复杂网络研究概述

《复杂网络研究概述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、复杂网络研究概述周涛柏文洁汪秉宏刘之景严钢中国科学技术大学，近代物理系，安徽合肥：230026摘要：近年来，真实网络中小世界效应和无标度特性的发现激起了物理学界对复杂网路的研究热潮。复杂网络区别于以前广泛研究的规则网络和随机网络最重要的统计特征是什么？物理学家研究复杂网络的终极问题是什么？物理过程以及相关的物理现象对拓扑结构是否敏感？物理学家进入这一研究领域的原因和意义何在？复杂网络研究领域将来可能会向着什么方向发展?本文将围绕上述问题，从整体上概述复杂网络的研究进展。关键词：复杂网络小世界无标度拓扑性质Ashortrev

2、iewofcomplexnetworksZhouTaoBaiWen-JieWangBing-HongLiuZhi-JingYanGangDepartmentofModernPhysics,UniversityofScienceandTechnologyofChina,Hefei,230026Abstract:Inrecentyears,thediscoveriesofsmall-worldeffectandscale-freepropertyinreal-lifenetworkshaveattractedalotofint

3、erestofphysicists.Whicharethemostimportantstatisticalcharacteristicsforcomplexnetworksthatknownfromregularnetworksandrandomnetworks?Whatistheultimategoalofthestudyofcomplexnetworks?Arephysicalprocessessensitivetothetopologicalstructureofnetworks?Whatarethereasonan

4、dmeaningthatphysicistcomeintotheresearchfieldoncomplexnetworks?Whatarethedirectionsforfutureresearch?Inthepresentpaper,weconcentrateonthosequestionsaboveandgiveageneralreviewaboutcomplexnetworks.Keyword:complexnetworks,small-world,scale-free,topologicalcharacters7

5、71引言自然界中存在的大量复杂系统都可以通过形形色色的网络加以描述。一个典型的网络是由许多节点与连接两个节点之间的一些边组成的，其中节点用来代表真实系统中不同的个体，而边则用来表示个体间的关系，往往是两个节点之间具有某种特定的关系则连一条边，反之则不连边，有边相连的两个节点在网络中被看作是相邻的。例如，神经系统可以看作大量神经细胞通过神经纤维相互连接形成的网络[1]；计算机网络可以看作是自主工作的计算机通过通信介质如光缆、双绞线、同轴电缆等相互连接形成的网络[2]。类似的还有电力网络[1]、社会关系网络[1,3-4]、交通

6、网络[5]等等。7数学家和物理学家在考虑网络的时候，往往只关心节点之间有没有边相连，至于节点到底在什么位置，边是长还是短，是弯曲还是平直，有没有相交等等都是他们不在意的。在这里，我们把网络不依赖于节点的具体位置和边的具体形态就能表现出来的性质叫做网络的拓扑性质，相应的结构叫做网络的拓扑结构。那么，什么样的拓扑结构比较适合用来描述真实的系统呢？两百多年来，对这个问题的研究经历了三个阶段。在最初的一百多年里，科学家们认为真实系统各因素之间的关系可以用一些规则的结构表示，例如二维平面上的欧几里德格网，它看起来像是格子体恤衫上的花

7、纹；又或者最近邻环网，它总是会让你想到一群手牵着手围着篝火跳圆圈舞的姑娘。到了二十世纪五十年代末，数学家们想出了一种新的构造网络的方法，在这种方法下，两个节点之间连边与否不再是确定的事情，而是根据一个概率决定。数学家把这样生成的网络叫做随机网络，它在接下来的四十年里一直被很多科学家认为是描述真实系统最适宜的网络[6-8]。直到最近几年，由于计算机数据处理和运算能力的飞速发展，科学家们发现大量的真实网络既不是规则网络，也不是随机网络，而是具有与前两者皆不同的统计特征的网络。这样的一些网络被科学家们叫做复杂网络（complex

8、networks），对于它们的研究标志着第三阶段的到来。遗憾的是，就目前而言，科学家们还没有给出复杂网络精确严格的定义，从这几年的研究来看，之所以称其为复杂网络，大致上包含以下几层意思：首先，它是大量真实复杂系统的拓扑抽象；其次，它至少在感觉上比规则网络和随机网络复杂，因为我们可以很容易地生成规则和随机