论文部分内容阅读
现代生活中存在着各式各样的复杂系统,为了解决这些系统中引发的实际问题,从而使人们的生活越来越安全,方便,可以将这些复杂系统抽象成相应的复杂网络。即,将实际系统中的对象看作是节点,而对象之间的关系看作是连边。从而,通过研究复杂网络的特性为改善实际系统提出指导意见。聚集性是许多网络中呈现的重要性质之一,是指网络中出现大量三角形连边的概率。构建聚集网络模型,并对这类系统的鲁棒性进行定性定量的分析,对网络的管理,运行,安全,维护等方面有着重要的意义。关于聚集网络,已有的研究大都集中于单个的聚集网络以及只由依赖边耦合的相互依赖网络。因此,有必要对同时由依赖边和连接边耦合的聚集网络进行研究。 首先,我们通过引入联合度分布的生成函数的方法,基于渗流理论,研究了两个同时由依赖边和连接边耦合的聚集网络。当网络为全依赖时,我们得出了巨大簇大小P∞的解析解,与数值模拟结果一致。并且通过数值模拟展示了多种相变现象,并且分析了它们的特性。结果显示,随着依赖耦合强度的增加,系统发生的相变由二阶相变经过混合相变转变为一阶相变。对于弱依赖耦合强度qA对应的二阶相变,聚集性对网络的鲁棒性几乎没有影响。而对于强依赖耦合强度qA对应的一阶相变,聚集性越高的系统越脆弱。此外,当系统的聚集性越高,混合相变区域几乎不变,一阶相变区域变小,二阶相变区域变大。对于相同的c,网络之间的连接边密度越大,二阶相变区域越小。而每个网络内部的连接边密度越大,二阶相变区域越大。 接着,本文考虑了一类含依赖边与连接边的一一对应全依赖耦合的聚集网络模型,分析了系统中两个网络同时遭受攻击时发生的级联失效过程,并给出了巨大簇的解析形式。结果发现,分别随机移除A和B网络中1-p1和1-p2比例节点的情形,等价于随机移除其中一个网络1-p1p2比例节点的情形。 在此基础上,我们将模型推广到同时由依赖边与连接边耦合的n个聚集网络,提出了同时由依赖边与连接边耦合的n个聚集网络模型,并主要以星形以及环状结构的网络系统为例,在解析上分析了该系统在遭受随机攻击下的级联失效过程,并给出了巨大簇大小的解析形式。