第1章 绪论 1
1.1 研究背景及意义 1
1.2 复杂网络研究进展与网络重要节点挖掘简介 4
1.3 节点重要性研究现状 6
1.3.1 节点重要性排序方法 6
1.3.2 多信源传播最大化 8
1.4 本书主要研究思路与内容 10
第2章 相关理论和技术基础 12
2.1 网络相关概念和基本静态几何特征 12
2.1.1 网络图表示 12
2.1.2 复杂网络拓扑特性 13
2.1.3 人工网络模型 16
2.2 网络传播动力学 17
2.2.1 传染病传播动力学模型 18
2.2.2 传播爆发阅值的确定 20
2.3 节点重要性评价标准 21
2.3.1 传染病传播动力学模型 21
2.3.2 基于网络的鲁棒性和脆弱性评价排序算法 22
2.4 节点重要性排序指标 23
2.4.1 基于节点近邻的排序方法 23
2.4.2 基于网络全局信息的排序方法 24
2.4.3 基于节点位置信息的排序方法 25
2.4.4 基于随机游走的排序方法 26
2.5 影响最大化问题 29
2.5.1 影响最大化问题定义 29
2.5.2 影响最大化算法的度量标准 30
2.5.3 求解影响力最大化问题的常用算法 31
2.6 本章小结 33
第3章 基于领域相似度的复杂网络节点重要度评估算法 34
3.1 引言 34
3.2 节点领域相似度定义 37
3.3 基于领域相似度的节点重要性排序算法 38
3.4 实验设置 39
3.4.1 实验环境与网络数据集 39
3.4.2 评价标准 40
3.5 实验结果分析 41
3.5.1 静态攻击效果 41
3.5.2 动态攻击效果 44
3.6 本章小结 47
第4章 基于核数与结构洞特征的节点影响力排序算法 48
4.1 引言 48
4.2 k-壳分解算法及其改进算法 50
4.3 核数指标的改进算法 51
4.3.1 结构洞理论 51
4.3.2 算法原理及实现 53
4.4 实验设置 54
4.4.1 实验环境与网络数据集 54
4.4.2 评价标准 54
4.5 实验结果 56
4.5.1 算法排序结果与节点传播影响力的相关性 57
4.5.2 k-壳、网络约束系数与传播影响力的关系 61
4.5.3 不同传播概率下各个算法的效果分析 62
4.5.4 不同比例节点下各算法排序效果分析 63
4.6 本章小结 64
第5章 基于信息传播概率的复杂网络影响力评估算法 65
5.1 引言 65
5.2 考虑多路径传播方式的节点影响力排序算法 67
5.2.1 算法基本思想 67
5.2.2 算法计算过程 68
5.3 实验环境和真实网络数据集 71
5.4 实验结果分析 71
5.4.1 算法排序结果与节点传播影响力的相关性 71
5.4.2 不同传播概率下各个算法的效果分析 76
5.4.3 模拟数据集上的实验结果 78
5.4.4 考虑不同阶次内的邻居对算法排序结果的影响 78
5.4.5 已知传播概率情况下ASP与SP指标的效果对比 80
5.5 本章小结 81
第6章 基于簇的影响最大化算法 82
6.1 引言 82
6.2 影响最大化问题求解 84
6.3 基于簇的影响最大化算法 85
6.4 实验设置 87
6.4.1 实验环境和真实网络数据集 88
6.4.2 影响传播模型 88
6.4.3 参与比较的算法 89
6.5 实验结果分析 92
6.5.1 不同传播概率下的各算法表现 92
6.5.2 种子节点数目对各算法的影响 94
6.5.3 不同参数r对LCE算法的影响 97
6.5.4 不同算法得到的种子节点集合之间的平均最短距离 99
6.5.5 LFR数据集中各算法对比 100
6.6 本章小结 101
第7章 基于复杂网络关键节点发现的无人机飞行冲突解脱方法 103
7.1 引言 103
7.2 模型构建 106
7.2.1 冲突检测 106
7.2.2 关键节点选择 109
7.2.3 避撞方向选择 110
7.2.4 无人机的安全性分析 114
7.3 关键算法分析 114
7.3.1 关键节点选择算法 114
7.3.2 避撞方向选择算法 115
7.4 仿真实验及结果分析 116
7.4.1 复杂多机垂直平面相遇场景 117
7.4.2 复杂多机无规则集群场景 119
7.4.3 进一步分析 124
7.5 本章总结 125
参考文献 127