前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇復雜網(wǎng)絡分析范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

復雜網(wǎng)絡分析范文第1篇

關鍵字：物流網(wǎng)絡，復雜網(wǎng)絡，復雜性

1.引言

物流網(wǎng)絡是物流活動的重要體現(xiàn)，也是衡量物流活動有效性的重要指標。隨著人工，倉租以及燃油費用的上升，企業(yè)要想有效地控制物流成本和提升服務客戶的能力，就必須清楚地認識物流網(wǎng)絡的結構和功能，以及合理地對物流網(wǎng)絡進行管理，在達到滿足客戶需求的基礎上最大程度地降低物流成本的目的，從而大大增加企業(yè)的價值。

物流網(wǎng)絡系統(tǒng)是動態(tài)的復雜網(wǎng)絡系統(tǒng)，是復雜網(wǎng)絡系統(tǒng)的一個子集，因而它具有復雜網(wǎng)絡系統(tǒng)的大部分特征。復雜網(wǎng)絡理論的研究方法可以用來深入分析和準確研究物流網(wǎng)絡系統(tǒng)運行的客觀規(guī)律、物流網(wǎng)絡系統(tǒng)的結構和功能以及物流網(wǎng)絡系統(tǒng)的動態(tài)發(fā)展趨勢和規(guī)律。

2.物流網(wǎng)絡的研究現(xiàn)狀

Mortiz Fleischmann等對不同行業(yè)的產(chǎn)品回收物流網(wǎng)絡設計研究并概括產(chǎn)品回收網(wǎng)絡的一般特征，并比較它們與傳統(tǒng)的物流結構，此外，為不同類型的回收網(wǎng)絡得出一個分類方案【1】。姚衛(wèi)新等探討了在電子商務環(huán)境下，為滿足客戶需要所形成閉環(huán)供應鏈物流網(wǎng)絡的特點【2】。王建華等針對具有批量折扣和轉運的供應鏈優(yōu)化問題特征，提出供應物流網(wǎng)絡的概念及其優(yōu)化參數(shù)：節(jié)點、線路和流量【3】。楊光華等分析了區(qū)域物流網(wǎng)絡的結構并闡述了物流宏觀層面的特征，建立了基于加權網(wǎng)絡的區(qū)域物流網(wǎng)絡模型；從節(jié)點度和強度的分布、邊的權重差異度等對區(qū)域物流網(wǎng)絡的結構進行了定量分析【4】。吉迎東基于物流網(wǎng)絡的整體性和動態(tài)性，分析了中國煤炭物流網(wǎng)絡的特征【5】。韓舒怡等認為網(wǎng)絡化是物流發(fā)展的方向，物流網(wǎng)絡協(xié)同服務是物流網(wǎng)絡化的主要表現(xiàn)形式之【6】。

從研究方法看，目前從復雜網(wǎng)絡、復雜性來分析物流網(wǎng)絡的研究較少，對物流網(wǎng)絡系統(tǒng)的結構演化以及網(wǎng)絡演化的內部規(guī)律探討較少。從研究理論的視角來看，當前的研究往往基于靜態(tài)、局部的視角，通常把物流網(wǎng)絡系統(tǒng)的結構看成是相對穩(wěn)定的、靜止的，并試圖優(yōu)化網(wǎng)絡系統(tǒng)中的物流、資金流和信息流，而沒有充分注意到物流網(wǎng)絡系統(tǒng)的動態(tài)適應性問題，沒有從系統(tǒng)的整體運行規(guī)律上來考慮問題。在實際操作中，物流網(wǎng)絡系統(tǒng)的結構是可根據(jù)企業(yè)的整體需要來改變的，目前的研究不能說明物流網(wǎng)絡的形成演化機制，不同行業(yè)的物流網(wǎng)絡為何有顯著差別等問題。因此，有必要深入挖掘復雜網(wǎng)絡理論、復雜性理論在物流網(wǎng)絡分析中的應用價值。

3.物流網(wǎng)絡的復雜網(wǎng)絡特征

物流網(wǎng)絡的小世界網(wǎng)絡特征。研究表明：小世界網(wǎng)絡具有高集聚系數(shù)和較小的平均路徑長度。物流網(wǎng)絡的聚集系數(shù)和平均路徑長度反映了小世界的復雜性網(wǎng)絡特征：

（1）平均路徑長度是指網(wǎng)絡中所有節(jié)點對之間的平均最短距離。網(wǎng)絡中任意兩個節(jié)點i和j之間的距離 定義為連接兩個節(jié)點的最短路徑。網(wǎng)絡的直徑為網(wǎng)絡中任意兩個節(jié)點之間距離的最大值，記為D= 。在無向網(wǎng)絡中，網(wǎng)絡中節(jié)點對之間最短距離的算術平均值為平均路徑長度L，其公式為：L= 。其中，N表示網(wǎng)絡中的節(jié)點總數(shù)。平均路徑長度公式中包含了每個點到自身的距離（為0）。對于物流網(wǎng)絡來言，平均路徑可以表示產(chǎn)品交付給客戶的時間也可以表示配送產(chǎn)品或者中間產(chǎn)品到客戶的費用。隨著商品生命周期不斷縮短的同時客戶對配送時間要求的提高，如何以最小費用、最短時間內將產(chǎn)品交付客戶成為節(jié)點企業(yè)生存與發(fā)展的戰(zhàn)略問題。物流網(wǎng)絡中的任何一個節(jié)點企業(yè)為了在激烈的競爭中保持優(yōu)勢，必須做到以下幾點：注重信息網(wǎng)絡的建設，加快信息流通的速度，減少產(chǎn)品運輸距離，提高自身協(xié)調和反應能力，建立配送物流中心，使物流網(wǎng)絡具有較小的平均路徑長度。

（2）聚集系數(shù)是衡量網(wǎng)絡集聚特性的統(tǒng)計量，其定義有很多種不同的表述方式，本文介紹一個Watts等人提出的定義【7】： 假設網(wǎng)絡中的某個節(jié)點i有 個節(jié)點與它相連，這 個節(jié)點就稱為節(jié)點i的鄰節(jié)點，這 個節(jié)點之中最多可能有 條邊， 因此這 個節(jié)點之間實際存在的邊數(shù) 和總的可能邊數(shù)為 之比為節(jié)點i的集聚系數(shù) ： = 。對于度為0或1的節(jié)點，上式中的分子和分母均為0，故認為集聚系數(shù) =0。所有節(jié)點i的集聚系數(shù) 的平均值是網(wǎng)絡的集聚系數(shù)C，記為：C= 。對物流網(wǎng)絡而言，平均聚類系數(shù)是物流網(wǎng)絡節(jié)點企業(yè)之間相互連接和交流的程度。隨著計算機技術和互聯(lián)網(wǎng)技術的高速發(fā)展，越來越多的企業(yè)應用信息技術和互聯(lián)網(wǎng)建立連接，如ERP、EDI系統(tǒng)的使用等。通過信息共享，使得物流網(wǎng)絡中各節(jié)點企業(yè)之間的聯(lián)系更加緊密，交流更加頻繁。因此，物流網(wǎng)絡具有較高的聚集系數(shù)。

