信息传播的DFA分析

论文摘要

复杂网络可以被用来描述从自然到社会的各种系统。自复杂网络的无标度特性被发现以来,它受到越来越多的关注。目前,研究如何控制通讯流的堵塞是一个很热的课题。由于通讯网络不可能总是保持畅通无阻的状态,因此,如何维持整个通讯网络保持正常并有效地工作就是一个很重要的课题。为了更好的模拟网络中不同的节点拥有不同的能力,我们采用各个节点的产生数据包和处理数据包能力与它们各自的度相关的模型。在本文中,我们用DFA的方法,分析了从三种不同的路由策略中取出的数据信息的关联性。我们发现通讯数据的关联度可以被分成三个区域:弱关联、中度关联、强关联。其中,DFA的标度在弱关联区域和强关联区域是保持不变的,而在中度关联区域时逐渐增加的。我们认为复杂网络的通讯流可以分为三个相:自由相、缓冲相、堵塞相。这将比原来定义的两个相(自由相、堵塞相)更准确。

论文目录

• 摘要
• Abstract
• 绪论
• 第一章 复杂网络简介
• 1.1 复杂网络的基本概念
• 1.2 现实网络的类型
• 1.3 复杂网络的特征属性
• 1.4 复杂网络上的网络结构模型
• 1.4.1 随机网络（Erdos-Renyi模型）
• 1.4.2 小世界网络（Watts-Strogatz模型）
• 1.4.3 无标度网络（Barabasi-Albert模型）
• 1.5 本章小结
• 第二章 复杂网络中的信息传播
• 2.1 复杂网络上信息传播的发展历程
• 2.2 网络动力学模型
• 2.3 路由策略
• 2.3.1 最短路径策略
• 2.3.2 路径优化策略
• 有效路径优化策略
• 最优传输策略（最短时间策略）
• 2.4 本章小结
• 第三章 通讯数据的DFA分析
• 3.1 三种路由策略的信息数据
• 3.2 DFA方法介绍
• 3.3 分析结果的理论解释
• 3.4 本章小结
• 第四章 工作总结与展望
• 4.1 工作总结
• 4.2 展望
• 参考文献
• 攻读硕士期间发表论文
• 致谢