无人尺度网络结构化成因研究

无人尺度网络结构化成因研究

论文摘要

无尺度网络是一类结点度符合幂指数分布的复杂网络。分析无尺度网络的动态演化过程,合理解释其形成机制是当前复杂网络研究的热点问题。BA模型是分析和解释无尺度成因的主要工具,它将网络结构变化模拟为定向的选择过程。但事实上,网络结构的形成是多种因素综合作用的结果,形成过程并不具备明确的方向性。结合图论和博弈论的相关理论,本文尝试从新的角度剖析无尺度网络的动态演化过程,得出竞争和合作是导致复杂网络无尺度结构形成的内因。本文的主要工作和创新点列举如下:1)基于新的视角剖析无尺度网络的动态演化过程、设计算法并予以编程实现。借鉴图上博弈相关理论,本文首次把“亲缘选择”、“直接互惠”、“间接互惠”、“网络互惠”、“组间选择”等因素加以综合设计出基于进化规则的博弈算法,并将其用C++编码实现。2)设计多个实验模拟无尺度网络的结构化过程,首次确定无尺度网络成因是“竞争”和“合作”。本文从选取博弈策略、设置参数范围等方面设计多个实验来论证算法的合理性,并基于实验结果对博弈过程进行分析,最后得出本文的主要结论:“竞争”和“合作”是导致网络无尺度结构形成的内因。此外,我们用“外在适应值”表示个体获取成功的能力,“内在适应值”表示个体具有的内在品质,得出“‘外在适应值’越高的个体其‘内在适应值’往往也越高”、“利己的合作带来‘外在适应值’和‘内在适应值’双赢的结果”、“具有高‘不确定性’的个体若其‘外在适应值’很低,则最终有可能变成‘外在适应值’很高的个体”等实验结论。这些结论显示几乎所有无尺度网络都具有相似的内在演化机制。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题背景
  • 1.1.1 复杂网络概述
  • 1.1.2 无尺度网络概述
  • 1.2 研究现状
  • 1.3 本文主要研究内容
  • 1.4 论文结构
  • 第二章 图上博弈概述
  • 2.1 图论概述
  • 2.1.1 图论概念
  • 2.1.2 图论特点
  • 2.2 博弈论概述
  • 2.2.1 博弈论概念
  • 2.2.2 博弈论特点
  • 2.3 “图上博弈”基本理论
  • 2.3.1 生物进化的五种规则
  • 2.3.2 五种规则的关系
  • 2.4 小结
  • 第三章 基于进化规则的博弈算法
  • 3.1 基于进化规则的博弈算法基础理论
  • 3.2 算法详解
  • 3.2.1 基于进化规则的博弈算法考虑的五个因素
  • 3.2.2 付出值转移矩阵
  • 3.2.3 博弈者的属性
  • 3.2.4 博弈前提
  • 3.2.5 博弈过程图表示法
  • 3.3 算法分析
  • 3.3.1 算法流程介绍
  • 3.3.2 计算复杂度
  • 3.4 小结
  • 第四章 实验论证
  • 4.1 实验工具简介
  • 4.1.1 实验平台及环境简介
  • 4.1.2 分析软件简介
  • 4.1.3 自编程序简介
  • 4.2 实验假设
  • 4.3 实验过程分析
  • 4.3.1 选取博弈策略和博弈规则
  • 4.3.2 个体属性变化过程
  • 4.3.3 网络结构变化过程
  • 4.4 网络结点的度分布分析
  • 4.4.1 100 个结点
  • 4.4.2 1000 个结点
  • 4.4.3 10000 个结点
  • 4.5 小结
  • 第五章 实验结果分析
  • 5.1 个体决策分析
  • 5.1.1 两部分个体适应值分布
  • 5.1.2 每部分个体”合作”行为分析
  • 5.2 实验结论分析
  • 5.2.1 “合作和竞争”是导致无尺度网络结构化形成内因
  • 5.2.2 原本“外在适应值”很低的个体大幅度提高其“适应值”的原因探究
  • 5.2.3 “外在适应值”与“内在适应值”变化关系研究
  • 5.2.4 其他实验结论
  • 5.2.5 实验结论总述
  • 5.3 总结
  • 第六章 总结与展望
  • 6.1 总结
  • 6.2 展望
  • 致谢
  • 参考文献
  • 攻读硕士期间发表的论文
  • 相关论文文献

