论文部分内容阅读
复杂网络往往具有复杂的拓扑结构和动力学行为,当今对于复杂网络的研究已成为复杂性研究的一个热点。现实世界的许多系统都可以用复杂网络来描述。研究复杂网络在当今社会的很多领域都有着广泛的应用和重要的意义。
实证研究表明许多现实网络都具有小世界和无标度的特性,特别是无标度特性是复杂网络研究的一个重大发现。为了解释这一性质,科学家们提出了基于增长和偏好连接的演化网络模型,其中最为典型的是著名的Barabasi-Albert无标度演化网络模型。
在偏好连接下,有两类典型的机制。一类是度偏好连接,即节点的度越大,获得边的概率越大,被称为“富者更富”。另一类机制则是“适者更富”,即节点获得边的能力与节点的内在适应度有关。在度驱动的机制下,目标节点总是被动地和新节点相连;而在适应度驱动的机制下,网络两个节点间连边的概率还与节点的适应度有关,从而就形成了“双向选择”机制。
本论文结合“适者更富”和“双向选择”两种机制,提出了一种新的演化网络模型,即基于双向选择机制的适应度驱动的演化网络模型。该模型每个节点都赋予了一个相应的适应度x,其值取自于一个给定的适应度分布函数ρ(x)。在演化过程中,要么以概率p增加1个新点进入网络,其具有适应度y,根据双向选择机制的连接概率函数f(x,y)偏好选择网络中的1个节点并进行连接;要么以概率1-p,也以同样的连接概率函数f(x,y)偏好连接网络中已有的2个节点。我们分别从理论和数值两个方面计算了模型的度分布,发现其呈单调递减趋势。当适应度是均匀分布的时候,度分布遵从指数衰减行为;当适应度分布不均匀的时候,度分布是幂律衰减的。进一步,我们模拟了模型的聚类系数和平均最短路径长度,发现该模型体现了较好的小世界特性。