1 / 80

复杂性与复杂网络研究

复杂性与复杂网络研究. 狄增如 北京师范大学管理学院系统科学系 北京师范大学复杂性研究中心 2010.7. 关于复杂性. 我们所关心的问题： 大量个体（更典型的是具有适应性的主体）所组成的复杂系统，在没有中心控制、非完全信息、仅仅存在局域相互作用的条件下，通过个体之间的非线性相互作用，可以在宏观层次上涌现出一定的结构和功能。. Complexity Approach. Emergent properties:. Local and simple interactions. Global behavior.

gloria-mendoza
Download Presentation

复杂性与复杂网络研究

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 复杂性与复杂网络研究 狄增如 北京师范大学管理学院系统科学系 北京师范大学复杂性研究中心 2010.7

  2. 关于复杂性 • 我们所关心的问题： • 大量个体（更典型的是具有适应性的主体）所组成的复杂系统，在没有中心控制、非完全信息、仅仅存在局域相互作用的条件下，通过个体之间的非线性相互作用，可以在宏观层次上涌现出一定的结构和功能。

  3. Complexity Approach Emergent properties: Local and simple interactions Global behavior The emergence of dynamical structures in complex systems

  4. Internet 相互作用与复杂性 晶格 全局相互作用 ? 平均场 扩散

  5. Complex Networks • complex networks are the backbone of complex systems • every complex system is a network of interaction among numerous smaller elements • understanding a complex system = break down into parts + reassemble • network anatomy is important to characterize because structure affects function (and vice-versa)

  6. 为什么研究复杂网络？ •复杂系统不能够用分析的方法去研究， 必须考虑个体之间的关联和作用； •理解复杂系统的行为应该从理解系统相互作用网络的拓扑结构开始； •网络拓扑结构的信息是构建系统模型、研究系统性质和功能的基础。

  7. 为什么研究复杂网络？ 复杂网络是研究复杂系统的一种角度和方法，它关注系统中个体相互关联的作用的拓扑结构，是理解复杂系统性质和功能的基础。

  8. 复杂网络 A food web A Unified Approach towards the Connection Topology of various Complex Systems

  9. 生命金字塔

  10. 技术网络 WWW 因特网 电力网

  11. 社会网络 朋友关系网 科学引文网 演员网 性关系网 科学家合著网

  12. 交通运输网络 航空网 城市公共交通网 道路交通网

  13. 神经网络 生物网络 生态网络 蛋白质相互作用网络 基因网络 新陈代谢网络

  14. 不同领域的复杂网络 • 社会网：演员合作网，友谊网，姻亲关系网，科研合作网，Email网 • 生物网：食物链网，神经网，新陈代谢网，蛋白质网，基因网络 • 信息网络：WWW，专利使用，论文引用，计算机共享 • 技术网络：电力网，Internet，电话线路网， • 交通运输网：航线网，铁路网，公路网，自然河流网

  15. 网络研究的历史 • 1736，欧拉：哥尼斯堡七桥 • 1950，Erdos, Renyi: 随机图论 • 1998，Strogatz, Barabasi: 小世界和无标度网络

  16. 为什么现在才开始研究复杂网络？ • 计算机技术的发展： • 使我们拥有各种网络的数据库，并有可能对大规模的网络进行实证研究 • 普适性的发现： • 许多实际网络具有相同的定性性质 • 且已有的理论不能描述和解释 • 理论研究的发展 • 小世界网络 (Small World Network), 无标度网络 (Scale-free Network) • 统计物理学的研究手段

  17. 复杂网络研究所关心的问题 • 如何定量刻画复杂网络？ • 网络结构的描述及其性质 • 网络是如何发展成现在这种结构的？ • 网络演化模型 • 网络特定结构的后果是什么？ • 网络结构的鲁棒性 • 网络上的动力学行为和过程

  18. 复杂网络的结构 • 四种结构模型： • 规则网络 • 随机网络 • 小世界网络 • 无标度网络

  19. 对网络结构的描述 • 几何量及其分布 度（Degree）：朋友的个数 集聚系数（群系数）（Clustering coefficient）： 朋友的朋友还是不是朋友的情况 最短路径（Shortest path）： 两个顶点之间边数最少的路径 介数（Betweenness）： 经过我的最短路径的条数