度分布是網(wǎng)絡的一個重要統(tǒng)計特征，節(jié)點的度指是與節(jié)點連接的邊數(shù)【8】。Barabdsi和Albert在1999年提出了著名的BA模型，準確地描述了無標度網(wǎng)絡形成的機制。無標度網(wǎng)絡最大的特點在于網(wǎng)絡的度分布自相似性結構和存在節(jié)點度很大的節(jié)點。一個節(jié)點的度越大，表示它在網(wǎng)絡中的重要性就越大。節(jié)點的度可以根據(jù)其鄰接矩陣來定義，將其定義為： 。網(wǎng)絡中節(jié)點的度分布可用函數(shù)P（k）來表示，它表示網(wǎng)絡中任意的一個點，度值為k的概率。從統(tǒng)計學上來講，即為網(wǎng)絡中度數(shù)為k的節(jié)點個數(shù)與網(wǎng)絡節(jié)點總數(shù)的比值：P（k）= 。其中， 表示網(wǎng)絡中度數(shù)為k的節(jié)點個數(shù)，而N表示網(wǎng)絡中總節(jié)點個數(shù)，即網(wǎng)絡的規(guī)模。網(wǎng)絡的節(jié)點平均度為網(wǎng)絡中所有節(jié)點i的度 的平均值。從目前的研究來看，兩種度分布較為常見：一種是指數(shù)度分布，P（k）隨著k的增大以指數(shù)形式衰減；另一種分布是冪律分布，即P（k）- 。物流網(wǎng)絡中，通常都有一個或者多個核心企業(yè)，眾多的節(jié)點企業(yè)圍繞核心企業(yè)建立的生產(chǎn)、營銷、庫存、配送網(wǎng)絡體系，極大地體現(xiàn)了復雜網(wǎng)絡的無標度性。近年來，基于低成本、高服務質量而建立的第三方、第四方物流的物流網(wǎng)絡更是集中體現(xiàn)了復雜網(wǎng)絡的無標度性。

4.物流網(wǎng)絡的復雜性分析

首先，現(xiàn)實中的物流網(wǎng)絡一般都有大量的節(jié)點數(shù)，其拓撲結構以及數(shù)量巨大的節(jié)點相互作用下“涌現(xiàn)”網(wǎng)絡演化的規(guī)律和網(wǎng)絡動力學的特性。物流網(wǎng)絡中的節(jié)點數(shù)量不僅眾多，而且各自的種類多樣。從網(wǎng)絡的拓撲結構來看，物流網(wǎng)絡通常具有多層次性，由眾多的子網(wǎng)絡構成。子網(wǎng)絡一層一層往下拓展，從而形成了復雜的空間拓撲排列，如圖1.4所示【9】。

第二，節(jié)點之間的線路是不確定的。由于節(jié)點之間相互作用的關系是不確定的，那么節(jié)點之間的線路也是時刻在變化的。節(jié)點之間的線路意義很多，可以表示路徑，也可以表示流量，還可以表示相互之間的策略選擇等。物流網(wǎng)絡內節(jié)點之間的連接是有機的，連接的方式是按節(jié)點企業(yè)之間的協(xié)議來進行的。從圖上來看，物流網(wǎng)絡內節(jié)點之間的連接是按非線性方式進行轉化；連接各個節(jié)點的邊所代表的內容多種多樣，可表示配送線路的連接、有無庫存供貨的合作、合作的緊密度等，其連接方式呈現(xiàn)立體動態(tài)結構。物流網(wǎng)絡內節(jié)點是相互影響，相互關聯(lián)的，并逐步擴大為不同物流網(wǎng)絡之間的相互連接、相互影響、相互作用，以復雜的耦合方式推動不同網(wǎng)絡之間的演進，從而形成一個紛繁復雜的大世界。

第三，物流網(wǎng)絡的動態(tài)性。物流網(wǎng)絡是動態(tài)網(wǎng)絡，而且網(wǎng)絡具有實時動態(tài)演進的特征，這又導致了網(wǎng)絡結構和功能的實時變化，并通過涌現(xiàn)和自組織的機理產(chǎn)生網(wǎng)絡的復雜效應。物流網(wǎng)絡隨著時間的變化而變化，經(jīng)過網(wǎng)絡內部和外界環(huán)境的相互作用，不斷適應、調節(jié)網(wǎng)絡的結構和功能，同時通過自組織作用，整個網(wǎng)絡向更高級的有序化發(fā)展，不斷涌現(xiàn)出復雜網(wǎng)絡獨特的行為與特征。

第四，物流網(wǎng)絡的運行環(huán)境是不確定的。物流網(wǎng)絡的運行環(huán)境是瞬息萬變的。從宏觀環(huán)境來講，經(jīng)濟、科技、信息的全球化使得信息的傳播迅速且廣泛，信息數(shù)量之多使得網(wǎng)絡的反饋系統(tǒng)任務繁重?！盃恳话l(fā)而動全身”，由于宏觀環(huán)境的任何一個細微的變化都有可能造成物流網(wǎng)絡巨大的震蕩。從微觀環(huán)境而言，物流網(wǎng)絡中的任何一個節(jié)點所處的外界環(huán)境都是不同的，而且每個節(jié)點對待環(huán)境的變化所持的策略和態(tài)度各異，因此對整個物流網(wǎng)絡的作用而言是非常復雜且是不確定的。物流網(wǎng)絡是開放的動態(tài)系統(tǒng)，它與外部世界相互聯(lián)系、相互作用，系統(tǒng)與外界環(huán)境是緊密相關的。物流網(wǎng)絡時刻與外界進行物質、能量、資源和信息的交換。只有通過交換，物流網(wǎng)絡才能得以生存和發(fā)展。任何一個復雜網(wǎng)絡，只有在開放的條件下才能形成，才能維持，才能發(fā)展。

第五，物流網(wǎng)絡的自組織。物流網(wǎng)絡都具有自組織能力，能通過反饋系統(tǒng)進行自控和自我調節(jié)，以達到適應外界變化的目的。物流網(wǎng)絡一旦建立，在運行中無不表現(xiàn)出系統(tǒng)的自組織屬性。物流網(wǎng)絡的各個節(jié)點企業(yè)通過契約、合作、戰(zhàn)略聯(lián)盟等方式進行物流、資金流、現(xiàn)金流的交換，在市場的作用下進行物質和能量的交換，優(yōu)勝劣汰。在物流網(wǎng)絡系統(tǒng)遠離平衡態(tài)的情況下，有些節(jié)點企業(yè)發(fā)展較好，獲得的資源較多，技術力量也日漸雄厚；反之，有些節(jié)點企業(yè)在市場競爭的角逐下，日漸衰弱，從而推出原有的物流網(wǎng)絡系統(tǒng)。

第六，物流網(wǎng)絡的混沌性。物流網(wǎng)絡也受自身結構和功能的種種參數(shù)約束。如物流網(wǎng)絡中的牛鞭效應，充分說明了物流網(wǎng)絡有時受初值的影響是巨大的，物流網(wǎng)絡在動態(tài)演化的過程中，只要起始狀態(tài)（初始值）稍微有一點點微笑的變化，這種變化會迅速積累和成倍地放大，最終導致物流網(wǎng)絡行為發(fā)生巨大的變化。簡單假設一個物流網(wǎng)絡系統(tǒng)，這個網(wǎng)絡只有1個零售商、1個批發(fā)商、1個分銷商和1個制造商。零售商預測客戶需求，然后向批發(fā)商訂貨，批發(fā)商向分銷商訂貨，而分銷商則向制造商訂貨，制造商根據(jù)分銷商的訂貨量進行生產(chǎn)的同時保持一定的安全庫存。如果客戶需求是n，假設每個節(jié)點企業(yè)上的安全庫存率是10%，那么零售商、批發(fā)商、分銷商的訂貨量分別為1.1n， n， n，那么制造商的生產(chǎn)量應為 n（即為1.62n）。因為可以看出第1個時間段，制造商最后的產(chǎn)量是客戶需求量的160%，那么第t個時間段，制造商的產(chǎn)量是客戶需求的 倍，其中t大于等于1。因此，只要這個初始值n發(fā)生一個小小的變動，即可產(chǎn)生巨大變化。針對物流網(wǎng)絡中產(chǎn)生的混沌效應，節(jié)點企業(yè)必須重視需求預測，信息共享，每個節(jié)點企業(yè)縮短供貨的時間，盡量減少不確定性，建立戰(zhàn)略伙伴關系，設置合理的安全庫存。

