论文部分内容阅读
当前对复杂网络的研究己经扩展到多个学科领域。研究方法由图论开始变得日趋多样化,研究工具计算机的运算性能也越来越强,因此对复杂网络的研究越来越深入。从关于复杂网络的小世界和无标度结构特性研究开始,对复杂网络基本拓扑结构特性的研究一直是研究重点。随着研究的深入,复杂网络自相似分形的拓扑结构特性被发现,复杂网络的研究进入了一个新的阶段。 本文主要是对复杂网络的分形特性进行研究,分析了复杂网络分形特性的产生根源和验证方法,应用加权的方法对不同的网络模型进行加权,并对加权前后网络的分形性进行验证,进而提出一种复杂网络拓扑结构重构算法来调整网络结构使其具有分形特性。 首先,介绍了复杂网络的基本统计特征及常见模型,接着着重描述了复杂网络的分形特性以及重整化群思想的应用。进而提出了一种同时具有无标度性和分形特性的复杂网络增长模型。 其次,本文探究了分形特性产生的根源,综述了几种常用的盒子覆盖算法:紧凑盒子燃烧算法,MEMB算法,贪心策略图着色算法。使用AdjustCD方法和WD方法对无向无权网络进行加权,使之成为一个无向有权的网络,并改进MEMB算法,使之适用于无向有权网络的分形特性验证。蛋白质相互作用网络和分形网络增长模型验证了加权后网络分形的一致性。 最后,我们提取网络的骨架树来研究网络和其骨架树的关系。研究结果表明具有分形特性的复杂网络与其骨架树的分形特性具有一致性。复杂网络可以看作是在骨架树附加不同类型捷径构成的,分形与非分形网络具有两种不同类型的捷径长度分布。进一步地,提出了一种基于骨架树的复杂网络拓扑结构重构算法并验证其有效性。 本文创新性地将盒子覆盖算法推广到实数域,使其适用于无向有权网络。同时,设计了一种基于骨架树的复杂网络拓扑结构重构算法。该算法能够有效地调整复杂网络结构使其从非分形网络向分形网络进行转化。