具有遗忘回忆机制加权网络上信息传播研究论文

《具有遗忘回忆机制加权网络上信息传播研究论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、⑨硕士学位论文MASTER’STHESIS中文摘要复杂系统以各色各样的形式，广泛存在于大自然界和人类社会。近年来，有关复杂网络的深入研究，促进了复杂系统物理学的发展，使其成为本世纪初复杂性科学的学科前沿。信息传播作为自然界和人类社会中具有集群特征的一种普遍现象，更是成为复杂网络最重要的研究方向之一。关于信息传播的网络拓扑结构和动力学机制的研究，是国际学术界广为关注的研究课题。本文拟在加权网络的基础上，研究遗忘回忆机制(FRM)对信息在该网络中传播的影响。本文的主要研究工作如下：1．文章从综述了复

2、杂网络研究的基本情况开始，跟着回顾了复杂网络研究的发展简史，接着讨论了常用到的基本概念和几种经典的网络模型及其性质，着重介绍了流行病传播模型，并对其防疫策略进行比较分析。作为本工作的基础，详细叙述了信息传播网络中的二态、三态及四态模型。2．定义加权网络中的信息传播概率与节点之间的边权相关，有信息的节点把信息向与它的连接权重高的邻居传播的概率明显要比向权重低的邻居传播的概率要大得多。在这个规则下，研究了不同的信息传播概率参数(口)下，网络信息传播广度(有信息的节点所占的百分比)与时间的演化关系，通

3、过计算机模拟，我们发现：口值越小，信息传播广度越容易达到稳定值，而且达到稳定的值也会越大；另外，传播范围与节点之间的权重值有关，权重分布越均匀，信息传播达到的范围越广；有信息的节点总是优先向点权(其边权之和)大的节点进行传播。3．在一定的传播概率参数(口)下，加入FRM机制，该机制考虑节点自身对传播过程的影响，有信息的节点会对信息产生遗：畚，遗：基信息的节点又会回忆信息。通过模拟发现，在该机制下，信息在网络中的传播速度明显要比没有该机制时慢得多；信息源的点权大小对信息传播广度与时问的演化关系没有

4、影响；在传播概率参数(口)和遗忘概率参数(∥)一定的条件下，回忆概率参数(y)为0．5时，信息传播广度会达到最大值。本文对通过计算机对复杂网络中的信息传播过程进行了模拟研究，这对我们研究现实生活中的信息传播行为具有一定的学术价值和理论意义。关键词：复杂性科学；复杂网络；信息传播；加权网络；遗忘回忆机制；信息传播广度⑧硕士学位论定MASTER’STHESISAbstractComplexsystemexistsinthenatureandsocietyinvariousform．Inrecenty

5、ears，thedeepresearchofcomplexnetworksimprovethedevelopmentofcomplexsystemphysicsandmakesitselftobethefrontiersofthecomplexityscienceinthe21thcentury．informationspreadingwhichhastheclusteringcharacteristicisauniversalphenomenoninthenatureandsociety，an

6、ditisoneofthemostimportantresearchdirectionsincomplexityscience．Researchaboutthenetworks’topologyanddynamicsmechanismisthesubjectwhichaffectsmanyscholarshomeandabroad．Thepurposeofthispaperistostudytheinformationspreadingonweightednetworksundertheforg

7、et—remembermechanismfiRM)．ThemainresearchisaSfollows：Inthefirstpart，thispapersummarizesthecaseofcomplexnetworks；reviewsthehistoryofcomplexnetworksandintroducesthebasicconceptsandthemainmodelsofcomplexitynetworksandtheirbasicproperties．Andthenitdiscus

8、sestheepidemicspreadingmodelsandmakethecomparativeanalysisbetweentheirimmunizatiionstrategy．Tobethebasicofthiswork，wealsodiscussthetwo—state、three—stateandfour-statemodeloftheinformationspreadingnetworks．Inthesecondpart，wedefinethespreadingraterelate