第七，物流網(wǎng)絡的穩(wěn)定性。物流網(wǎng)絡具有一定的穩(wěn)定性，在一定的外界條件下能保證網(wǎng)絡結構的穩(wěn)定和基本功能的正常發(fā)揮，換句話說物流網(wǎng)絡具有一定的抗干擾性，如網(wǎng)絡的魯棒性。網(wǎng)絡的魯棒性是指網(wǎng)絡系統(tǒng)在一定的外界環(huán)境作用下，網(wǎng)絡的某些結構發(fā)生變化、節(jié)點數(shù)量的增減或則是出現(xiàn)運行故障的情況下，網(wǎng)絡系統(tǒng)仍能保持其正常的相關性能進行運轉，網(wǎng)絡系統(tǒng)的這種穩(wěn)定的、自我調整、自我適應的能力稱為“魯棒性”。劉楚燕在她的碩士論文中提出集聚型供應鏈網(wǎng)絡的內部存在多個核心節(jié)點企業(yè)，這些企業(yè)在戰(zhàn)略、戰(zhàn)術、資源和信息方面相互依賴、相互交互，以信息流、資金流、物流的交換方式構成一個復雜的供應鏈網(wǎng)絡，而這種網(wǎng)絡具有較強的魯棒性【10】。浙江大學李剛的博士論文研究了供應鏈的網(wǎng)絡魯棒性，將魯棒性具體分為靜態(tài)魯棒性和動態(tài)魯棒性；關于靜態(tài)魯棒性，文中提出隨機刪除節(jié)點， 刪除目標節(jié)點，隨機刪除連接邊和刪除目標連接邊四種規(guī)則對其模擬研究，結果顯示，供應鏈物流網(wǎng)絡針對不同類型的破壞呈現(xiàn)出不同的魯棒性能【11】。在物流網(wǎng)絡中，由于受到突發(fā)事件的影響，如果有些節(jié)點不能正常運轉，或者需要臨時增加網(wǎng)絡節(jié)點來滿足需求，很多情況下，物流網(wǎng)絡的整體運作是不受影響的，換句話說還是能正常完成其系統(tǒng)特有的功能的。這就說明，物流網(wǎng)絡具有一定的穩(wěn)定性。

隨著經(jīng)濟、信息全球化的程度加深，競爭的加劇，內外部環(huán)境的不確定性增加，物流網(wǎng)絡涉及到的節(jié)點企業(yè)越來越多，結構越來越復雜，功能的變化也趨于復雜。利用復雜網(wǎng)絡的理論和復雜性理論來揭示物流網(wǎng)絡的性質，研究物流網(wǎng)絡的動態(tài)生成演化過程機制，探索物流網(wǎng)絡節(jié)點企業(yè)之間的協(xié)調機制，分析各個節(jié)點的脆弱性、不確定性，以及整個網(wǎng)絡的魯棒性和適應性，以此來實現(xiàn)物流網(wǎng)絡的優(yōu)化。

參考文獻

【1】Mortiz Fleischmann， Hans Ronald Krikke， Rommert Dekker， Simme Douwe P. Flapper. A characterisation of logistics networks for product recovery. Omega， Volume 28， Issue 6， December 2000， Pages 653-666；

【2】姚衛(wèi)新.電子商務條件下閉環(huán)供應鏈物流網(wǎng)絡的設計.管理科學.2005年06期；

【3】王建華，李南，徐斌.具有批量折扣的供應物流網(wǎng)絡優(yōu)化遺傳算法研究.中國管理科學，2007年03期；

【4】楊光華，李夏苗，謝小良.加權區(qū)域物流網(wǎng)絡結構分析.計算機工程與應用.2009年26期；

【5】吉迎東.煤炭物流網(wǎng)絡風險分析與應對研究.物流工程與管理，2012年12期；

【6】韓舒怡，徐杰.物流網(wǎng)絡協(xié)同服務影響因素的實證研究.物流工程與管理，2012年03期；

【7】Watts D J， Strogatz S H. Collective dynamics of 'small-world' networks[J]. Nature， 1998， 393：440-442；

【8】R.Albert and A.L Barabasi，tatistical mechanics of complex networks，Rev，Mod，Phys.74，2002；

【9】李靖， 張永安.復雜網(wǎng)絡理論在物流網(wǎng)絡研究中的應用.中國流通經(jīng)濟2011年第5期；

【10】劉楚燕.集聚型供應鏈網(wǎng)絡的魯棒性研究.浙江工商大學，管理科學與工程，2011，碩士；

復雜網(wǎng)絡分析范文第2篇

關鍵詞：戰(zhàn)略網(wǎng)絡 復雜網(wǎng)絡理論 網(wǎng)絡效率 節(jié)點重要性

引言

戰(zhàn)略網(wǎng)絡是由不同利益成員構成的系統(tǒng)，由于各成員目標可能不同，每個成員都以自身利益最大化為目的參與合作，所以戰(zhàn)略網(wǎng)絡中存在不可避免的矛盾。目前國內外對于戰(zhàn)略網(wǎng)絡節(jié)點管理的研究角度多偏向于生態(tài)學理論、博弈論及系統(tǒng)論，對企業(yè)戰(zhàn)略網(wǎng)絡節(jié)點選擇、節(jié)點數(shù)量及節(jié)點的進退機制進行研究。復雜網(wǎng)絡研究的不同之處在于：從統(tǒng)計的角度出發(fā)，考察網(wǎng)絡中的大規(guī)模節(jié)點以及節(jié)點之間的連接性質，這些性質的不同意味著網(wǎng)絡內部結構的不同，而內部的結構不同將導致網(wǎng)絡系統(tǒng)的功能不同。利用復雜網(wǎng)絡理論，可以分析網(wǎng)絡中各節(jié)點的重要程度，反映各個環(huán)節(jié)的瓶頸問題。還可以用來發(fā)現(xiàn)網(wǎng)絡中的關鍵節(jié)點，從而對網(wǎng)絡進行有針對性的優(yōu)化，進而達到整體網(wǎng)絡的優(yōu)化。

復雜網(wǎng)絡理論在企業(yè)網(wǎng)絡中的應用

科學家們發(fā)現(xiàn)大量的真實網(wǎng)絡既不是規(guī)則網(wǎng)絡， 也不是隨機網(wǎng)絡，而是具有與前兩者都不同的統(tǒng)計特征的網(wǎng)絡，這樣的一些網(wǎng)絡被科學家們叫做復雜網(wǎng)絡（Albert R，Albert-Laszlo B，2002；Newman M E J，2003）。復雜網(wǎng)絡被發(fā)現(xiàn)具有很多與規(guī)則網(wǎng)絡和隨機網(wǎng)絡不同的統(tǒng)計特征，其中最突出的是小世界效應和無尺度特性（Drik Helbing，2006；Christian Kuhnert，Dirk Helbing，2006；Marco Laumanns，Erjen Lefeber，2006）。由于現(xiàn)代企業(yè)網(wǎng)絡越來越具有復雜性和不穩(wěn)定性特點，復雜網(wǎng)絡理論在企業(yè)網(wǎng)絡方向上的應用也逐漸成為研究熱點。

李守偉、錢省三（2006）在對產(chǎn)業(yè)網(wǎng)絡供應鏈的復雜性研究中發(fā)現(xiàn)，我國的半導體產(chǎn)業(yè)的供應鏈條符合無標度網(wǎng)絡的特征。此外，阮平南、李金玉（2010）將復雜網(wǎng)絡理論用于戰(zhàn)略網(wǎng)絡，闡述了戰(zhàn)略網(wǎng)絡的無標度特征，建立了BA演化模型，解釋了無標度網(wǎng)絡演化的過程，進而解釋了戰(zhàn)略網(wǎng)絡中核心節(jié)點的形成。龐俊亭等（2012）探索了集群創(chuàng)新網(wǎng)絡所具有的小世界和無標度結構特性及集群網(wǎng)絡在受到攻擊時所具有的穩(wěn)健性和脆弱性。

