复杂网络建模学习笔记四(级联故障以及同步性)
级联故障建模:
基于节点和边的混合动态模型:用eij来表示节点i、j之间的信息传递效率,eij∈[0,1],eij越大代表传输效率越高。用平均效率来衡量网络破坏的程度。
结论:ER随机图抵抗级联故障的能力比BA无标度网络强,且基于负荷的去节点方式比随机去节点方式更容易引发级联故障。
同步性建模:
由状态方程表示:
当x1=x2=...=xn时,为同步流形态。
当网络是一个无向连通图时,矩阵A=[aij]是一个对称矩阵,且aij=aji=1当ij之间有一条边时(i≠j),没有边时为0;aii=-k。即该矩阵的对角线是该节点的度的相反数,其他位置如果这两个点有一条边相连即为1,没有即为0。且该矩阵的特征值λn≤λn-1≤...≤λ2≤λ1=0(由对称矩阵的性质可得)。且A=-L(拉普拉斯矩阵),且对于L,有:0=λ1≤λ2≤...≤λn-1≤λn。
规则网络的完全同步:
类型1:没有同步区间。
类型2:同步区间S1=(α1,∞),当α1<c*λ2时。因此当λ2越大,同步性越好。
类型3:同步区间S2=(α2,α3),当0<λn/λ2<cλ时。因此当λn/λ2越小时,同步性越好。
结论:对于全连接网络,不管c多小,只要网络规模够大,一定可以达到同步;对于环形图,不管c多大,当网络规模充分大时,都无法达到同步;对于小世界网络而言,p越大同步性越好;对于无标度网络而言,幂律分布的那个指数越大,同步性越好;且对于这两个网络来说,如果节点的介数越小,同步性越好。进一步,对于同胚网络,介数与同步性之间存在联系,而异胚网络没有这种联系。
增强同步性的两种方法:重构网络结构(限制最大介数)、修改耦合结构(减少度和介数分布的多样性的影响)。
图论的研究方法:结构参数与同步性之间的联系、图的相关理论与同步性之间的联系(与节点的度及介数之间的联系、图的特征值会随着边数的增加而增大、介数不同同步性可能相同、对于无界的同步性区间而言,边数增加,同步性不会减少,但是对于有界的来说却不一定,因为有界的是和特征值的比率有关。)
互补图:点不变,边互补。对于任意给定的一个图G,图G的特征值λN(G)≤N,取等号时当且仅当G的互补图Gc是不连通的。
由于G的最大特征值是与Gc联通的部分数有关,因此为了减少增强同步性所需要的边,Gc的最大特征值的多样性应该尽可能大。(有时候图G本身可能很复杂,但是我们可以根据互补图与同步性之间的关系,转换成研究他的互补图,因为互补图很多时候比原图更简单)
- 点赞
- 收藏
- 分享
- 文章举报
- linux学习笔记3:linux的网络配置,rpm包,shell以及samba服务器的使用和安装
- DeepLearning.ai学习笔记(二)改善深层神经网络:超参数调试、正则化以及优化--Week1深度学习的实用层面
- 【复杂网络学习笔记】2:无标度网络的建立
- [零散篇]Java学习笔记---Java的Socket网络编程以及多线程
- Linux 学习笔记 2 Centos 安装与网络的配置以及VI编辑器的使用
- 关于基于复杂网络的数据挖掘的学习笔记
- [零散篇]Java学习笔记---Java的Socket网络编程以及多线程
- 复杂网络分析库NetworkX学习笔记(1):入门
- iOS学习笔记网络篇之文件上传(复杂,详解----)
- 【计算机网络学习笔记】什么是cookie以及cookie劫持的基本概念
- 深度学习第二课 改善深层神经网络:超参数调试、正则化以及优化 第三周超参数调试+Batch normalization笔记和作业
- 复杂网络分析库NetworkX学习笔记(1):入门
- 菜鸟学习linux笔记与练习-----一些基本命令以及初级网络配置
- 2019.4.21.数学建模第五章学习笔记(网络优化)
- 菜鸟学习linux笔记与练习-----第二天。一些基本命令以及初级网络配置
- Linux学习笔记-------CIFS和SMB网络协议以及Samba软件
- 关于Filezilla 以及TCP/IP网络串口助手的学习笔记
- 01.00 Win10下的Kali Linux的安装(双系统,物理机非虚拟机)常见问题以及解决方案 --- 一个新人的神经网络学习笔记
- 菜鸟学习linux笔记与练习-----第二天。一些基本命令以及初级网络配置
- 深度学习第二课 改善深层神经网络:超参数调试、正则化以及优化 第二周Mini_batch+优化算法 笔记和作业