第1篇 复杂信息网络性能设计基础 3
第1章 复杂信息网络 3
1.1 复杂网络概述 4
1.1.1 复杂网络概念 4
1.1.2 复杂网络研究现状 6
1.1.3 典型复杂网络模型 9
1.2 复杂性科学概述 14
1.2.1 复杂性科学概念 14
1.2.2 复杂性科学研究现状 15
1.3 复杂网络演化概述 18
1.3.1 复杂网络演化概念 18
1.3.2 复杂网络演化研究现状 18
1.4 复杂网络优化概述 23
1.4.1 复杂网络优化概念 23
1.4.2 复杂网络优化研究现状 23
1.5 复杂信息网络弹性概述 26
1.5.1 弹性研究现状 26
1.5.2 复杂信息网络弹性概念 27
1.6 网络群体智能概述 30
1.6.1 群体智能研究现状 30
1.6.2 网络群体智能概念 36
第2章 复杂网络性能测度 39
2.1 基本结构特征测度 40
2.1.1 常用测度 41
2.1.2 加权网络测度 45
2.2 局域性测度——拓扑势 49
2.2.1 拓扑势概述 49
2.2.2 基于拓扑势分布的网络结构特征分析方法 53
2.2.3 典型网络分析 55
2.2.4 实际网络分析 62
2.3 不确定性测度——云模型 66
2.3.1 云模型概述 66
2.3.2 基于云模型和拓扑势的网络结构差异性表示 72
2.4 中心性测度 78
2.4.1 度数中心性 78
2.4.2 介数中心性 79
2.4.3 接近度中心性 81
2.4.4 局域中心性度量——拓扑势中心性 83
2.5 弹性测度 83
2.5.1 与信息网络弹性相关的测度 83
2.5.2 衡量信息网络弹性的测度 86
2.6 基于工程因素的信息网络测度 95
2.6.1 基于工程因素的信息网络特征参数 95
2.6.2 典型模型生成网络与实测网络特征参数比较 98
2.7 大规模网络参数的计算 119
2.7.1 大型网络介数中心性与平均最短路径长度的整合近似算法 119
2.7.2 基于局域网的并行计算平台 135
第2篇 复杂网络拓扑结构测量与分析 141
第3章 Internet路由器级网络分析 141
3.1 Internet拓扑结构分析概述 141
3.1.1 Internet拓扑结构 141
3.1.2 Internet拓扑测量 142
3.1.3 Internet拓扑建模 144
3.2 基于Rocketfuel的网络测量 145
3.3 Roeketfuel测量数据处理 147
3.4 Rocketfuel测量数据分析 148
第4章 群体智能网络分析 152
4.1 大众广泛深度交互的互联网环境 152
4.1.1 互联网层次结构分析 155
4.1.2 互联网应用环境及特点 156
4.2 以维基百科为代表的协作编辑交互网络 160
4.2.1 维基百科的复杂网络结构 160
4.2.2 维基百科数据集的获取 162
4.3 协作编辑交互网络构建 164
4.4 协作编辑交互网络静态特性分析 168
4.4.1 度分布 168
4.4.2 边权重分布 169
4.4.3 强度分布 170
4.4.4 相关性 171
4.4.5 互惠性 173
4.4.6 集聚系数 174
4.4.7 最短路径 175
4.5 协作编辑交互网络动态特性分析 176
4.5.1 基于拓扑势熵的群体协作演化分析方法 176
4.5.2 网络动态特性分析 178
第3篇 复杂信息网络拓扑结构演化建模与优化 183
第5章 基于工程折中的ISP路由器级拓扑结构演化模型 183
5.1 IP网络拓扑设计的工程因素 183
5.2 基于工程折中的路由器级拓扑结构演化建模分析 185
5.2.1 基于工程折中的网络演化模型 185
5.2.2 模型度分布分析 188
5.3 模型验证与分析 193
5.3.1 模型验证 193
5.3.2 模型分析 197