  20. K●=5 C●=1 K●=5 C●=0 一个简单的例子

  21. 规则网络 一般情况下， 聚集系数较大， 平均最短路径较长。

  22. ER随机网络 当p不太小时， 聚集系数较小， 平均最短路径较短。

  23. 随机网络的平均最短路径 及其与实证数据的比较随机网络的平均最短路径 及其与实证数据的比较

  24. 随机网络的平均聚集系数 及其与实证数据的比较随机网络的平均聚集系数 及其与实证数据的比较

  25. Small World Network C(p) : 平均聚集系数 L(p) : 平均最短路径

  26. 度分布 • 分布函数f(k)： • 网络中度值为k的顶点占总点数的比例 • 随机网络的度分布——Poisson分布 10000个顶点 p=0.0015

  27. 度分布 • 幂律分布——Power Law g=-3

  28. World Wide Web Nodes: WWW documents Links: URL links P(k=500) ~ 10-6 800 million documents (S. Lawrence, 1999) NWWW ~ 109  N(k=500) ~ 103

  29. INTERNET BACKBONE Nodes: computers, routers Links: physical lines (Faloutsos, Faloutsos and Faloutsos, 1999)

  30. ACTOR CONNECTIVITIES Nodes: actors Links: cast jointly N = 212,250 actors k = 28.78 P(k) ~k- =2.3

  31. SCIENCE CITATION INDEX SCIENCE COAUTHORSHIP Nodes: papers Links: citations Nodes: scientist (authors) Links: write paper together 1736 PRL papers (1988) (Newman, 2000, H. Jeong et al 2001)

  32. Sex-web Nodes: people (Females; Males) Links: sexual relationships 4781 Swedes; 18-74; 59% response rate. Liljeros et al. Nature 2001

  33. Metabolic network Archaea Bacteria Eukaryotes Organisms from all three domains of life are scale-free networks! H. Jeong, B. Tombor, R. Albert, Z.N. Oltvai, and A.L. Barabasi, Nature, 407 651 (2000)

  34. Scale Free网络的基本特征 Power Law Degree Distribution（幂律度分布） 1、自相似结构： 2、两极分化，高度弥散

  35. 复杂网络中顶点度的匹配关系Assortative Mixing by Degree • 如果网络中度值高的顶点倾向于与其他高度值的顶点相互连接，则称网络具有同向匹配性质； • 例如：社会网络 • 如果网络中度值高的顶点倾向于与度值低的顶点相互连接，则称网络具有反向匹配性质； • 例如：大部分生物、技术网络 同向匹配 无标度网络 反向匹配 无标度网络

  36. 复杂网络中的社团结构 Community Structures 社团内部连接紧密，社团之间连接相对稀疏 Physics collaboration network Palla et al. Nature 435, 9 (2005)

  37. 网络模体---Network Motifs 模体——在网络中密度明显较高的子图（基本结构单元）

  38. 复杂网络演化模型 • BA模型 • 网络增长、偏好连接 • 基于蛋白质相互作用的演化模型 • 复制、分化、变异 • 优化演化模型

  39. Most real world networks have the same internal structure: • 其形成机制是什么？ • 结构与功能？ Scale-free networks

  40. BA偏好连接模型——PREFERENTIAL ATTACHMENT (1) The number of nodes (N) is NOT fixed. Networks continuously expand by the addition of new nodes Examples: WWW : addition of new documents Citation : publication of new papers (2) The attachment is NOT uniform. A node is linked with higher probability to a node that already has a large number of links. Examples : WWW : new documents link to well known sites (CNN, YAHOO, NewYork Times, etc) Citation : well cited papers are more likely to be cited again

  41. Scale-free model P(k) ~k-3 (1)GROWTH: At every timestep we add a new node with m edges (connected to the nodes already present in the system). (2)PREFERENTIAL ATTACHMENT :The probability Π that a new node will be connected to node i depends on the connectivity ki of that node A.-L.Barabási, R. Albert, Science 286, 509 (1999)

  42. 网络的结构与功能 网络上的动力学行为和过程 • 动力系统：自旋、振子或混沌的同步、可激发系统 • 传播过程：信息传播与拥堵、网络搜寻、运输过程、疾病传播、谣言的传播、舆论形成 • 博弈与其他社会行为：囚徒困境、少数者博弈 • 其他过程：电力网的级联失效等

  43. 复杂网络上的疾病传播

  44. 传染者 易受感染者 传染病动力学：SI 模型 接触数目  IS : 易受感染者人数 : 总人数 : 传染比例 :传染者人数 固定人口总数的疾病传播模型: I(t) t

  45. Epidemic Dynamics：SI Model

  46. 传染病动力学：SIS 模型 有效扩散速率：

  47. 传染病动力学：SIR模型 疾病扩散条件： OR

  48. 相互作用结构上的疾病传播 • 完全混合 网络结构的影响 规则网格 复杂网络

More Related