最后進(jìn)行了仿真的驗(yàn)證,得出了比較結(jié)果.

摘要： 首先分析了物流配送網(wǎng)絡(luò)逐漸由簡(jiǎn)單到復(fù)雜的演變過(guò)程,然后以一類典型第三方物流企業(yè)為主體的物流配送網(wǎng)絡(luò)為基礎(chǔ),以實(shí)際運(yùn)營(yíng)的物流配送網(wǎng)絡(luò)為研究對(duì)象,通過(guò)大量調(diào)研記錄網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)之間的關(guān)系,利用MATLAB程序?qū)崿F(xiàn)物流配送網(wǎng)絡(luò)節(jié)點(diǎn)度分布的計(jì)算,最后通過(guò)計(jì)算結(jié)果分析發(fā)現(xiàn)節(jié)點(diǎn)度分布的冪律指數(shù)符合無(wú)標(biāo)度網(wǎng)絡(luò)的特征,以物流配送網(wǎng)絡(luò)無(wú)標(biāo)度網(wǎng)絡(luò)的特征為基礎(chǔ),為建立物流配送網(wǎng)絡(luò)中的配送節(jié)點(diǎn)和客戶節(jié)點(diǎn)的生成模型提供理論基礎(chǔ)。

摘要： 用系統(tǒng)科學(xué)中的復(fù)雜網(wǎng)絡(luò)理論來(lái)分析科學(xué)知識(shí)的結(jié)構(gòu)問(wèn)題．結(jié)合科學(xué)知識(shí)的結(jié)構(gòu)特點(diǎn)，指出科學(xué)知識(shí)具有無(wú)標(biāo)度網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征．分析科學(xué)知識(shí)網(wǎng)絡(luò)的具體微觀機(jī)制，在B—A模型的基礎(chǔ)上提出修正方法．分析了科學(xué)知識(shí)網(wǎng)絡(luò)的穩(wěn)健性與脆弱性，闡明了科學(xué)革命中科學(xué)知識(shí)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變化機(jī)制．最后結(jié)合耗散結(jié)構(gòu)理論，定義了科學(xué)知識(shí)網(wǎng)絡(luò)的結(jié)構(gòu)熵，從科學(xué)知識(shí)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的角度，分析了科學(xué)演化的方向性和進(jìn)步性問(wèn)題．用系統(tǒng)科學(xué)的方法采研究科學(xué)的發(fā)展，對(duì)科擘哲學(xué)的研究具有方法論上的意叉．

摘要： 運(yùn)用Gephi等社會(huì)網(wǎng)絡(luò)分析工具對(duì)大數(shù)據(jù)網(wǎng)絡(luò)爬蟲(chóng)軟件集搜客采集的新浪微博有關(guān)楊寶德溺亡事件的話題數(shù)據(jù)進(jìn)行分析,實(shí)證研究導(dǎo)生關(guān)系輿情傳播的規(guī)律.研究結(jié)果發(fā)現(xiàn):輿情傳播網(wǎng)絡(luò)為無(wú)標(biāo)度網(wǎng)絡(luò),具有魯棒性和脆弱性;輿情傳播階段隨事件信息可獲取性和全面性而改變;輿情傳播結(jié)構(gòu)的核心節(jié)點(diǎn)和活躍節(jié)點(diǎn)具有可識(shí)別性.針對(duì)結(jié)果,對(duì)進(jìn)一步構(gòu)建導(dǎo)生關(guān)系提出了啟示.