第6章 ISP路由器级拓扑结构演化优化 205
6.1 遗传算法概述 205
6.1.1 基本遗传算法 206
6.1.2 实数编码遗传算法 206
6.1.3 多目标优化遗传算法 210
6.2 针对ISP路由器级拓扑结构演化优化的遗传算法设计 213
6.2.1 编码 214
6.2.2 适应度计算 216
6.2.3 遗传算子 218
6.2.4 算法流程设计 218
6.2.5 算法控制参数 220
6.3 ISP路由器级拓扑结构演化优化实例 220
6.3.1 无目标约束优化 220
6.3.2 有目标约束优化 222
第7章 宏观路由器级拓扑结构演化建模及预测 225
7.1 复杂适应系统理论概述 225
7.2 Internet的复杂适应系统理论分析 226
7.3 基于复杂适应系统理论的多智体建模仿真方法 229
7.3.1 智体概念 229
7.3.2 多Agent系统 230
7.3.3 多Agent建模仿真 230
7.4 宏观路由器级拓扑结构演化建模 231
7.4.1 环境模型 231
7.4.2 主体模型 232
7.4.3 模型实现 236
7.5 模型验证、分析与预测 237
7.5.1 模型验证 237
7.5.2 模型分析 245
7.5.3 模型预测 248
第4篇 复杂信息网络拓扑结构弹性分析与优化 253
第8章 随机故障和恶意攻击模式下的网络弹性分析及优化 253
8.1 概述 256
8.2 国内外研究现状 258
8.3 随机故障模式和恶意攻击模式下网络存在极大集群解析计算 260
8.3.1 无关联网络中网络存在极大集群解析计算 261
8.3.2 关联网络中网络存在极大集群解析计算 262
8.3.3 网络恶意攻击模式下的临界值 264
8.3.4 数值分析结果 266
8.4 随机故障模式和恶意攻击模式下网络弹性仿真分析 267
8.4.1 N3257随机故障模式和恶意攻击模式下网络弹性分析 267
8.4.2 N4755随机故障和恶意攻击模式下网络弹性分析 271
8.5 随机故障模式下提高网络弹性的拓扑结构优化 274
8.5.1 度分布熵 275
8.5.2 非线性混合整数动态规划 276
8.6 恶意攻击模式下提高网络弹性的拓扑结构优化 279
8.6.1 贪婪算法概述 279
8.6.2 基于弹性的重要节点集合计算方法 281
8.6.3 相同度序列网络拓扑生成器 285
8.6.4 度序列约束下的网络拓扑结构优化 288
第9章 病毒传播模式下的网络弹性分析及免疫措施 291
9.1 概述 291
9.2 国内外研究现状 292
9.2.1 传统经典传播模型 292
9.2.2 对网络上病毒传播的临界值研究现状 296
9.2.3 非定常传播率下的传播动力学 297
9.2.4 对病毒传播免疫方法研究现状 299
9.3 病毒在网络中的传播临界值分析 300
9.3.1 均匀网络中的传播临界值 300
9.3.2 非均匀网络中的传播临界值 301
9.3.3 传播临界值仿真分析及验证 305
9.4 传统模型下度相关性对网络病毒传播行为的影响分行 309
9.4.1 保证节点度不变边重连算法 310
9.4.2 度相关性对指数网络病毒传播行为的影响 312
9.4.3 度相关性对无标度网络病毒传播行为的影响 313
9.5 非定常感染概率R—SI模型下网络弹性分析 315
9.5.1 R—SI模型的传播机制 316
9.5.2 影响病毒传播行为的要素分析 320
9.5.3 基于R—SI模型的网络弹性仿真结果 327
9.6 基于局部信息的免疫方法 332
9.6.1 随机免疫方法 332
9.6.2 熟人免疫方法 333
9.6.3 基于局部信息的免疫方法仿真分析 334
9.7 基于全局信息的免疫方法 338
9.7.1 目标免疫 338
9.7.2 多重图形剖分免疫 340