目前多數(shù)研究側重定性研究網(wǎng)絡的復雜網(wǎng)絡特性及演化研究，有充分考慮企業(yè)網(wǎng)絡的動態(tài)適應性問題，沒有考慮到系統(tǒng)整體運行規(guī)律。另外，以網(wǎng)絡效率為標準，研究網(wǎng)絡中的節(jié)點重要性方面的文獻還是很缺乏的。本文試圖以復雜網(wǎng)絡理論為基礎，從這一全新視角來研究戰(zhàn)略網(wǎng)絡中重要節(jié)點識別問題。

戰(zhàn)略網(wǎng)絡的復雜網(wǎng)絡特性分析

（一）戰(zhàn)略網(wǎng)絡拓撲結構

戰(zhàn)略網(wǎng)絡就是由那些具有戰(zhàn)略意義的組織或個人組成的社會網(wǎng)絡。它是由消費者、市場中介、供應商、競爭對手、其他產(chǎn)業(yè)的企業(yè)、利益相關者、其他組織和企業(yè)本身等節(jié)點構成的（見圖1）。

用復雜網(wǎng)絡理論研究戰(zhàn)略網(wǎng)絡，首先應將戰(zhàn)略網(wǎng)絡抽象成拓撲模型。將戰(zhàn)略網(wǎng)絡中的企業(yè)、科研機構、政府等作為網(wǎng)絡中的節(jié)點。節(jié)點確定以后，根據(jù)各節(jié)點的實際聯(lián)系確定是否存在邊的關系。作為核心的網(wǎng)絡節(jié)點企業(yè)存在眾多的合作關系，這就導致戰(zhàn)略網(wǎng)絡的節(jié)點的邊越來越多。為了能比較好地模擬出一個戰(zhàn)略網(wǎng)絡，根據(jù)戰(zhàn)略網(wǎng)絡的基本結構，描繪出一個簡單戰(zhàn)略網(wǎng)絡拓撲圖，如圖2所示。

（二）戰(zhàn)略網(wǎng)絡的復雜特性

1.戰(zhàn)略網(wǎng)絡的小世界網(wǎng)絡的特征。平均路徑長度是指在網(wǎng)絡中將兩點間的距離被定義為連接兩點的最短路所包含的邊的數(shù)目，把所有節(jié)點對的距離求平均，就得到了網(wǎng)絡的平均距離。網(wǎng)絡的平均路徑長度L（N）定義為任意兩個節(jié)點之間的距離的平均值，平均路徑長度表示產(chǎn)品的交付時間。為在保持激烈競爭環(huán)境中的優(yōu)勢，企業(yè)必須采取以下對策：重組整合，減少補給提前期，加快信息的流通速度，減少產(chǎn)品運輸距離，提高自身的反應能力和適應變化的能力，建立配送物流中心，以便能夠更好地實現(xiàn)準時供貨?；跁r間的競爭戰(zhàn)略對于各節(jié)點成員來說是至關重要的，如何以最短的時間將產(chǎn)品交付給客戶成為節(jié)點企業(yè)參與戰(zhàn)略網(wǎng)絡競爭必須應對的關鍵戰(zhàn)略問題。在戰(zhàn)略網(wǎng)絡環(huán)境中，企業(yè)之間的平均最短路徑，可以體現(xiàn)為產(chǎn)品或服務從一個環(huán)節(jié)到另一個環(huán)節(jié)所需要的平均最少中轉數(shù)目。整個網(wǎng)絡的平均最短路徑L的計算公式為：

上述公式中，dij表示產(chǎn)品或服務從環(huán)節(jié)i到達環(huán)節(jié)j所需的最少中轉次數(shù)，N表示戰(zhàn)略網(wǎng)絡中的企業(yè)總數(shù)。

聚集系數(shù)指與節(jié)點相鄰的節(jié)點之間實際存在的邊數(shù)與這些節(jié)點都互連的最大邊數(shù)之比，網(wǎng)絡中所有節(jié)點聚集系數(shù)的平均就是網(wǎng)絡的聚集系數(shù)。對于戰(zhàn)略復雜網(wǎng)絡而言，平均聚集系數(shù)相應于網(wǎng)絡節(jié)點企業(yè)之間相互交流的程度，隨著信息高速發(fā)展時代的到來，越來越多的企業(yè)應用信息技術和互聯(lián)網(wǎng)的媒介建立彼此之間的連接。通過信息共享的各種途徑促使各節(jié)點企業(yè)之間聯(lián)系更加緊密，交流更加頻繁，這就體現(xiàn)戰(zhàn)略網(wǎng)絡具有較高的聚集系數(shù)。

2.戰(zhàn)略網(wǎng)絡復雜網(wǎng)絡的無標度特征。無標度網(wǎng)絡的特點是網(wǎng)絡中的大部分節(jié)點的度值都很低，但存在著度數(shù)非常高的核心節(jié)點。各節(jié)點企業(yè)在企業(yè)網(wǎng)絡中所處的網(wǎng)絡地位不同，戰(zhàn)略網(wǎng)絡中的核心企業(yè)形成占有的知識不均勻，節(jié)點間的連接就具有擇優(yōu)性（Boschmma R A，Wal A L J，2007）。戰(zhàn)略網(wǎng)絡核心節(jié)點的形成主要來源于擇優(yōu)連接機制，在戰(zhàn)略網(wǎng)絡中，組織會傾向于選擇連接數(shù)目較多的網(wǎng)絡節(jié)點。通常一些節(jié)點企業(yè)通過先進的技術、富有競爭力的產(chǎn)品和良好的管理，在非常短的時間內獲得大量的關系連接；網(wǎng)絡中存在歷史較長的企業(yè)，有較長的時間來積累與其它組織的關系連接。核心節(jié)點的連接數(shù)目遠遠超出了一般的節(jié)點，并且網(wǎng)絡主要由這些核心節(jié)點所支配。

戰(zhàn)略網(wǎng)絡節(jié)點重要性模型構建

在復雜網(wǎng)絡中，節(jié)點度是單個節(jié)點極其重要的屬性節(jié)，點的度直接反映該節(jié)點在網(wǎng)絡中與其他節(jié)點相聯(lián)系的廣度，定義為鄰接矩陣中與該節(jié)點連接的其他節(jié)點邊的數(shù)目。傳統(tǒng)復雜理論中判斷核心節(jié)點方法是依據(jù)網(wǎng)絡中節(jié)點度或點強度參數(shù)，這個方法是具有很大片面性和局限性的。節(jié)點度高的企業(yè)只能說明企業(yè)與周圍企業(yè)的聯(lián)系程度密切，而不能真實地反映出該企業(yè)在網(wǎng)絡中的作用和地位（朱大智、吳俊，2007）。因此本文將以網(wǎng)絡效率為依據(jù)，從新的視角出發(fā)對戰(zhàn)略網(wǎng)絡中的節(jié)點進行重要性識別。

（一）戰(zhàn)略網(wǎng)絡的網(wǎng)絡效率建模

網(wǎng)絡效率指標被用來衡量網(wǎng)絡中點與點之間的信息溝通程度。在戰(zhàn)略網(wǎng)絡中最短路徑長度反映了戰(zhàn)略網(wǎng)絡內各節(jié)點企業(yè)產(chǎn)品交付時間的效率。路徑越長，企業(yè)獲取資源的時間越長，效率就越低；反之，路徑越短，資源獲取的時間成本越低，效率越高。為了計算網(wǎng)絡效率E，首先要建立這樣一個網(wǎng)絡模型。假設忽略所有企業(yè)內部信息，只考慮企業(yè)間的聯(lián)盟關系；任意兩節(jié)點間的連接度是等值的。設網(wǎng)絡G是一個無重邊的無向網(wǎng)絡，即網(wǎng)絡中的邊沒有固定的方向，用G=（N，K）來代表，N是網(wǎng)絡中節(jié)點集合，K是網(wǎng)絡中邊集合，G的鄰接矩陣A=（aij）定義如下：

