论文部分内容阅读
由于复杂网络和许多现实网络有着紧密联系,复杂网络的研究引起了不同学科的广泛重视和关注。最近的研究结果表明网络中的核心节点受到攻击时,具有分形拓扑结构的网络比非分形拓扑结构的网络有更强的鲁棒性。因此,研究具有分形拓扑结构的网络生长机制对于提高网络鲁棒性具有十分重要的意义。
首先,本文回顾了复杂网络的特性、网络生长模型及一些现实世界中的复杂网络,讨论了复杂网络的研究现状及其研究意义。
其次,本文详细描述了复杂网络的平均最短路径长度,聚类系数,度分布,拓扑自相似性质等基本特性,重点阐述了三类复杂网络模型,小世界网络模型,无标度网络模型和分形网络模型。研究表明复杂网络不是随机网,而是具有一些重要特性的网络。虽然ER.模型、WS模型和BA模型是研究复杂网络的基本模型,但它们都不能准确描述现实世界网络。尽管分形网络模型具有无标度分布和分形特性,但不具有小世界效应,只能通过引入长跳,间接地产生小世界效应。
接着,我们分别从分形几何和复杂网络两个方面详细介绍了分形生长模型。一方面,我们介绍了分形几何中的规则和不规则分形,包括如Cantor集、Koch曲线、Sierpinski图形、扩散受限聚集模型、反应限制聚集模型和团簇.团簇聚集模型;另一方面,我们又介绍了复杂网络中的确定性和随机分形网络模型,包括Sierpinski网络模型、自相似层次化网络模型、伪分形网络模型、自相似动力学演化模型、in-silico模型和混合度分布模型。同时,我们还详细讨论了分形维数在分形几何和复杂网络中不同的测定方法。
最后,我们详细介绍了分形几何中扩散受限聚集模型。然后,我们从扩散受限聚集模型出发,通过研究其生长机制,提出了一种拓扑分形网络生长模型。该模型不仅具有拓扑分形结构,而且还具有层次化的模块结构,同时聚类系数可调。同时,我们还讨论了拓扑分形网络的鲁棒性,研究了拓扑分形网络模型在随机攻击和选择性攻击下的抗毁性,实验表明拓扑分形网络具有较高的抗毁性。