發(fā)布時間：2020-12-08 21:09

　　復(fù)雜網(wǎng)絡(luò)理論廣泛應(yīng)用于商務(wù)智能領(lǐng)域,關(guān)鍵節(jié)點識別是復(fù)雜網(wǎng)絡(luò)理論研究的核心技術(shù),受到了學(xué)術(shù)界的高度關(guān)注。眾多學(xué)者針對復(fù)雜網(wǎng)絡(luò)的關(guān)鍵節(jié)點識別或節(jié)點重要性排序等學(xué)術(shù)問題進行了深入研究,取得了大量研究成果。但隨著人工智能和大數(shù)據(jù)技術(shù)在商務(wù)領(lǐng)域深入應(yīng)用,復(fù)雜網(wǎng)絡(luò)的規(guī)模呈指數(shù)級增長。傳統(tǒng)的關(guān)鍵節(jié)點識別方法的準(zhǔn)確性和實時性已無法滿足現(xiàn)實需求。本文主要研究工作如下:（1）首先在圖論的基礎(chǔ)上分析了規(guī)則網(wǎng)絡(luò)、隨機網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)、無標(biāo)度網(wǎng)絡(luò)等現(xiàn)有經(jīng)典的復(fù)雜網(wǎng)絡(luò)演化模型,了解各種模型的統(tǒng)計特性為關(guān)鍵節(jié)點的定義與識別奠定基礎(chǔ)。（2）研究了傳統(tǒng)經(jīng)典和最新出現(xiàn)的復(fù)雜網(wǎng)絡(luò)的關(guān)鍵節(jié)點識別算法。傳統(tǒng)經(jīng)典算法包括度中心性、介數(shù)中心性、K-核分解和PageRank算法等,新出現(xiàn)的主要有對于經(jīng)典算法的改進算法、綜合性方法等。基于復(fù)雜網(wǎng)絡(luò)的可靠性與網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)等靜態(tài)指標(biāo)將關(guān)鍵節(jié)點識別的重要性評價方法分為基于傳播動力學(xué)方法和基于網(wǎng)絡(luò)魯棒性方法。（3）基于復(fù)雜網(wǎng)絡(luò)的可靠性與網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)等靜態(tài)指標(biāo)構(gòu)建復(fù)雜網(wǎng)絡(luò)的關(guān)鍵節(jié)點識別算法的評價模型。在對深度強化學(xué)習(xí)與復(fù)雜網(wǎng)絡(luò)研究應(yīng)用現(xiàn)狀分析的基礎(chǔ)上,對深度Q網(wǎng)絡(luò)與關(guān)鍵節(jié)點識別的結(jié)合方案進行... 

【文章來源】：安徽財經(jīng)大學(xué)安徽省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線圖