摘要： 本文考慮投資者真實(shí)的羊群行為與偽羊群行為的區(qū)別，研究了無(wú)標(biāo)度社會(huì)關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)的人工股票市場(chǎng)中基礎(chǔ)價(jià)值投資者、噪聲交易者、投機(jī)者、趨勢(shì)交易者四類投資者真實(shí)羊群行為與股票市場(chǎng)宏觀特征的關(guān)系。通過(guò)構(gòu)建Agent之間的無(wú)標(biāo)度社會(huì)關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)，建立了一個(gè)多期人工股市模型，主要由信息傳遞機(jī)制、Agent關(guān)系與決策機(jī)制、市場(chǎng)交易機(jī)制三大模塊組成，該市場(chǎng)上有四種類型的投資者(基礎(chǔ)價(jià)值投資者、噪聲交易者、投機(jī)者、趨勢(shì)交易者)和一只股票，四種類型投資者都有各自學(xué)習(xí)與模仿的規(guī)則。Agent首先觀察公開(kāi)市場(chǎng)信息，然后根據(jù)自己的投資偏好形成當(dāng)期的投資決策，同時(shí)比較自己與鄰居記憶期內(nèi)平均得分的大小，如果自己的平均得分高于所有鄰居的平均得分，那么該Agent將遵從自己的意愿進(jìn)行買賣，否則將模仿鄰居中平均得分最高的Agent的投資行為。在所有的Agent都做出決策以后，做市商將根據(jù)當(dāng)期的買賣訂單來(lái)形成股票當(dāng)期的價(jià)格。最后利用Netlogo 5.0.5進(jìn)行反復(fù)的仿真實(shí)驗(yàn)及實(shí)證分析，結(jié)果表明:人工股市中市場(chǎng)收益率的波動(dòng)性隨著投資者總的羊群行為水平的升高而加劇，投資者總的羊群行為水平與市場(chǎng)收益率波動(dòng)性之間存在明顯的正相關(guān)關(guān)系。四種類型投資者羊群行為水平存在較為明顯的差異。

摘要： 本文通過(guò)分析突發(fā)群體性事件中信息的傳播特點(diǎn)，基于復(fù)雜網(wǎng)絡(luò)理論，按照一定的規(guī)則建立起一種群體性突發(fā)事件信息傳播模型,并通過(guò)pajek 仿真軟件計(jì)算該網(wǎng)絡(luò)特征參數(shù),得到其既具有小世界網(wǎng)絡(luò)特性又符合無(wú)標(biāo)度網(wǎng)絡(luò)特性的結(jié)論，為進(jìn)一步研究突發(fā)群體性事件的演化規(guī)律奠定基礎(chǔ)。

摘要： 本文首先從無(wú)標(biāo)度網(wǎng)絡(luò)構(gòu)造方式的區(qū)別開(kāi)始，討論了網(wǎng)絡(luò)在不同結(jié)構(gòu)下的同步性和魯棒性；隨后，討論了傳染病在無(wú)標(biāo)度網(wǎng)絡(luò)上的傳染病閾值，以及在各種不同免疫的條件下閾值的變化情況，并描述了在網(wǎng)絡(luò)同步的情況下傳染病的傳播動(dòng)力學(xué)性態(tài)。該文還重點(diǎn)解決了Physical Review E,77(2008)036113一文中的兩個(gè)遺留數(shù)學(xué)問(wèn)題，嚴(yán)格證明了不同免疫條件下閾值比較的兩個(gè)不等式。

摘要： 該文基于馬氏鏈的概念和技巧,給出了BA無(wú)標(biāo)度網(wǎng)絡(luò)模型穩(wěn)態(tài)度分布存在性的嚴(yán)格證明,并且從數(shù)學(xué)上重新推導(dǎo)了度分布的精確解析表達(dá)式.此處所用的方法具有一定的普適性,適用于更一般的無(wú)標(biāo)度型復(fù)雜網(wǎng)絡(luò)模型.