則A是一個n階的對稱矩陣，如果兩個節(jié)點之間有聯(lián)系，aij=1；否則aij=0。

假設節(jié)點i與節(jié)點j間的連通的效率eij與最短路徑成反比，即eij=1/dij。那么，給出如下的戰(zhàn)略網(wǎng)絡效率計算公式：

（1）

上述公式中，eij表示完全連通情況下兩個節(jié)點企業(yè)之間的效率。在突況下，加入變量wij，即網(wǎng)絡效率因子。0≤wij≤1，作為企業(yè)連通效率參數(shù)。Wij=1表示相關節(jié)點企業(yè)正常運營。在遭遇突況下，Wij將降低，取0≤wij≤1。這樣可以比較真實地模擬出企業(yè)在面對不同風險時，網(wǎng)絡出現(xiàn)效率變化的情況。隨著wij的變化，與該企業(yè)有貿易往來的相關企業(yè)均會受到一定程度的影響，將導致整個網(wǎng)絡的效率會出現(xiàn)非線性的變化。通過評價網(wǎng)絡的效率，可以嘗試改善網(wǎng)絡的構造從而優(yōu)化網(wǎng)絡的效率，網(wǎng)絡的效率得以提高，使網(wǎng)絡更具穩(wěn)定性。

（二）戰(zhàn)略網(wǎng)絡中重要節(jié)點的識別建模

網(wǎng)絡效率E無疑成為衡量戰(zhàn)略網(wǎng)絡效率有效的指標，然而它只能表現(xiàn)網(wǎng)絡的平均水平，因此需要更深入的研究，識別網(wǎng)絡中的關鍵節(jié)點。此方法主要考察的是當從網(wǎng)絡中剔除節(jié)點i以后，網(wǎng)絡的效率變化，根據(jù)節(jié)點對于網(wǎng)絡效率影響能力的大小，可以識別網(wǎng)絡中的關鍵節(jié)點。

E=E=E（G）-E（G`） i=1，2，……N （2）

E（G`）表示wij變化時的網(wǎng)絡平均效率。根據(jù)網(wǎng)絡效率變化的大小對網(wǎng)絡中節(jié)點的重要性指數(shù)進行排序，在wij一定的情況下，網(wǎng)絡效率變化值較大的節(jié)點無疑是網(wǎng)絡中重要性相對較高的節(jié)點。也就是去除該節(jié)點后，網(wǎng)絡效率下降越大，說明該企業(yè)的重要性越高。針對企業(yè)對于網(wǎng)絡整體的作用不同，需加強預防工作，做到真正的防患于未然。對于這些重要節(jié)點，必須予以重點關注，例如，更加頻繁地關注它的運作狀況、與其他企業(yè)的連通狀況，建立完備的預警機制等。

結論

基于網(wǎng)絡整體的考慮，本文運用復雜網(wǎng)絡理論，側重從宏觀整體的角度去分析單獨的點和整體網(wǎng)絡之間的關系，通過建立網(wǎng)絡拓撲結構、衡量網(wǎng)絡效率、識別重要網(wǎng)絡節(jié)點三個方面，闡述了復雜網(wǎng)絡在戰(zhàn)略網(wǎng)絡管理中的應用前景。建立數(shù)學模型比較真實地模擬了網(wǎng)絡在正常情況和突況下的網(wǎng)絡效率。本文只是從復雜網(wǎng)絡理論的角度討論通過戰(zhàn)略網(wǎng)絡效率的辦法計算節(jié)點重要性，而由此識別出來的重要企業(yè)也是具有現(xiàn)實意義的。

參考文獻：

1.Albert R，Albert-Laszlo B.Statistical mechanics of complex networks[J].Reviews of Modern Physics，2002（74）

2.Newman M E J.The structure and function of complex networks[J].Siam Review，2003（45）

3.Drik Helbing.Information and material flows in complex networks[J].Physica A，2006，363（1）

4.Christian Kuhnert，Dirk Helbing.Scaling laws in urban supply networks[J].Physica A，2006，363（1）

5.Marco Laumanns，Erjen Lefeber.Robust optimal control of material flows in demand-driven supply networks[J].Physica A，2006，363（1）

6.李守偉，錢省三.產(chǎn)業(yè)網(wǎng)絡的復雜性研究與實證.科學學研究，2006（4）

7.阮平南，李金玉.戰(zhàn)略網(wǎng)絡中基于無標度網(wǎng)絡的核心企業(yè)形成研究.科技管理研究，2010（16）

8.龐俊亭，游達明.基于復雜網(wǎng)絡視角的集群創(chuàng)新網(wǎng)絡特性研究.統(tǒng)計與決策，2012（2）

復雜網(wǎng)絡分析范文第3篇

針對復雜網(wǎng)絡交疊團的聚類與模糊剖析辦法設計Issue(問題),給出一種新的模糊度量及對應的模糊聚類辦法,并以新度量為根底,設計出兩種發(fā)掘網(wǎng)絡模糊拓撲特征的新目標:團間銜接嚴密水平和模糊點對交疊團的銜接奉獻度,并將其用于網(wǎng)絡交疊模塊拓撲構造微觀剖析和團間關鍵點提取。實驗后果標明,運用該聚類與剖析辦法不只能夠取得模糊勾結構,并且可以提醒出新的網(wǎng)絡特征。該辦法為復雜網(wǎng)絡聚類后剖析提供了新的視角。

關鍵詞:網(wǎng)絡模糊聚類;團—點相似度;團間連接緊密度;團間連接貢獻度;對稱非負矩陣分解;網(wǎng)絡宏觀拓撲

團結構是復雜網(wǎng)絡普遍而又重要的拓撲屬性之一,具有團內連接緊密、團間連接稀疏的特點。網(wǎng)絡團結構提取是復雜網(wǎng)絡分析中的一個基本步驟。揭示網(wǎng)絡團結構的復雜網(wǎng)絡聚類方法[1~5]對分析復雜網(wǎng)絡拓撲結構、理解其功能、發(fā)現(xiàn)其隱含模式以及預測網(wǎng)絡行為都具有十分重要的理論意義和廣泛的應用前景。目前,大多數(shù)提取方法不考慮重疊網(wǎng)絡團結構,但在多數(shù)網(wǎng)絡應用中,重疊團結構更為普遍,也更具有實際意義。

現(xiàn)有的網(wǎng)絡重疊團結構提取方法[6~10]多數(shù)只對團間模糊點進行初步分析,如Nepusz等人[9,10]的模糊點提取。針對網(wǎng)絡交疊團結構的深入拓撲分析,本文介紹一種新的團—點相似度模糊度量。由于含有確定的物理含意和更為豐富的拓撲信息,用這種模糊度量可進一步導出團與團的連接緊密程度,以及模糊節(jié)點對兩團聯(lián)系的貢獻程度,并設計出新指標和定量關系來深度分析網(wǎng)絡宏觀拓撲連接模式和提取關鍵連接節(jié)點。本文在三個實際網(wǎng)絡上作了實驗分析,其結果表明,本方法所挖掘出的網(wǎng)絡拓撲特征信息為網(wǎng)絡的模糊聚類后分析提供了新的視角。

1新模糊度量和最優(yōu)化逼近方法

設A=[Aij]n×n(Aij≥0)為n點權重無向網(wǎng)絡G(V,E)的鄰接矩陣,Y是由A產(chǎn)生的特征矩陣,表征點—點距離,Yij>0。假設圖G的n個節(jié)點劃分到r個交疊團中,用非負r×n維矩陣W=[Wki]r×n來表示團—點關系,Wki為節(jié)點i與第k個團的關系緊密程度或相似度。W稱為團—點相似度矩陣。令Mij=rk=1WkiWkj(1)