    • [1].具有适应值预测机制的遗传算法[J]. 国防科技大学学报 2014(03)
    • [2].基于适应值变化率的个体决策粒子群算法[J]. 现代电子技术 2014(14)
    • [3].适应值共享小生境遗传算法实现与性能比较分析[J]. 通化师范学院学报 2014(08)
    • [4].广义回归神经网络预测适应值的人工植物算法[J]. 电脑开发与应用 2013(07)
    • [5].浅谈模因复制过程中的适应值[J]. 考试与评价(大学英语教研版) 2014(06)
    • [6].基于进化个体模糊适应值估计的交互式遗传算法[J]. 控制与决策 2018(09)
    • [7].基于适应值模糊灰模型的交互式进化计算[J]. 计算机应用研究 2019(06)
    • [8].基于适应值曲面分析的全部局部极值搜索算法[J]. 系统工程与电子技术 2020(02)
    • [9].基于灰支持向量回归机预测适应值的交互式集合进化计算[J]. 控制与决策 2020(02)
    • [10].基于熵极大准则的非用户赋适应值交互式遗传算法[J]. 电子学报 2017(12)
    • [11].一种基于适应值分析的智能粒子群算法[J]. 计算机与现代化 2015(05)
    • [12].基于适应值引导的粒子群改进算法[J]. 计算机工程与应用 2015(14)
    • [13].基于适应值共享的多生境排挤遗传算法[J]. 计算机工程与应用 2009(05)
    • [14].基于进化个体混杂型适应值的交互式遗传算法[J]. 计算机工程 2018(11)
    • [15].适应值引导下的粒子群算法群体特性分析[J]. 电子制作 2019(18)
    • [16].基于爬山算子和适应值共享的改进遗传算法[J]. 广东工业大学学报 2011(01)
    • [17].基于适应值预测的DABC认知无线电频谱分配算法[J]. 计算机工程与应用 2016(18)
    • [18].最优多用户检测问题适应值曲面分析[J]. 南京大学学报(自然科学版) 2009(04)
    • [19].基于进化个体适应值灰度的自适应交互式遗传算法[J]. 计算机应用 2008(10)
    • [20].一种用于进化算法历史计算数据的高效利用方法[J]. 计算机工程与科学 2016(01)
    • [21].基于个体决策机制的粒子群算法及应用[J]. 科技信息 2013(13)
    • [22].一种改进的粒子群算法在云计算资源中的研究[J]. 微型机与应用 2017(06)
    • [23].基于极限学习机的车间节能目标预测方法[J]. 贵州大学学报(自然科学版) 2020(04)
    • [24].基于适应值欧式距离比的均衡蜂群算法[J]. 系统仿真学报 2015(05)
    • [25].一种改进的遗传算法交叉策略[J]. 湖南科技大学学报(自然科学版) 2012(01)
    • [26].基于联赛评价和知识提取的交互式遗传算法[J]. 山东大学学报(工学版) 2009(02)
    • [27].随机期望值模型的适应值预测差分进化算法[J]. 渤海大学学报(自然科学版) 2013(03)
    • [28].基于分群策略的混沌粒子群优化算法[J]. 计算机工程与设计 2019(02)
    • [29].基于过滤微粒群优化算法的虚拟企业伙伴选择[J]. 微型机与应用 2010(02)
    • [30].由一道实例看遗传算法[J]. 计算机光盘软件与应用 2014(09)

    标签:;  ;  ;  ;  ;  ;  

    无人尺度网络结构化成因研究
    下载Doc文档

    猜你喜欢