摘要： 針對(duì)BA無(wú)標(biāo)度復(fù)雜網(wǎng)絡(luò)這一類型的網(wǎng)絡(luò)結(jié)構(gòu)，用Lorenz混沌系統(tǒng)來(lái)描述網(wǎng)絡(luò)中的節(jié)點(diǎn)的狀態(tài)方程，通過(guò)構(gòu)建Lyapunov函數(shù)，對(duì)該網(wǎng)絡(luò)模型引入自適應(yīng)反饋控制策略，證明了該類網(wǎng)絡(luò)模型可以實(shí)現(xiàn)同步。這個(gè)控制策略簡(jiǎn)單實(shí)用，也有利于以后的實(shí)際工程設(shè)計(jì)。仿真結(jié)果表明該控制策略的有效性。

摘要： 本發(fā)明屬于無(wú)線網(wǎng)絡(luò)技術(shù)領(lǐng)域，公開(kāi)了一種弱連通有向無(wú)環(huán)無(wú)標(biāo)度網(wǎng)絡(luò)生成方法，包括：創(chuàng)建m個(gè)節(jié)點(diǎn)的小型隨機(jī)網(wǎng)絡(luò)，隨機(jī)決定m個(gè)節(jié)點(diǎn)之間是否存在無(wú)向連接；依次添加新的節(jié)點(diǎn)至網(wǎng)絡(luò)中，對(duì)每次添加的新節(jié)點(diǎn)確定與k個(gè)舊節(jié)點(diǎn)之間的連接關(guān)系；將網(wǎng)絡(luò)中的節(jié)點(diǎn)按照節(jié)點(diǎn)的度數(shù)從小到大排序，調(diào)整序列；將生成的序列作為最終的拓?fù)渑判蛐蛄袑?duì)無(wú)向圖進(jìn)行定向，所有無(wú)向邊方向都已確定，則結(jié)束。本發(fā)明提供的弱連通的有向無(wú)環(huán)無(wú)標(biāo)度網(wǎng)絡(luò)生成方法，能快速生成符合冪律分布的有向無(wú)環(huán)的無(wú)標(biāo)度網(wǎng)絡(luò)，同時(shí)保證該網(wǎng)絡(luò)弱連通(有向圖的基圖是連通的，但任意兩點(diǎn)之間不一定有通路)、每個(gè)節(jié)點(diǎn)的出度和入度均勻。

摘要： 本發(fā)明公開(kāi)了一種提高無(wú)標(biāo)度網(wǎng)絡(luò)傳輸容量的局部信息動(dòng)態(tài)路由算法，該算法同時(shí)考慮鄰居節(jié)點(diǎn)以及次近鄰節(jié)點(diǎn)的度值與隊(duì)列長(zhǎng)度信息，引入兩個(gè)可調(diào)參數(shù)α和β，分別調(diào)節(jié)度值與隊(duì)列長(zhǎng)度的路由偏好。本發(fā)明通過(guò)調(diào)節(jié)這兩個(gè)參數(shù)來(lái)改變網(wǎng)絡(luò)的傳輸能力。根據(jù)網(wǎng)絡(luò)由平衡態(tài)到擁塞態(tài)的相變來(lái)定量地描述出在不同參數(shù)下的網(wǎng)絡(luò)傳輸容量值，指出了最佳參數(shù)組合，并與傳統(tǒng)的基于局部信息的路由算法做了比較。

摘要： 本發(fā)明公開(kāi)了一種基于BA無(wú)標(biāo)度網(wǎng)絡(luò)理論的集裝箱班輪航線優(yōu)化方法，包括半以下步驟：S01:構(gòu)建集裝箱班輪船期數(shù)據(jù)庫(kù)；S02構(gòu)建集裝箱班輪航線網(wǎng)絡(luò)模型；S03構(gòu)造該網(wǎng)絡(luò)的特征集以判別網(wǎng)絡(luò)的類型；S04集裝箱班輪航運(yùn)網(wǎng)絡(luò)仿真優(yōu)化。本發(fā)明公開(kāi)了一種基于BA無(wú)標(biāo)度網(wǎng)絡(luò)理論的集裝箱班輪航線優(yōu)化方法，基于復(fù)雜網(wǎng)絡(luò)理論，以集裝箱班輪船期數(shù)據(jù)為基礎(chǔ)構(gòu)建海運(yùn)航線網(wǎng)絡(luò)，通過(guò)構(gòu)造該網(wǎng)絡(luò)特征集來(lái)判別網(wǎng)絡(luò)的類型，論證網(wǎng)絡(luò)屬于BA無(wú)標(biāo)度網(wǎng)絡(luò)，并分析其拓?fù)涮匦裕换贐A無(wú)標(biāo)度網(wǎng)絡(luò)性能提升理論，通過(guò)仿真實(shí)驗(yàn)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的節(jié)點(diǎn)處理能力、路由策略等核心參數(shù)的優(yōu)化，以尋找提高該網(wǎng)絡(luò)的通過(guò)能力的最優(yōu)策略，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)通過(guò)能力的優(yōu)化與提升。