若Wki能精確反映點i與團k的緊密度,則Mij可視為對點i、j間相似度Yij的一個近似。所以可用矩陣W來重構Y,視為用團—點相似度W對點—點相似度Y的估計:

WTWY(2)

用歐式距離構造如下目標函數(shù):minW≥0FG(Y,W)=Y-WTWF=12ij[(Y-WTW)。(Y-WTW)]ij(3)

其中:•F為歐氏距離;A。B表示矩陣A、B的Hadamard矩陣乘法。由此,模糊度量W的實現(xiàn)問題轉換為一個最優(yōu)化問題,即尋找合適的W使式(3)定義的目標函數(shù)達到最小值。

式(3)本質上是一種矩陣分解,被稱為對稱非負矩陣分解,或s-NMF(symmetricalnon-negativematrixfactorization)。s-NMF的求解與非負矩陣分解NMF[11,12]的求解方法非常類似。非負矩陣分解將數(shù)據(jù)分解為兩個非負矩陣的乘積,得到對原數(shù)據(jù)的簡化描述,被廣泛應用于各種數(shù)據(jù)分析領域。類似NMF的求解,s-NMF可視為加入限制條件(H=W)下的NMF。給出s-NMF的迭代式如下:

Wk+1=Wk。[WkY]/[WkWTkWk](4)

其中:[A]/[B]為矩陣A和B的Hadamard矩陣除法。

由于在NMF中引入了限制條件,s-NMF的解集是NMF的子集,即式(4)的迭代結果必落入NMF的穩(wěn)定點集合中符合附加條件(H=W)的部分,由此決定s-NMF的收斂性。

在求解W之前還需要確定特征矩陣。本文選擴散核[13]為被逼近的特征矩陣。擴散核有明確的物理含義,它通過計算節(jié)點間的路徑數(shù)給出任意兩節(jié)點間的相似度,能描述網(wǎng)絡節(jié)點間的大尺度范圍關系,當兩點間路徑數(shù)增加時,其相似度也增大。擴散核矩陣被定義為K=exp(-βL)(5)

其中:參數(shù)β用于控制相似度的擴散程度,本文取β=0.1;L是網(wǎng)絡G的拉普拉斯矩陣:

Lij=-Aiji≠j

kAiki=j(6)

作為相似度的特征矩陣應該是擴散核矩陣K的歸一化形式:

Yij=Kij/(KiiKjj)1/2(7)

基于擴散核的物理含義,團—點相似度W也具有了物理含義:團到點的路徑數(shù)。實際上,W就是聚類結果,對其列歸一化即可得模糊隸屬度,需要硬聚類結果時,則選取某點所對應列中相似度值最大的團為最終所屬團。

2團—團關系度量

團—點相似度W使得定量刻畫網(wǎng)絡中的其他拓撲關系成為可能。正如WTW可被用來作為點與點的相似度的一個估計,同樣可用W來估計團—團關系:

Z=WWT(8)

其物理含義是團與團間的路徑條數(shù)。很明顯,Z的非對角元ZJK刻畫團J與團K之間的緊密程度,或團間重疊度,對角元ZJJ則刻畫團J的團內密度。

以圖1中的對稱網(wǎng)絡為例,二分團時算得

Z=WWT=1.33760.0353

0.03531.3376

由于圖1中的網(wǎng)絡是對稱網(wǎng)絡,兩團具有同樣的拓撲連接模式,它們有相同的團內密度1.3376,而團間重疊度為0.0353。

3團間連接貢獻度

ZJK度量了團J與團K間的重疊程度:

ZJK=na=1WJaWKa(9)

其中:WJaWKa是這個總量來自于點a的分量。下面定義一個新指標來量化給定點對團間連接的貢獻。假設點i是同時連接J、K兩團的團間某點,定義點i對團J和團K的團間連接貢獻度為

Bi=[(WJiWKi)/(na=1WJaWKa)]×100%(10)

顯然,那些團間連接貢獻大的點應處于網(wǎng)絡中連接各團的關鍵位置,它們對團間連接的穩(wěn)定性負主要責任。將這種在團與團間起關鍵連接作用的點稱為關鍵連接點。為了設定合適的閾值來提取團間關鍵連接點,本文一律取B>10%的點為關鍵連接點。

4實驗與結果分析

下面將在三個實際網(wǎng)絡上展開實驗,首先根據(jù)指定分團個數(shù)計算出團—點相似度W,然后用W計算團—團關系和B值,并提取關鍵連接點。

4.1海豚社會網(wǎng)

由Lusseau等人[14]給出的瓶鼻海豚社會網(wǎng)來自對一個62個成員的瓶鼻海豚社會網(wǎng)絡長達七年的觀測,節(jié)點表示海豚,連線為對某兩只海豚非偶然同時出現(xiàn)的記錄。圖2(a)中名為SN100(點36)的海豚在一段時間內消失,導致這個海豚網(wǎng)絡分裂為兩部分。

使用s-NMF算法聚類,海豚網(wǎng)絡分為兩團時,除30和39兩點外,其他點的分團結果與實際觀測相同,如圖2(a)所示。計算B值并根據(jù)閾值提取出的五個關鍵連接點:1、7、28、36、40(虛線圈內),它們對兩團連接起到至關重要的作用。圖2(b)為這五點的B值柱狀圖。該圖顯示,節(jié)點36(SN100)是五個關鍵連接點中B值最大者,對連接兩團貢獻最大。某種程度上,這個結果可以解釋為什么海豚SN100的消失導致了整個網(wǎng)絡最終分裂的影響。本例說明,s-NMF算法及團間連接貢獻程度指標在分析、預測社會網(wǎng)絡演化方面有著獨具特色的作用。

4.2SantaFe科學合作網(wǎng)

用本算法對Newman等人提供的SantaFe科學合作網(wǎng)絡[15]加以測試。271個節(jié)點表示涵蓋四個學術領域的學者,學者合作發(fā)表文章產(chǎn)生網(wǎng)絡連接,構成了一個加權合作網(wǎng)絡。將本算法用于網(wǎng)絡中一個包含118個節(jié)點的最大孤立團,如圖3(a)所示。

圖3(a)中,四個學科所對應的主要組成部分都被正確地分離出來,mathematicalecology(灰菱形)和agent-basedmodels(白方塊)與文獻[15]的結果一致,中間的大模塊statisticalphysics又被細分為四個小塊,以不同灰度區(qū)分。計算了24個點的團間連接度貢獻值B,從中分離出11個B值大于10%的點作為關鍵連接點:1、2、4、6、11、12、20、47、50、56、57,其標號在橫軸下方標出,見圖3(b),并在圖3(a)中用黑色圓圈標記,這些連接點對應那些具有多種學科興趣、積極參與交叉研究的學者。除去這11個點時,整個網(wǎng)絡的連接布局被完全破壞,見圖3(a)下方灰色背景縮小圖,可見關鍵連接點的確起到重要的溝通各模塊的作用。

4.3雜志索引網(wǎng)絡

在Rosvall等人[16]建立的2004年雜志索引網(wǎng)絡上進行測試。網(wǎng)絡節(jié)點代表雜志,分為物理學(方形)、化學(方形)、生物學(菱形)、生態(tài)學(三角形)四個學科領域,每個學科中各選10份影響因子最高的刊物,共40個節(jié)點,若某刊物文章引用了另一刊物文章,則兩刊間有一條連線,形成189條連接。使用s-NMF對該網(wǎng)4分團時,聚類結果與實際分團情況完全一致,如圖4(a)所示。