基于深度強化學(xué)習(xí)的復(fù)雜網(wǎng)絡(luò)關(guān)鍵節(jié)點識別12圖2-1四種類型的網(wǎng)絡(luò)鄰接矩陣是網(wǎng)絡(luò)的重要表示方法，在很多研究中被廣泛使用。網(wǎng)絡(luò)G可用一個N階的鄰居矩陣組成，表示為()ijNNAa，其中元素ija表示節(jié)點iv與節(jié)點jv的連接關(guān)系：若=0ija，表示節(jié)點iv與節(jié)點jv之間沒有直接相連的邊；若=1ija，表示處于無權(quán)網(wǎng)絡(luò)中，節(jié)點iv與節(jié)點jv之間有邊直接相連；若ijijaw，表示處于加權(quán)網(wǎng)絡(luò)中，節(jié)點iv與節(jié)點jv之間不僅有邊直接相連，其連接強度由權(quán)值大小決定�？梢钥闯觯瑹o權(quán)網(wǎng)絡(luò)的鄰接矩陣元素只能為0或1，加權(quán)網(wǎng)絡(luò)連邊具有權(quán)重導(dǎo)致鄰接矩陣的非0元素等于各邊權(quán)重值。另外，無向網(wǎng)絡(luò)的鄰接矩陣是對稱陣，=ijjiaa，有向網(wǎng)絡(luò)的連邊具有方向性導(dǎo)致鄰接矩陣不對稱。第二節(jié)復(fù)雜網(wǎng)絡(luò)的統(tǒng)計特性和基本模型復(fù)雜網(wǎng)絡(luò)中存在著各種各樣的規(guī)律和特征，對網(wǎng)絡(luò)隱藏信息的挖掘是廣大學(xué)者的追求和目標(biāo)。與網(wǎng)絡(luò)的四種類型的簡單描述不同，隨著網(wǎng)絡(luò)規(guī)模和復(fù)雜性的進一步提升，需要使用統(tǒng)計學(xué)方法對復(fù)雜網(wǎng)絡(luò)的特性進行描述，不同的拓?fù)涮匦允沟镁W(wǎng)絡(luò)系統(tǒng)的功能性質(zhì)不盡相同。在對復(fù)雜網(wǎng)絡(luò)問題的不斷研究探索中，提出了各種復(fù)雜網(wǎng)絡(luò)模型，演化模型的不斷變化也是對復(fù)雜網(wǎng)絡(luò)深刻認(rèn)識的過程。下面對統(tǒng)計特性和基本模型的相關(guān)內(nèi)容進行簡述。一、復(fù)雜網(wǎng)絡(luò)的統(tǒng)計特性（一）度與度分布節(jié)點的度是最簡單的統(tǒng)計指標(biāo)，可以用ik表示節(jié)點iv的度值，計算方式為鄰居節(jié)點的數(shù)量或者說直接與節(jié)點iv相連的連邊數(shù)量。由于有向網(wǎng)絡(luò)的連邊具有方向性，故可將節(jié)點的度分為入度和出度，分別用下列兩公式表示：

基于深度強化學(xué)習(xí)的復(fù)雜網(wǎng)絡(luò)關(guān)鍵節(jié)點識別15度和聚類系數(shù)之間相關(guān)性等特征被相繼提出。對網(wǎng)絡(luò)統(tǒng)計特性的學(xué)習(xí)和理解是復(fù)雜網(wǎng)絡(luò)研究的必要一步，研究關(guān)鍵節(jié)點識別方法也需要這些理論作為基矗二、復(fù)雜網(wǎng)絡(luò)的基本演化模型在使用復(fù)雜網(wǎng)絡(luò)對現(xiàn)實中復(fù)雜系統(tǒng)的認(rèn)知研究中，學(xué)術(shù)界提出了多種多樣的復(fù)雜網(wǎng)絡(luò)模型，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)與功能性質(zhì)相互作用，通過模型能夠有效地對網(wǎng)絡(luò)的結(jié)構(gòu)特征進行深刻理解，才能更好地使用復(fù)雜網(wǎng)絡(luò)理論達到?jīng)Q策優(yōu)化、效能提升等現(xiàn)實目的。復(fù)雜網(wǎng)絡(luò)模型的研究是一個跨度很長的過程，大致可歸納為從規(guī)則網(wǎng)絡(luò)、隨機網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)和無標(biāo)度網(wǎng)絡(luò)這樣的模型發(fā)展歷程，學(xué)術(shù)界至今依然在對此問題進行研究，相繼提出各種各樣的網(wǎng)絡(luò)模型對真實網(wǎng)絡(luò)進行表征。下面對這四種基本演化模型進行介紹。（一）規(guī)則網(wǎng)絡(luò)規(guī)則網(wǎng)絡(luò)模型是學(xué)術(shù)界最早提出的模型之一，它的構(gòu)造相對簡單，即各節(jié)點按照某一固定規(guī)則進行連接，這種形式構(gòu)成的網(wǎng)絡(luò)中任意節(jié)點擁有相同的連接度。常見的規(guī)則網(wǎng)絡(luò)有三種：星形耦合網(wǎng)絡(luò)（Starcouplednetwork）、最近鄰耦合網(wǎng)絡(luò)（Nearest-neighborcouplednetwork）和全局耦合網(wǎng)絡(luò)（Globallycouplednetwork），具體拓?fù)浣Y(jié)構(gòu)見圖2-1。(a)星型耦合網(wǎng)絡(luò)(b)最近鄰耦合網(wǎng)絡(luò)(c)全局耦合網(wǎng)絡(luò)圖2-2三種規(guī)則網(wǎng)絡(luò)（二）隨機網(wǎng)絡(luò)規(guī)則網(wǎng)絡(luò)模型過于理想化，各個節(jié)點的統(tǒng)計特性相同顯然是不符合客觀規(guī)律的，隨后Erds和Réyni[62]提出了ER隨機圖模型，標(biāo)志著隨機網(wǎng)絡(luò)模型的誕生。該網(wǎng)絡(luò)中任意兩點以某一概率進行連接，這是隨機網(wǎng)絡(luò)最大的特點。例如隨機網(wǎng)絡(luò)中有N個節(jié)點，節(jié)點之間的連接概率為p，則節(jié)點的度分布服從二項分布(N1,p)，如下所示。(1)1()(1)kVkVpkppk（2.9）