摘要： 本發(fā)明屬于無(wú)線網(wǎng)絡(luò)技術(shù)領(lǐng)域，公開(kāi)了一種弱連通有向無(wú)環(huán)無(wú)標(biāo)度網(wǎng)絡(luò)生成方法，包括：創(chuàng)建m個(gè)節(jié)點(diǎn)的小型隨機(jī)網(wǎng)絡(luò)，隨機(jī)決定m個(gè)節(jié)點(diǎn)之間是否存在無(wú)向連接；依次添加新的節(jié)點(diǎn)至網(wǎng)絡(luò)中，對(duì)每次添加的新節(jié)點(diǎn)確定與k個(gè)舊節(jié)點(diǎn)之間的連接關(guān)系；將網(wǎng)絡(luò)中的節(jié)點(diǎn)按照節(jié)點(diǎn)的度數(shù)從小到大排序，調(diào)整序列；將生成的序列作為最終的拓?fù)渑判蛐蛄袑?duì)無(wú)向圖進(jìn)行定向，所有無(wú)向邊方向都已確定，則結(jié)束。本發(fā)明提供的弱連通的有向無(wú)環(huán)無(wú)標(biāo)度網(wǎng)絡(luò)生成方法，能快速生成符合冪律分布的有向無(wú)環(huán)的無(wú)標(biāo)度網(wǎng)絡(luò)，同時(shí)保證該網(wǎng)絡(luò)弱連通(有向圖的基圖是連通的，但任意兩點(diǎn)之間不一定有通路)、每個(gè)節(jié)點(diǎn)的出度和入度均勻。

摘要： 本發(fā)明涉及一種基于無(wú)標(biāo)度網(wǎng)絡(luò)的電力網(wǎng)絡(luò)安全方法及系統(tǒng)，其方法包括：實(shí)時(shí)獲取本地網(wǎng)絡(luò)的網(wǎng)絡(luò)節(jié)點(diǎn)信息，并根據(jù)其構(gòu)建本地網(wǎng)絡(luò)的BA無(wú)標(biāo)度網(wǎng)絡(luò)模型；所述網(wǎng)絡(luò)節(jié)點(diǎn)信息包括節(jié)點(diǎn)總數(shù)、每個(gè)節(jié)點(diǎn)的連接數(shù)以及節(jié)點(diǎn)之間的連接距離；根據(jù)所述BA無(wú)標(biāo)度網(wǎng)絡(luò)模型，調(diào)整每個(gè)節(jié)點(diǎn)的攻擊檢測(cè)類型中隨機(jī)攻擊和蓄意攻擊的優(yōu)先級(jí)；基于檢測(cè)到的蓄意攻擊的頻率和持續(xù)時(shí)間，確定啟動(dòng)本地網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)的主動(dòng)誘騙安全防御體系。本發(fā)明通過(guò)BA無(wú)標(biāo)度網(wǎng)絡(luò)模型確定電力網(wǎng)絡(luò)遭受蓄意攻擊的概率，再通過(guò)入侵檢測(cè)系統(tǒng)的網(wǎng)絡(luò)安全策略提高了電力網(wǎng)絡(luò)的安全性。

