为减少先进科技跟踪成本,本文研究了原创科技复杂网络的约束反演模型,将传统直接获取科技信息的方式变为通过核心产品间接推理。本文所提方法首先通过跟踪国际先进技术,在大数据环境下跟踪和分析国外高科技核心产品的研发、生产、制造、销售等过程,而后通过对核心产品的技术属性和社会属性进行分析,借助各个渠道所收集的资料,理清楚与核心节点有直接关联的机构、单位、公司等,以此类推,不断拓展核心产品的关联网络,最终逐渐构建起一个能够进行约束反演推导的复杂网络。本课题所研究的约束反演推理的关键技术主要内容包括:(1)本文在构建复杂网络过程中提出了将实体节点向量化的方法,通过技术属性和社会属性来共同组成节点向量的元素属性,很好解决了社会元素作为节点难以形式化表示的问题;在网络拓展与反演推导过程中,阐述了用构建分值矩阵来解决整个网络中不同节点间强弱关联关系难以量化的问题;依靠向量化后的节点和节点间链路的权值,可以最终构建一个带权的复杂网络拓扑图。(2)本文提出了多种基于复杂网络的约束反演搜索算法,其中三种策略相结合的搜索方法具有更高的搜索效率,且其搜索重合度也较高。通过对变量触发事件分类,可以大大提高整个无向带权网络的约束反演速度和节点优化剪枝效率。在推演过程中构建了多个集合,如节点集合、路径集合、约束集合:节点集合是网络构建和扩展的基础;路径集合是路径最优化查找和各种搜索策略的基础;约束集合是整个网络查找和剪枝的主要基础。(3)本文将重合度最为最优化评价标准,即将当前路径与目标路径间节点覆盖程度作为评价指标。本文也提出了路径寻优评价指标,对于网络搜索和推演的方向性判断起到重要引导作用。在网络反演的正确率与效率方面,本文更侧重正确率方面的研究。综上所述,本文实现了面向科技网络的约束反演研究,为了验证本文所提出理论和方法的有效性,本文进行了实验测试,并将结果与蚁群算法、遗传算法相比较。实验结果表明,本文所提出的理论和方法能够快速反演出先进科技的来源,并具有良好可信度。