【參考文獻】：
期刊論文
[1]一種權(quán)重平均值的深度雙Q網(wǎng)絡(luò)方法[J]. 吳金金,劉全,陳松,閆巖.  計算機研究與發(fā)展. 2020(03)
[2]基于深度Q網(wǎng)絡(luò)的虛擬裝配路徑規(guī)劃[J]. 李妍,甄成剛.  計算機工程與設(shè)計. 2019(07)
[3]復(fù)雜網(wǎng)絡(luò)與機器學(xué)習(xí)融合的研究進展[J]. 李澤荃,楊曌,劉嶸,李靖.  計算機應(yīng)用與軟件. 2019(04)
[4]一個具有雙線性發(fā)生率的隨機SIR傳染病模型的動力學(xué)性質(zhì)[J]. 李明山,張渝曼,劉秀敏,黃鑫,周效良.  四川師范大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[5]基于排序優(yōu)先經(jīng)驗回放的競爭深度Q網(wǎng)絡(luò)學(xué)習(xí)[J]. 周瑤瑤,李燁.  計算機應(yīng)用研究. 2020(02)
[6]一類SIR傳染病模型的分岔分析[J]. 李明山,張渝曼,周效良.  四川師范大學(xué)學(xué)報(自然科學(xué)版). 2018(06)
[7]基于深度Q網(wǎng)絡(luò)學(xué)習(xí)的機器人端到端控制方法[J]. 張浩杰,蘇治寶,蘇波.  儀器儀表學(xué)報. 2018(10)
[8]一種深度Q網(wǎng)絡(luò)的改進算法[J]. 夏宗濤,秦進.  計算機應(yīng)用研究. 2019(12)
[9]一種最大置信上界經(jīng)驗采樣的深度Q網(wǎng)絡(luò)方法[J]. 朱斐,吳文,劉全,伏玉琛.  計算機研究與發(fā)展. 2018(08)
[10]基于復(fù)雜網(wǎng)絡(luò)動力學(xué)模型的無向加權(quán)網(wǎng)絡(luò)節(jié)點重要性評估[J]. 孔江濤,黃健,龔建興,李爾玉.  物理學(xué)報. 2018(09)

碩士論文
[1]基于復(fù)雜網(wǎng)絡(luò)理論的無線傳感器網(wǎng)絡(luò)關(guān)鍵節(jié)點識別技術(shù)研究[D]. 彭一.西南大學(xué) 2015
[2]復(fù)雜網(wǎng)絡(luò)關(guān)鍵節(jié)點識別技術(shù)研究[D]. 楊汀依.南京理工大學(xué) 2011



本文編號：2905690