摘要： 本發(fā)明公開(kāi)了一種基于模體的無(wú)標(biāo)度網(wǎng)絡(luò)魯棒性度量方法，具體為利用網(wǎng)絡(luò)離散度從局部角度衡量網(wǎng)絡(luò)魯棒性，以及利用基于模體的節(jié)點(diǎn)度分布的熵從全局角度對(duì)網(wǎng)絡(luò)的魯棒性進(jìn)行粗粒度的衡量。網(wǎng)絡(luò)離散度能夠靈敏的感知網(wǎng)絡(luò)魯棒性的細(xì)微變化，而模體作為一種由節(jié)點(diǎn)構(gòu)成的高階網(wǎng)絡(luò)結(jié)構(gòu)，將模體應(yīng)用于網(wǎng)絡(luò)魯棒性度量，既考慮了節(jié)點(diǎn)本身對(duì)網(wǎng)絡(luò)魯棒性的影響，又考慮了節(jié)點(diǎn)間的依存關(guān)系對(duì)網(wǎng)絡(luò)魯棒性的決定作用。對(duì)網(wǎng)絡(luò)魯棒性的度量，能夠發(fā)現(xiàn)網(wǎng)絡(luò)對(duì)不同程度、不同類型故障的抵抗能力，然后進(jìn)一步針對(duì)不同的網(wǎng)絡(luò)及其應(yīng)用背景提出優(yōu)化網(wǎng)絡(luò)魯棒性的策略，提高系統(tǒng)的可靠性和穩(wěn)定性。

摘要： 本發(fā)明公開(kāi)了面向選擇性轉(zhuǎn)發(fā)攻擊的無(wú)標(biāo)度網(wǎng)絡(luò)分布式自適應(yīng)路由方法，屬于抵御選擇性轉(zhuǎn)發(fā)攻擊和級(jí)聯(lián)失效的路由方案領(lǐng)域，包括以下步驟：建立選擇性轉(zhuǎn)發(fā)攻擊模型；在選擇性轉(zhuǎn)發(fā)攻擊模型下，基于多項(xiàng)式原理的自適應(yīng)路由方法，給定一對(duì)源和目的節(jié)點(diǎn)及需路由的數(shù)據(jù)信息，使用數(shù)據(jù)可恢復(fù)的自適應(yīng)路由方法將數(shù)據(jù)信息傳輸?shù)侥康墓?jié)點(diǎn)；分析路由方法的級(jí)聯(lián)失效的影響，建立級(jí)聯(lián)失效模型，評(píng)估路由方法應(yīng)對(duì)蓄意攻擊時(shí)網(wǎng)絡(luò)的級(jí)聯(lián)失效抗毀性。本發(fā)明的路由方法不受不相交的最短路徑數(shù)量的限制，能恢復(fù)原始數(shù)據(jù)信息，抵御選擇性轉(zhuǎn)發(fā)攻擊，而且有助于實(shí)現(xiàn)負(fù)載合理分配，避免網(wǎng)絡(luò)中因負(fù)載量分布不均而導(dǎo)致魯棒性降低，從而防止觸發(fā)網(wǎng)絡(luò)的大規(guī)模級(jí)聯(lián)失效現(xiàn)象。