由本算法得出的團—點相似度W在網(wǎng)絡宏觀拓撲結構的挖掘方面有非常有趣的應用,如第2章所述,用W計算團—團相似度矩陣Z=WWT,其對角元是團內連接密度,非對角元表征團與團的連接緊密程度,故Z可被視為對原網(wǎng)絡的一種“壓縮表示”。如果將團換成“點”,將團與團之間的連接換成“邊”,利用Z的非對角元,就能構造出原網(wǎng)絡的一個壓縮投影網(wǎng)絡,如圖4(b)所示。這是原網(wǎng)絡的一個降維示意圖,也是團與團之間關系定量刻畫的形象表述,定量地反映了原網(wǎng)絡在特定分團數(shù)下的“宏觀(全局)拓撲輪廓”,圖上團間連線色深和粗細表示連接緊密程度。由圖4(b)可以看到,physics和chemistry連接最緊密,而chemistry與biology和biology與ecology次之。由此推測,如果減少分團數(shù),將相鄰兩團合并,連接最緊密的兩團必首先合并為一個團。實際情況正是如此:分團數(shù)為3時,biology和ecology各自獨立成團,physics和chemistry合并為一個大團,這與文獻[11]結果一致。

5討論

網(wǎng)絡模糊聚類能幫助研究者進一步對團間的一些特殊點進行定量分析,如Nepusz等人[9]用一種橋值公式來刻畫節(jié)點在多個團間的共享程度,即節(jié)點從屬度的模糊程度。而本文的團間連接貢獻度B反映出節(jié)點在團間連接中所起的作用大小。本質上它們是完全不同的兩種概念,同時它們也都是網(wǎng)絡模糊分析中所特有的。團間連接貢獻度指標的提出,將研究引向對節(jié)點在網(wǎng)絡宏觀拓撲模式中的影響力的關注,是本方法的一個獨特貢獻。無疑,關鍵連接點對團間連接的穩(wěn)定性起到很大作用,如果要迅速切斷團間聯(lián)系,改變網(wǎng)絡的宏觀拓撲格局,首先攻擊關鍵連接點(如海豚網(wǎng)中的SD100)是最有效的方法。團間連接貢獻度這一定義的基礎來自于對團與團連接關系(Z)的定量刻畫,這個定量關系用以往的模糊隸屬度概念無法得到。由于W有明確的物理含義,使得由W導出的團—團關系Z也具有了物理含義,這對網(wǎng)絡的宏觀拓撲分析非常有利。

6結束語

針對復雜網(wǎng)絡交疊團現(xiàn)象,本文給出了一個新的聚類后模糊分析框架。它不僅能對網(wǎng)絡進行模糊聚類,而且支持對交疊結構的模糊分析,如關鍵點的識別和網(wǎng)絡宏觀拓撲圖的提取。使用這些新方法、新指標能夠深入挖掘潛藏于網(wǎng)絡的拓撲信息。從本文的聚類后分析不難看出,網(wǎng)絡模糊聚類的作用不僅在于聚類本身,還在于模糊聚類結果能夠為網(wǎng)絡拓撲深入分析和信息挖掘提供支持,而硬聚類則不能。今后將致力于對團間連接貢獻度指標進行更為深入的統(tǒng)計研究。

參考文獻:

[1]趙鳳霞,謝福鼎.基于K-means聚類算法的復雜網(wǎng)絡社團發(fā)現(xiàn)新方法[J].計算機應用研究,2009,26(6):2041-2043,2049.

[2]汪小帆,劉亞冰.復雜網(wǎng)絡中的社團結構算法綜述[J].電子科技大學學報,2009,38(5):537-543.

[3]NEWMANMEJ.Modularityandcommunitystructureinnetworks[J].ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2006,103(23):8577-8582.

[4]WHITES,SMYTHP.Aspectralclusteringapproachtofindingcommunitiesingraphs[C]//ProcofSIAMInternationalConferenceonDataMining.2005.

[5]ENRIGHTAJ,DONGENSV,OUZOUNISCA.Anefficientalgorithmforlarge-scaledetectionofproteinfamilies[J].NucleicAcidsResearch,2002,30(7):1575-1584.

[6]BEZDEKJC.Patternrecognitionwithfuzzyobjectivefunctionalgorithms[M].NewYork:PlenumPress,1981.

[7]PALLAG,DERENYII,FARKASI,etal.Uncoveringtheoverlappingcommunitystructuresofcomplexnetworksinnatureandsociety[J].Nature,2005,435(7043):814-818.

[8]REICHARDTJ,BORNHOLDTS.Detectingfuzzycommunitystructuresincomplexnetworkswithapottsmodel[J].PhysicalReviewLetters,2004,93(21):218701.

[9]NEPUSZT,PETROCZIA,NGYESSYL,etal.Fuzzycommunitiesandtheconceptofbridgenessincomplexnetworks[J].PhysicalReviewE,2008,77(1):016107.

[10]ZHANGShi-hua,WANGRui-sheng,ZHANGXiang-sun.IdentificationofoverlappingcommunitystructureincomplexnetworksusingfuzzyC-meansclustering[J].PhysicalReviewA:StatisticalMechanicsandItsApplications,2007,374(1):483-490.

[11]PAATEROP,TAPPERU.Positivematrixfactorization:anon-negativefactormodelwithoptimalutilizationoferrorestimatesofdatavalues[J].Environmetrics,1994,5(2):111-126.

[12]ANTTILAP,PAATEROP,TAPPERU,etal.SourceidentificationofbulkwetdepositioninFinlandbypositivematrixfactorization[J].AtmosphericEnvironment,1995,29(14):1705-1718.

[13]KONDORRI,LAFFERTYJ.Diffusionkernelsongraphsandotherdiscretestructures[C]//Procofthe19thInternationalConferenceonMachineLearning.SanFrancisco:MorganKaufmann,2002.

[14]LUSSEAUD,SCHNEIDERK,BOISSEAUOJ,etal.Thebottlenosedolphincommunityofdoubtfulsoundfeaturesalargeproportionoflong-lastingassociations:cangeographicisolationexplainthisuniquetrait?[J].BehavioralEcologyandSociobiology,2003,54(4):396-405.

復雜網(wǎng)絡分析范文第4篇

關鍵詞 武昌城區(qū) 交通網(wǎng)絡 數(shù)字特征

中圖分類號：U491.13 ；TU984.191 文獻標識碼：A

1武昌城區(qū)基本網(wǎng)絡結構特點

我們所得到的網(wǎng)絡是一個連通的整體，它是由194個相互獨立的節(jié)點組成的。也就是說，如果用連線來表示兩位節(jié)點之間有合作，則任意兩個不同的節(jié)點之間有直接的連線或間接的連線。

在該交通網(wǎng)絡中整個網(wǎng)絡的度分布情況如下表1所示：

從表1中可以看出，整個網(wǎng)絡平均度=3.299大部分的節(jié)點數(shù)度值都集中于2、3、4。其中，含4個節(jié)點的小組最多，有55個。

雖然度值最高的點和聚類系數(shù)大的點不一定是實際公交線路中的繁忙點，但是它們卻是網(wǎng)絡中取的交通規(guī)劃中流通性最好的站點。在這些站點上如果發(fā)生交通堵塞時，公交網(wǎng)絡受到的影響并不是很大，公交線路可以很容易的改變繼續(xù)運行，即該公交網(wǎng)絡也具有某種“魯棒性”。由此可見，當這幾個節(jié)點發(fā)生交通堵塞的時候，整個公交網(wǎng)絡的流通性有了明顯的下降；即某種意義上，該公交網(wǎng)絡也具有“脆弱性”。

在該網(wǎng)絡中我們分析了它的全局數(shù)字特性，那么下面我們來看看聚類系數(shù)與度之間有沒有什么關系。（如表2）

我們由前面所給出的度分布可以看出，大多數(shù)節(jié)點的度值集中于2、3、4；其中，含4個節(jié)點的小組最多；而我們通過上表可以看到，盡管度值在4的節(jié)點的聚類系數(shù)都很低，但整個網(wǎng)絡具有比隨機網(wǎng)絡更高的平均聚類系數(shù)，顯示了比較明顯的聚類效應。

