论文部分内容阅读
复杂网络是将图论和统计学结合起来,描述复杂系统结构的一门新兴交叉学科。随着计算机科学和网络技术的飞速发展,短短十年间,对复杂网络的研究已涉及了经济学、社会学、生物学、物理学、语言学等诸多领域,得到了国内外专家学者的广泛专注,成为了一个热门课题。复杂网络间节点匹配问题在诸多领域中均具有重要现实意义,如同源蛋白质发现、古文翻译、网际罪犯追踪等。本课题组己利用网络拓扑信息设计了相关的节点匹配算法用于求解该问题,然而真实世界的网络往往具有高对称性,仅使用局部拓扑信息的方法可能会失去作用。本文在传统迭代节点匹配算法的基础上,利用网络拓扑信息和连边权重信息,提出了一种新型的加权迭代节点匹配算法。本文主要包括如下内容:1.介绍复杂网络的基本概念、常用统计参数以及复杂网络研究历史上的经典模型。2.构建加权网络协同演化模型,该模型将为后续的算法设计提供理论基础,同时也将为后续的算法测试提供仿真平台。3.设计包含权重信息的相似度计算方法,该方法综合考虑了网络拓扑信息和连边权重信息,从而推广了无权网络间节点相似度的定义,提出了权重网络间节点相似度定义。4.设计加权网络间迭代节点匹配算法,利用权重网络间节点相似度,并结合已有的迭代节点匹配算法,设计加权网络间迭代节点匹配算法,在加权网络协同演化模型产生的仿真网络上进行仿真实验,并通过获得的现实世界的网络数据进行实证研究,从两方面来验证算法的有效性。5.编写复杂网络节点匹配软件系统,该系统可对仿真网络数据进行匹配,也可用真实网络数据进行匹配。6.对全文进行总结概括,并根据本文研究过程中发现的一些问题,提出下一步的研究方向。