摘要： 本發(fā)明公開(kāi)了一種加權(quán)無(wú)標(biāo)度網(wǎng)絡(luò)修復(fù)方法，包括：獲取被控制節(jié)點(diǎn)集合和可用節(jié)點(diǎn)集合；從無(wú)標(biāo)度加權(quán)網(wǎng)絡(luò)中篩選出僅有一端與被控制節(jié)點(diǎn)相連的所有連邊，構(gòu)成單節(jié)點(diǎn)被損連邊集合；持續(xù)判斷單節(jié)點(diǎn)被損連邊集合中連邊的個(gè)數(shù)是否等于0，若否，則從單節(jié)點(diǎn)被損連邊集合中選取權(quán)重最大的連邊作為待修復(fù)連邊，從可用節(jié)點(diǎn)集合中選取負(fù)載最小的可用節(jié)點(diǎn)作為待用節(jié)點(diǎn)，并判斷待修復(fù)連邊與待用節(jié)點(diǎn)是否連接，若否，則以與待修復(fù)連邊連接的可用節(jié)點(diǎn)為待修復(fù)節(jié)點(diǎn)，建立待修復(fù)節(jié)點(diǎn)與待用節(jié)點(diǎn)的連邊，并對(duì)建立的連邊進(jìn)行權(quán)重賦值，將待修復(fù)連邊從單節(jié)點(diǎn)被損連邊集合中刪除。本發(fā)明能夠修復(fù)節(jié)點(diǎn)被控且節(jié)點(diǎn)無(wú)法修復(fù)的加權(quán)無(wú)標(biāo)度網(wǎng)絡(luò)，提高網(wǎng)絡(luò)修復(fù)的效率。

摘要： 本發(fā)明公開(kāi)了一種基于AI輔助博弈的無(wú)標(biāo)度網(wǎng)絡(luò)防御性能提升方法，屬于人工智能技術(shù)領(lǐng)域。一種基于AI輔助博弈的無(wú)標(biāo)度網(wǎng)絡(luò)防御性能提升方法，首先，將海量異質(zhì)設(shè)備構(gòu)成的無(wú)標(biāo)度網(wǎng)絡(luò)抽象為一個(gè)博弈環(huán)境，并設(shè)計(jì)一套博弈規(guī)則；網(wǎng)絡(luò)中存在攻擊者和防御者兩個(gè)智能體，對(duì)抗博弈在二者之間進(jìn)行；然后，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)來(lái)評(píng)估深度Q網(wǎng)絡(luò)中的動(dòng)作價(jià)值，并將博弈的狀態(tài)整合成張量形式，以此作為CNN的輸入；本發(fā)明結(jié)合了CNN網(wǎng)絡(luò)中節(jié)點(diǎn)的權(quán)重和網(wǎng)絡(luò)連接參數(shù)，來(lái)衡量防御者在博弈中特定動(dòng)作的價(jià)值。仿真結(jié)果表明，使用CNN作為策略的防御者智能體可以在均衡狀態(tài)下延遲攻擊者的入侵，并在保護(hù)高權(quán)重節(jié)點(diǎn)和保持網(wǎng)絡(luò)連通性之間取得平衡。

摘要： 本發(fā)明提供提高無(wú)標(biāo)度網(wǎng)絡(luò)彈性的優(yōu)化方法，包括：構(gòu)建拓?fù)鋬?yōu)化目標(biāo)函數(shù)；對(duì)煙花粒子群算法的參數(shù)進(jìn)行初始化，計(jì)算粒子的適應(yīng)度；判斷煙花粒子群算法是否達(dá)到總的迭代次數(shù)；判斷是否達(dá)到粒子群算法的迭代次數(shù)，選適應(yīng)度最大的n個(gè)粒子；將選擇的n個(gè)粒子進(jìn)行煙花爆炸和高斯變異；先從爆炸變異后的粒子里將適應(yīng)度最好的選出，再按照輪盤賭的選擇策略選出剩下的popsize?n?1個(gè)個(gè)體；輸出最優(yōu)適應(yīng)度值及對(duì)應(yīng)粒子群的位置；依照優(yōu)化結(jié)果修改無(wú)標(biāo)度網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，得到彈性獲得提升的工業(yè)互聯(lián)網(wǎng)拓?fù)?。本發(fā)明提供的提高無(wú)標(biāo)度網(wǎng)絡(luò)彈性的優(yōu)化方法，使得煙花粒子群算法的收斂速度和搜索能力增強(qiáng)，增強(qiáng)了網(wǎng)絡(luò)針對(duì)各種網(wǎng)絡(luò)攻擊的彈性。