下面我們從該網(wǎng)絡中選取幾個有代表性的子網(wǎng)進行一下研究：（選取的五個網(wǎng)絡的數(shù)字特征分別如表3所示。

在這幾個子網(wǎng)中，我們可以看到它們的全局效率比整個網(wǎng)絡要高的多，聚類系數(shù)均高于整個網(wǎng)絡的的平均聚類系數(shù)。這說明了這幾個子網(wǎng)的流通性要比該整體公交網(wǎng)絡要好。但我們也可以發(fā)現(xiàn)在E子網(wǎng)中，當節(jié)點137與節(jié)點138的線路堵塞時，該網(wǎng)絡被分為兩個網(wǎng)絡，即該子網(wǎng)具有非常高的脆弱性。因此在以后的公交網(wǎng)絡的規(guī)劃中，我們應該注意在保持局部公交網(wǎng)絡的效率不降低的情況下對整個網(wǎng)絡進行改造，提升公交網(wǎng)絡的整體效率。

2一個公交網(wǎng)絡查詢系統(tǒng)的開發(fā)

基于我們的研究結果，我們嘗試開發(fā)了一個用于研究該交通網(wǎng)絡結構與功能的工具查詢系統(tǒng)，該查詢系統(tǒng)界面如下圖所示：

復雜網(wǎng)絡分析范文第5篇

關鍵詞：WS小世界網(wǎng)絡；甲型HIN1流感；Agent；GIS

中圖分類號：R181.3 文獻識別碼：A 文章編號：1001-828X（2017）010-0-01

引言

流行病研究主流方法建立疾病傳播的動力學方程，但方程建立在均勻混合人群的理想狀態(tài)下，無法描述真實的社會網(wǎng)絡中傳播的情況[1]。由于小世界網(wǎng)絡具有聚類系數(shù)大、平均距離小的特點，即使感染強度很小也會引起網(wǎng)絡上的廣泛傳播，許多社會網(wǎng)絡具有小世界的特點，而流感傳播具有社會網(wǎng)絡的特點，研究選取小世界網(wǎng)絡對流感時空傳播行為特征構建多智能體模型。利用GIS對流行病數(shù)據(jù)進行空間分析，得出時空傳播特征及規(guī)律，為應急預警和追蹤監(jiān)測服務。 Agent能夠模擬人的智能行為，通過微觀的智能體的交互作用來模擬流行病在整個社會網(wǎng)絡上傳播的宏觀情況。

一、實現(xiàn)步驟

流感傳播的多智能體模型是在研宄建立復雜網(wǎng)絡與智能體模型的基礎上，考慮人的地理時空特性，將“個體”人放置在一定的地理環(huán)境中，賦予其空間屬性。因此，將小世界網(wǎng)絡、智能體模型與GIS集成在模型中，使用Repast J平臺，利用Java語言，將智能體進行動態(tài)模擬，從而動態(tài)展示甲流患者在流感傳播中的時空特性[2]。

二、概念模型設計

1.模型中智能體的分類

根據(jù)流感的傳播特征，對經(jīng)典的SIR模型進行改進，把Agent分成五類.提出了SEITR模型，易感人群Susceptible（S），暴露人群Exposed （E），感染人群Infectious（I），治療人群Treated（T），恢復人群Recovered（R）。治療人群有兩種狀態(tài)，一種是患病后就醫(yī)治療的人群，另一種是確診后需要被隔離的人群，因為其在隔離期間也接受治療，所以這類統(tǒng)稱為治療人群。治愈后的康復人群重新成為普通的Agent，由于治療后的患者具有一定的免疫能力，所以假定治愈后的康復人群不再被病毒感染。

2.智能體屬性特征

資料顯示，個體年齡、職業(yè)等對流感傳播有巨大影響。在設定智能體屬性時，一般考慮年齡、職業(yè)、教育水平等因素。在判斷Agent之間是否存在交互感染時，如果Agent年齡在25-45歲之間或小于5歲和大于65歲，將會有更高的感染幾率，而如職業(yè)、教育水平等屬性，在不同程度上影響著被感染的幾率。

3.智能體行為特征

流感主要傳播路徑是呼吸道飛沫和接觸傳播，健康 Agent 與具有傳染性的 Agent 在一定的空間范圍內接觸則就可被傳播。如果健康 Agent和具有傳染性的 Agent 在界定的空間距離范圍內直接接觸，并滿足傳播條件，就確定已經(jīng)被感染。

4.模型環(huán)境因素

Agent 的環(huán)境因素包括社會和自然因素，社會因素對 Agent 的行為產(chǎn)生影響，自然因素是對自然空間的一種模擬，它為 Agent 提供了一定的活動空間。用 Shapefile格式表達地理空間環(huán)境，包括不同圖層。

5.節(jié)點選擇

以往人們針對免疫策略常根據(jù)節(jié)點在網(wǎng)絡中的地位選擇。該模型選用三種控制節(jié)點方式進行研究：選取度較大節(jié)點、選取隨機節(jié)點、選取“熟人免疫”節(jié)點[3]。模擬結果較大節(jié)點控制率更高。

三、模型結果分析

研究選取感染概率、就醫(yī)時間、免疫方式為模型的可調影響因素，并結合實際情況進行調整。為了保證單次模擬結果的準確性，模型在保持其他參數(shù)不變的情況下，分別進行 10 次模擬，每次運行時間為三個月，即 90 個 TICK 取平均值為最后結果，結果顯示，在無人為干預的情況下疫情爆發(fā)兩周后達到高峰期，一個月后疫情得到控制并逐漸消亡。但在無人為干預的情況下，感染人數(shù)呈指數(shù)級增長。在疫情早期實施快速有效的干預手段是降低流感危害的關鍵。就醫(yī)時間能較大地影響流感的傳播，控制疫情發(fā)展的最佳就醫(yī)時間為 2 天，在這期間能夠使新增感染數(shù)保持在一個較低的水平；當就醫(yī)時間大于 2 天時，新增量較高，累計感染人數(shù)增加較快，結果表明，流感傳播的高危熱點區(qū)域經(jīng)歷一個少數(shù)零星到多數(shù)集中變化過程，且被感染的智能體多分布于人口密度較大的區(qū)域。人口密度大的區(qū)域，潛在接觸的人群也就越大，度較大的節(jié)點存在的概率也越高。

四、結語

本文在馱油絡理論指導下，以甲型H1N1流感為例，結合GIS空間分析技術，構建甲型H1N1流感傳播的時空模型。利用歷史數(shù)據(jù)對流感傳播情況進行反演。結果表明：模型模擬得出的結果與現(xiàn)實官方公布的數(shù)據(jù)比較吻合，但由于時間和能力的限制，模型沒有很好地充分得到測試和調試，還存在著一定的不確定性，這也是當前研究的下一步工作重點之一。度較大節(jié)點在他們患病后傳染給他人的概率較大，采取隔離控制措施，如學校停課，減少集會和出行等。但光控制度較大的節(jié)點還不夠，度較小的節(jié)點如果在關鍵位置也會引發(fā)疾病大規(guī)模的傳播。由此提出一種重要的免疫方法：對比較重點的對象諸如學校師生、醫(yī)療相關人員等進行免疫接種，擴大接種范圍的隨機免疫等，減小甲流傳播范圍。

參考文獻：

[1]張海峰，傅新楚.含有免疫作用的SIR傳染病模型在復雜網(wǎng)絡上的動力學行為[J].上海大學學報：自然科學版，2007，13（2）：189-192.

[2]郝成民，劉湘?zhèn)ィ澜?，?Repast：基于Agent建模仿真的可擴展平臺[J].計算機仿真，2007， 24（11）：285-288.