9.7.3 基于全局信息的免疫方法仿真分析 342
第10章 相继故障模式下的网络弹性分析及优化 348
10.1 概述 348
10.2 国内外研究现状 349
10.3 复杂网络相继故障的动态模型 352
10.3.1 负荷—容量模型 352
10.3.2 二值影响模型 356
10.3.3 沙堆模型 357
10.4 考虑度相关性的IP网络相继故障模型及仿真分析 358
10.4.1 考虑节点度相关性的IP网络相继故障模型 359
10.4.2 随机扰动下IP网络相继故障及仿真分析 361
10.4.3 基于负荷攻击下IP网络相继故障仿真分析 364
10.4.4 相继故障在IP网络中的扩散过程 370
10.5 相继故障模式下网络拓扑结构优化禁忌搜索算法设计 373
10.5.1 禁忌搜索算法概述 373
10.5.2 提高相继故障模式下网络弹性的算法原理 376
10.5.3 禁忌搜索算法设计 378
10.6 影响相继故障模式下网络性质的因素 381
第11章 基于弹性分析的信息网络拓扑结构评估及设计 384
11.1 基于弹性的信息网络拓扑结构评估 384
11.1.1 复杂信息网络弹性存在的约束条件 384
11.1.2 信息网络拓扑结构与弹性之间的关系 385
11.1.3 信息网络拓扑弹性评估方法 386
11.2 基于弹性的信息网络拓扑结构评估案例 386
11.2.1 邮政骨干网络弹性评估 387
11.2.2 邮政骨干网络薄弱环节评估 391
11.3 信息网络拓扑设计及优化流程 392
11.3.1 信息网络性能指标 392
11.3.2 信息网络拓扑设计及优化流程 394
第5篇 网络群体智能结构分析与动力学仿真 401
第12章 网络群体智能研究范式 401
12.1 网络群体智能研究方法论 402
12.2 网络群体智能研究层次及研究框架 403
12.3 基于网络化数据挖掘的群体智能多粒度分析方法 406
12.3.1 网络化数据挖掘 406
12.3.2 基于网络化数据挖掘的网络群体智能多粒度分析方法 408
第13章 群体结构中心性 410
13.1 网络节点中心性分析 410
13.1.1 节点中心性累积分布曲线分析 410
13.1.2 统计特征分析 412
13.1.3 参数之间的相关性分析 413
13.2 网络整体中心性分析 416
13.3 基于拓扑势中心性的编辑者影响力测度 417
13.3.1 拓扑势中心性模型的主要参数选择 418
13.3.2 基于拓扑势中心性的编辑者影响力测度算法 419
13.3.3 编辑者影响力分析 419
第14章 群体结构模式分析 424
14.1 网络结构模式发现研究现状 424
14.1.1 现实网络中的模式结构 425
14.1.2 基于角色特性的模式结构 426
14.2 网络结构模式发现的不确定性 427
14.2.1 典型模式 427
14.2.2 模式发现中的不确定性 428
14.3 基于拓扑势和云模型的网络结构模式发现方法 429
14.3.1 网络结构模式的云模型表示 430
14.3.2 基于拓扑势和云模型的网络结构模式发现算法 434
14.4 协作编辑交互网络结构模式特性分析 437
14.5 协作编辑交互网络演化特性思考 441
第15章 网络群体智能动力学建模仿真 442
15.1 群体协作词条编辑的复杂适应性分析 442
15.2 群体协作词条编辑建模仿真 443
15.2.1 环境模型 444
15.2.2 主体模型 444
15.2.3 仿真软件 445
15.2.4 仿真实验 446
15.3 群体协作知识生产建模仿真 450
15.3.1 客体模型 453
15.3.2 主体模型 453
15.3.3 仿真模块 458
15.3.4 仿真实验 460
15.4 网络群体智能应用思考 464
附录 467
参考文献 476